chatGPT

삼성전자 주가예측

chatGPT 코딩 기능을 활용하여 주가를 예측해보자.

저자
소속
이광춘

한국 R 사용자회

삼성전자 주가를 예측하는 프로그램을 OpenAI chatGPT를 활용하여 작성해보자.

1 데이터 크롤링

삼성전자 주가를 예측하기 위해서는 데이터가 필요하다. 이를 위해서 다음과 같이 지시명령어(prompt)를 작성하여 chatGPT에 요청한다.

지시명령어

파이썬으로 최근 3년간 삼성전자 주가 데이터를 크롤링하여 samsung.csv 파일로 저장하는 코드를 작성해 주세요.

대한민국 영업일수
코드
import requests
import pandas as pd

# URL of Samsung Electronics stock historical data
url = "https://finance.naver.com/item/sise_day.naver?code=005930&page="

# Empty list to store stock price data
data = []

# Loop through the last 3 years of pages (60 pages in total)
for page in range(1, 61):
    # Send a GET request to the URL with the current page number
    response = requests.get(url + str(page))

    # Read the HTML table into a pandas dataframe
    df = pd.read_html(response.content)[0]

    # Drop the last row which is just a duplicate of the column headers
    df = df.drop(len(df) - 1)

    # Append the dataframe to the list
    data.append(df)

# Concatenate all dataframes into a single dataframe
df = pd.concat(data)

# Reverse the order of rows to start from the earliest date
df = df.iloc[::-1]

# Set the date column as the index and remove unnecessary columns
df = df.set_index('날짜')[['종가', '거래량']]

# Convert the data types of columns to float and int
df['종가'] = df['종가'].astype(float)
df['거래량'] = df['거래량'].str.replace(',', '').astype(int)

# Print the resulting dataframe
print(df)

통상 영업일기준으로 1년을 보통 247일가 된다. 해당 웹사이트 삼성전자 주식 첫페이지를 일별하면 한 페이지에 10 영업일 주식거래 데이터가 담겨있어 총 약 반년치 데이터가 누락되어 2.5년 정도 된다고 보면 된다.

코드

import requests
import pandas as pd

# URL of Samsung Electronics stock historical data
url = "https://finance.naver.com/item/sise_day.naver?code=005930&page="

# Empty list to store stock price data
data = []

# Loop through the last 3 years of pages (60 pages in total)
for page in range(1, 61):
    # Send a GET request to the URL with the current page number
    response = requests.get(url + str(page), headers={'User-agent': 'Mozilla/5.0'})
    

    # Check if the response is successful
    if response.status_code == 200:
        # Read the HTML table into a pandas dataframe
        df_list = pd.read_html(response.text, flavor='html5lib')

        # Check if the list of dataframes is not empty
        if df_list:
            # Get the first dataframe
            df = df_list[0]

            # Drop the last row which is just a duplicate of the column headers
            df = df.drop(len(df) - 1)

            # Append the dataframe to the list
            data.append(df)

# Concatenate all dataframes into a single dataframe
df = pd.concat(data)

# Reverse the order of rows to start from the earliest date
df = df.iloc[::-1]

df = df.dropna()

# Set the date column as the index and remove unnecessary columns
df = df.set_index('날짜')[['종가', '거래량']]

# Convert the data types of columns to float and int
df['종가'] = df['종가'].astype(float)
df['거래량'] = df['거래량'].astype(int)

# Save the dataframe as a CSV file
df.to_csv('data/samsung.csv')

# Print a confirmation message
print('samsung.csv saved successfully.')

네이버 주식 일별시세를 읽어오는 경우 ValueError: No tables found가 발생되어 네이버 주식 일별 시세 pandas read_html() ValueError: No tables found 오류 참조하여 오류수정, 크롤링 데이터에 결측값이 포함되어 이를 수정작업 후에ㅏ 마지막으로 자료형 오류수정 후 데이터를 data/samsung.csv 파일로 다운로드하여 작업마무리한다.

1.1 오류 수정

lxml 패키지가 설치되지 않는 오류가 발생되었다.

ImportError: lxml not found, please install it
ValueError: No objects to concatenate
지시명령어

fix the bug
ImportError: lxml not found, please install it
ValueError: No objects to concatenate
Answer in Korean.

pip install lxml

2 시각화

앞서 크롤링하여 .csv 파일로 저장한 데이터를 pandas 데이터프레임 자료구조와 시각화를 위해서 matplotlib으로 시각화하는 코드를 작성하게 지시한다.

지시명령어

삼성전자 주가데이터가 ‘data/samsung.csv’ 파일에 저장되어 있습니다. pandas 데이터프레임으로 불러읽어와서 x 축에는 ‘날짜’ y축에는 ’종가’로 하여 시계열 그래프를 matplotlib으로 작성해주세요

코드
import pandas as pd
import matplotlib.pyplot as plt

# Load the Samsung Electronics stock price data from the 'data/samsung.csv' file into a pandas dataframe
df = pd.read_csv('data/samsung.csv', index_col='날짜', parse_dates=True)

# Create a time series graph with matplotlib
plt.plot(df.index, df['종가'])

# Set the x-axis label to 'Date'
plt.xlabel('Date')

# Set the y-axis label to 'Closing Price'
plt.ylabel('Closing Price')

# Set the title of the graph to 'Samsung Electronics Stock Price'
plt.title('Samsung Electronics Stock Price')

# Show the graph
plt.show()

# PNG 저장
plt.savefig('images/samsung_matplotlib.png')

코드
library(tidyverse)
extrafont::loadfonts()

samsung_tbl <- read_csv("data/samsung.csv")

samsung_tbl %>% 
  ## 자료형 변환 -----------
  mutate(날짜 = lubridate::ymd(날짜)) %>% 
  ggplot(aes(x = 날짜, y = 종가)) +
    geom_line() +
    scale_x_date(date_labels = "%y년 %m월") +
    scale_y_continuous(labels = scales::comma) +
    theme_bw(base_family = "MaruBuri Bold") +
    labs(x = "",
         title = "삼성전자주가 최근 3년 주가 추세",
         subtitle = "주가 데이터 크롤링을 chatGPT가 파이썬으로 작성",
         caption = "출처: https://r2bit.com/chatGPT/samsung.html")

3 예측

데이터에 대한 전반적인 사항은 파악을 했으니 다음 단계로 삼성전자 주가 예측을 통해서 투자수익을 거둘 수 있는 방안을 찾아보자. chatGPT에 과거 3년치 삼성전자 주가 데이터를 바탕으로 1달 예측하는 코드를 작성하게 지시한다.

지시명령어

삼성전자 주가 종가기준 1달 예측하는 모형을 제작하고 예측값을 pandas 데이터프레임에 붙여줘
선형 회귀모형 대신 ARIMA 모형으로 예측모형을 바꿔서 다시 작성해줘
삼성전자 주가를 예측하는데 pmdarima 패키지를 사용해서 1달 예측하는 코드를 작성해주세요.

코드
import pandas as pd
import pmdarima as pm

# Load the Samsung Electronics stock price data from the 'data/samsung.csv' file into a pandas dataframe
df = pd.read_csv('data/samsung.csv', index_col='날짜', parse_dates=True)

# Extract the '종가' column as a pandas series
closing_prices = df['종가']

# Create an ARIMA model using pmdarima
model = pm.auto_arima(closing_prices, seasonal=False, 
                      error_action='ignore', suppress_warnings=True)

# Make a prediction for the next 30 days
forecast = model.predict(n_periods=30)

# Create a new column in the dataframe to store the predicted prices
df['Predicted Price'] = None

# Calculate the predicted prices for the next 30 days
last_price = closing_prices[-1]
for i in range(30):
    predicted_price = last_price * (1 + forecast[i])
    date = closing_prices.index[-1] + pd.DateOffset(days=i+1)
    df.at[date, 'Predicted Price'] = predicted_price

# Print the dataframe with the predicted prices
print(df)

시계열 ARIMA 예측 기반 코드를 제공하지만 실제로 돌려보면 오류가 있어 사람이 손을 봐야 함.

코드
import pandas as pd
import pmdarima as pm

# Load the Samsung Electronics stock price data from the 'data/samsung.csv' file into a pandas dataframe
data = pd.read_csv('data/samsung.csv', index_col='날짜', parse_dates=True)

# Extract the '종가' column and leave it as dataframe
closing_prices = data[['종가']]

# Create an ARIMA model using pmdarima
stepwise_model = pm.auto_arima(closing_prices, start_p=1, start_q=1,
                           max_p=3, max_q=3, m=12,
                           start_P=0, seasonal=True,
                           d=1, D=1, trace=True,
                           error_action='ignore',  
                           suppress_warnings=True, 
                           stepwise=True)

print(stepwise_model.aic())

# data.index.min(), # data.index.max()

# Make a prediction for the next 30 days
future_dates = pd.date_range(start='2023-03-15', end='2023-04-14')
future_forecast = stepwise_model.predict(n_periods = len(future_dates))

# Create a DataFrame of forecasted values with future dates as the index
forecast_df = pd.DataFrame({'종가': future_forecast,
                            '날짜': future_dates})
                            
forecast_df.set_index('날짜', inplace=True)

# Print the forecasted values
full_df = pd.concat([closing_prices, forecast_df], axis = 0)

print(full_df)

full_df.to_csv("data/samsung_forecast.csv")

chatGPT가 제시한 코드를 기반으로 자료형을 맞춰 예측값과 결합시켜 예측값의 정확도를 평가할 수 있도록 로컬파일로 떨어뜨림.

3.1 예측결과 시각화

삼성전자 주식 예측 결과를 시각화하여 투자 예측 결과를 살펴보자.

코드
library(tidyverse)

full_tbl <- read_csv("data/samsung_forecast.csv") %>% 
  ## 자료형 변환 -----------
  mutate(날짜 = lubridate::ymd(날짜))

future_data <- full_tbl %>% 
  filter(날짜 >= as.Date("2023-03-15"))

full_tbl %>% 
  ## 자료형 변환 -----------
  mutate(날짜 = lubridate::ymd(날짜)) %>% 
  ggplot(aes(x = 날짜, y = 종가)) +
    geom_line(color="black") +
    scale_x_date(date_labels = "%y년 %m월") +
    scale_y_continuous(labels = scales::comma) +
    theme_bw(base_family = "MaruBuri Bold") +
    labs(x = "",
         title = "삼성전자주가 최근 3년 주가 추세",
         subtitle = "주가 데이터 크롤링을 chatGPT가 파이썬으로 작성",
         caption = "출처: https://r2bit.com/chatGPT/samsung.html") +
    geom_vline(xintercept = as.Date("2023-03-14")) +
    geom_line(data = future_data, aes(x=날짜, y=종가), color = "red", size = 1.5)

코드
library(reactable)

full_tbl %>% 
  arrange(desc(날짜)) %>% 
  reactable::reactable(
    columns = list(
    종가 = colDef(format = colFormat(prefix = "₩ ", separators = TRUE, digits = 0),
                                     align = "center")
  ))