[시장 지표] 상관관계 분석

Overview

• 시장 지표들의 상관관계를 통해 헷징 가능성에 대해서 탐구하는 시간
• 다양한 시장 지표들을 받아와 상관관계 분석 진행
• 본 분석에서는 헷징 가능성이 없음을 확인(주식 내부적으로 헷징이 필요)
• 하지만 환율간 높은 상관관계가 있음을 확인(환율 투자 가능성 확인)
• Strong Positive Correlation
  • S&P 500 and Dow Jones: Strong positive correlation (0.99)
    NASDAQ and S&P 500: Strong positive correlation (0.98)
    Dow Jones and NASDAQ: Strong positive correlation (0.95)
    Bitcoin and Ethereum: Strong positive correlation (0.93)
    NASDAQ and Bitcoin: Strong positive correlation (0.92)
    Ethereum and Copper: Strong positive correlation (0.91)
    S&P 500 and Bitcoin: Strong positive correlation (0.90)
    Silver and Gold: Strong positive correlation (0.89)
    NASDAQ and Gold: Strong positive correlation (0.89)
    Gold and S&P 500: Strong positive correlation (0.89)
    Bitcoin and Dow Jones: Strong positive correlation (0.89)
    NASDAQ and Silver: Strong positive correlation (0.89)
    GBP/USD and EUR/USD: Strong positive correlation (0.89)
    S&P 500 and Ethereum: Strong positive correlation (0.88)
    Ethereum and NASDAQ: Strong positive correlation (0.88)
    Russell 2000 and Copper: Strong positive correlation (0.87)
    Dow Jones and Ethereum: Strong positive correlation (0.87)
    Copper and Dow Jones: Strong positive correlation (0.86)
    USD/JPY and 10-Year Treasury Yield: Strong positive correlation (0.86)
    USD/JPY and Interest Rate: Strong positive correlation (0.86)
    Bitcoin and Russell 2000: Strong positive correlation (0.85)
    Copper and Bitcoin: Strong positive correlation (0.85)
    S&P 500 and Copper: Strong positive correlation (0.85)
    Dow Jones and Gold: Strong positive correlation (0.85)
    Ethereum and Russell 2000: Strong positive correlation (0.85)
    Silver and S&P 500: Strong positive correlation (0.85)
    Russell 2000 and NASDAQ: Strong positive correlation (0.84)
    Copper and NASDAQ: Strong positive correlation (0.84)
    Dow Jones and Russell 2000: Strong positive correlation (0.84)
    Dow Jones and Silver: Strong positive correlation (0.83)
    Ethereum and Dogecoin: Strong positive correlation (0.83)
    Russell 2000 and S&P 500: Strong positive correlation (0.81)
    Silver and Copper: Strong positive correlation (0.81)
    Silver and Bitcoin: Strong positive correlation (0.81)
    Dogecoin and Copper: Strong positive correlation (0.79)
    Russell 2000 and Dogecoin: Strong positive correlation (0.78)
    Gold and Bitcoin: Strong positive correlation (0.77)
    Silver and Russell 2000: Strong positive correlation (0.76)
    Bitcoin and Dogecoin: Strong positive correlation (0.73)
    Ethereum and Silver: Strong positive correlation (0.73)
    USD/JPY and S&P 500: Strong positive correlation (0.72)
    Dow Jones and USD/JPY: Strong positive correlation (0.71)
    Gold and Copper: Strong positive correlation (0.69)
    Gold and Ethereum: Strong positive correlation (0.69)
    NASDAQ and Dogecoin: Strong positive correlation (0.68)
    Oil and Copper: Strong positive correlation (0.68)
    Dow Jones and Dogecoin: Strong positive correlation (0.68)
    S&P 500 and Dogecoin: Strong positive correlation (0.66)
    Gold and USD/JPY: Strong positive correlation (0.65)
    Litecoin and GBP/USD: Strong positive correlation (0.64)
    Natural Gas and Oil: Strong positive correlation (0.62)
    Interest Rate and Oil: Strong positive correlation (0.62)
    Oil and 10-Year Treasury Yield: Strong positive correlation (0.62)
    USD/JPY and Oil: Strong positive correlation (0.61)
    Dogecoin and Silver: Strong positive correlation (0.61)
    Oil and Dow Jones: Strong positive correlation (0.60)
    NASDAQ and USD/JPY: Strong positive correlation (0.60)
    Ethereum and Oil: Strong positive correlation (0.59)
    Russell 2000 and Gold: Strong positive correlation (0.58)
    S&P 500 and Oil: Strong positive correlation (0.57)
    Litecoin and Dogecoin: Strong positive correlation (0.54)
    Russell 2000 and Oil: Strong positive correlation (0.54)
    EUR/USD and Litecoin: Strong positive correlation (0.54)
    USD/JPY and Bitcoin: Strong positive correlation (0.53)
    Ethereum and USD/JPY: Strong positive correlation (0.52)
    Russell 2000 and Litecoin: Strong positive correlation (0.51)
    Copper and USD/JPY: Strong positive correlation (0.50)

 

• Strong Negative Correlation
  • Interest Rate and EUR/USD: Strong negative correlation (-0.53)
    10-Year Treasury Yield and EUR/USD: Strong negative correlation (-0.53)
    GBP/USD and USD/JPY: Strong negative correlation (-0.54)
    USD/JPY and EUR/USD: Strong negative correlation (-0.71)

---

import yfinance as yf
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from datetime import datetime

# 출력 설정
pd.set_option('display.max_rows', None)  # 모든 행 표시
pd.set_option('display.max_columns', None)  # 모든 열 표시

# 데이터 다운로드 함수
def get_data(ticker, start_date, end_date):
    data = yf.download(ticker, start=start_date, end=end_date)
    return data['Close']

# 금리 데이터 다운로드 (10년물 국채 수익률)
def get_interest_rate_data(start_date, end_date):
    rate_data = yf.download('^TNX', start=start_date, end=end_date)  # 10-Year Treasury Yield
    return rate_data['Close']

# 상관관계 검증 함수
def analyze_correlation(data_dict):
    combined_data = pd.concat(data_dict, axis=1)
    combined_data.columns = list(data_dict.keys())
    combined_data = combined_data.dropna()

    # 상관계수 계산
    correlation_matrix = combined_data.corr()

    # 상관관계 시각화
    plt.figure(figsize=(14, 12))
    sns.heatmap(correlation_matrix, annot=True, cmap='coolwarm', center=0)
    plt.title('Correlation between Different Market Data')
    plt.show()

    # 상관관계가 높은 순으로 정렬
    sorted_correlations = correlation_matrix.unstack().sort_values(ascending=False)

    # 중복 제거: 자기 상관관계 및 중복 데이터 제거
    sorted_correlations = sorted_correlations[sorted_correlations < 1]  # 자기 상관관계 제외
    sorted_correlations = sorted_correlations[~sorted_correlations.index.duplicated(keep='first')]  # 중복 인덱스 제거

    return sorted_correlations

# 상관관계 해석 함수
def interpret_correlations(correlations):
    interpretation = {}
    seen_pairs = set()
    
    for (asset1, asset2), value in correlations.items():
        # 자기 상관관계는 건너뜁니다.
        if asset1 != asset2 and (asset2, asset1) not in seen_pairs:
            if value > 0.5:
                interpretation[(asset1, asset2)] = f"Strong positive correlation ({value:.2f})"
            elif value < -0.5:
                interpretation[(asset1, asset2)] = f"Strong negative correlation ({value:.2f})"
            seen_pairs.add((asset1, asset2))  # 쌍 추가
            
    return interpretation

# 매개변수 설정
start_date = '2010-01-01'
end_date = datetime.now().strftime('%Y-%m-%d')  # 오늘 날짜

# 데이터 다운로드
tickers = {
    'S&P 500': '^GSPC',
    'Gold': 'GC=F',                # 금 선물
    'Silver': 'SI=F',              # 은 선물
    'Oil': 'CL=F',                 # 원유 선물
    'Copper': 'HG=F',              # 구리 선물
    'Natural Gas': 'NG=F',         # 천연가스 선물
    'NASDAQ': '^IXIC',            # 나스닥 지수
    'Dow Jones': '^DJI',          # 다우 존스 지수
    'Russell 2000': '^RUT',       # 러셀 2000 지수
    'EUR/USD': 'EURUSD=X',        # 유로/달러 환율
    'GBP/USD': 'GBPUSD=X',        # 파운드/달러 환율
    'USD/JPY': 'JPY=X',           # 달러/엔 환율
    'Bitcoin': 'BTC-USD',         # 비트코인
    'Ethereum': 'ETH-USD',        # 이더리움
    'Litecoin': 'LTC-USD',        # 라이트코인
    'Dogecoin': 'DOGE-USD',       # 도지코인
    '10-Year Treasury Yield': '^TNX',  # 10년물 국채 수익률
    'VIX': '^VIX',                # 변동성 지수
}

data_dict = {}

for name, ticker in tickers.items():
    data_dict[name] = get_data(ticker, start_date, end_date)

# 금리 데이터 추가
data_dict['Interest Rate'] = get_interest_rate_data(start_date, end_date)

# 상관관계 분석
sorted_correlations = analyze_correlation(data_dict)

# 상관관계 해석
correlation_interpretation = interpret_correlations(sorted_correlations)

# 결과 출력
print("Sorted Correlations:\n", sorted_correlations)
print("\nStrong Correlation Interpretations:")
for (asset1, asset2), interpretation in correlation_interpretation.items():
    print(f"{asset1} and {asset2}: {interpretation}")