[데이터분석]엔화, 달러, 위안화는 함께 오를까?

 티스토리 이름을 다른 걸로 지었어야 했다.

 아이고아미고라니.

 지금에서야보니 곡소리가 나는 이름이 아닐 수 없다.

 (재테크로 인해 더욱 열심히 일하게 됨... 🤣)

 

 암튼!

 투자에 대한 관심을 꾸준히 가지자는 마음으로 뉴스를 꾸준히 보고 있는데 자주 접하는 뉴스가 있다.

 엔저와 강달러.

 뉴스 뿐만 아니라 주변 지인들도 엔저로 인해 일본 여행을 가야겠다고 말을 많이 하곤 한다.

 

 엔저인데, 강달러라...

 원화를 기준으로 보았을 때, 엔화-달러-위안화는 과연 어떻게 움직일까?

 

 인터넷을 검색하니 하나의 그래프 안에 움직이는 모습을 넣어둔 것이 없다.

 그래서 직접 데이터를 찾아 그래프로 그려보았다!

JPY : 엔화 / USD : 달러 / YUAN 위안화

 음... 교환 단위가 달라서 그런지 제대로 된 비교가 되질 않는다.

 특히 위안화와 "엔화&달러"가 그 차이가 크다.

 

 각 화폐별로 최고점을 1로, 최저점을 0으로 변환한 후 그래프를 다시 그려보았다.

JPY : 엔화 / USD : 달러 / YUAN 위안화

 크기를 조절했더니(정규화) 비교가 잘 된다!

 

 그래프를 보면,

 달러와 위안화는 서로 비슷한 변화를 보인다.

 엔화와 "달러&위안화"는 4단계로 구분할 수 있다.

1단계(2003~2009) : 엔화, 달러, 위안화가 동일하게 움직임
2단계(2009~2016) : 엔화와 "달러&위안화"가 반대로 움직임
3단계(2016~2020) : 엔화, 달러, 위안화가 동일하게 움직임
4단계(2020~2022) : 엔화와 "달러&위안화"가 반대로 움직임

---

 흥미롭다! 투자에는 도움이 될런지..?!

다음 글은 위 그래프와 함께 코스피 지수가 어떻게 움직이는지를 살펴봐야겠다.

---

엔화, 달러, 위안화 데이터 출처 링크 

기간별환율조회 - 우리은행

---

아래는 소스 코드!

#디렉토리에 저장된 파일 확인
import os
path_dir = os.getcwd()
files = os.listdir(path_dir)
import pandas as pd #pandas 라이브러리 불러오기
import numpy as np #numpy 라이브러리 불러오기
import matplotlib.pyplot as plt #matplotlib 라이브러리 불러오기
from sklearn.preprocessing import MinMaxScaler #정규화(0~1로 표시)를 위한 클래스

files #디렉토리에 있는 파일 확인

#csv 데이터 불러오기
df_raw_jpy = pd.read_csv(files[1]) #thousands="," 로 천의자리 기호 삭제 불가. float 이기 때문
df_raw_usd = pd.read_csv(files[3])
df_raw_yuan = pd.read_csv(files[4])

#데이터 살펴보기
df_raw_jpy.head()

#결측치 제거하기
df_jpy_null = df_raw_jpy.loc[df_raw_jpy["일자"].notnull(), :]
df_usd_null = df_raw_usd.loc[df_raw_usd["일자"].notnull(), :]
df_yuan_null = df_raw_yuan.loc[df_raw_yuan["일자"].notnull(), :]

#결측치 확인하기
print(df_jpy_null.isnull().sum(), "\n")
print(df_usd_null.isnull().sum(), "\n")
print(df_yuan_null.isnull().sum())

#필요한 열만 가져오기 "일자", "매매기준율"
df_jpy = df_jpy_null[["일자", "매매기준율"]]
df_usd = df_usd_null[["일자", "매매기준율"]]
df_yuan = df_yuan_null[["일자", "매매기준율"]]

#데이터 합치기
df_jpy_usd = pd.merge(df_jpy, df_usd, how="outer", on="일자")
df_all = pd.merge(df_jpy_usd, df_yuan, how="outer", on="일자")

#열이름 바꾸기
df_all.columns = ["일자", "엔", "달러", "위안"]

#합친 데이터 살펴보기
df_all.info()

#결측치 확인하기
df_all.isnull().sum()

#액수를 실수로 변환
for i in range(len(pd_all.columns)-1):
    df_all.iloc[:, i+1] = df_all.iloc[:, i+1].str.replace(",", "").astype(float)
    
#datetime 형태로 변환하기
df_all["일자"] = pd.to_datetime(df_all["일자"]) 

#일자 기준으로 오름차순 정렬하기
df_all = df_all.sort_values("일자")

#그래프 그리기
plt.plot(df_all["일자"], df_all["엔"])
plt.plot(df_all["일자"], df_all["달러"])
plt.plot(df_all["일자"], df_all["위안"])
plt.legend(["JPY", "USD", "YUAN"])

#정규화 클래스 생성
Scaler = MinMaxScaler()
#정규화하여 파생변수로 넣기
df_all["엔_MM"] = Scaler.fit_transform(df_all[["엔"]])
df_all["달러_MM"] = Scaler.fit_transform(df_all[["달러"]])
df_all["위안_MM"] = Scaler.fit_transform(df_all[["위안"]])

#데이터 확인하기
df_all

#그래프 그리기
for i in range(1,4):
    plt.plot(df_all["일자"], df_all.iloc[:, i+3])
plt.legend(["jpy", "usd", "yuan"])