기본 콘텐츠로 건너뛰기

이 블로그 검색

Programming for Real-World

실제 세계를 위한 프로그래밍 (주의: 틀린 내용이 포함되어 있을 수 있습니다.)

금융&자동화
프로그래밍
FA&PLC
수학&물리
농사&스마트팜

금융&자동화

공유 링크 만들기
Facebook
X
Pinterest
이메일
기타 앱

[암호화폐 자동매매] 업비트 OpenAPI를 활용하여 MACD 지표 기반 매매 샘플코드

[암호화폐 자동매매] pip install ta-lib 설치오류 해결

[암호화폐 자동매매] SMA (단순 이동 평균) 직접 구현 샘플

[암호화폐 자동매매] 체결강도 흐름 추적

[알고리즘 트레이딩] 국소 극값 (Local Extreme Values) 활용

[알고리즘 트레이딩] 지지선, 저항선은 심리적인 것인가? 실체에 근거 있는건가?

[알고리즘 트레이딩] MFI(Money Flow Index)로 지지선/저항선 붕괴 징조 분석

[알고리즘 트레이딩] CCI(Commodity Channel Index)와 지지/저항 돌파 및 붕괴 전략

[알고리즘 트레이딩] 보조지표, 머신러닝이 대신 골라준다면?

[알고리즘 트레이딩] 볼린저 밴드, MFI, CCI 조합 매매 전략

[알고리즘 트레이딩] MFI, CCI 조합 최적 매개변수 탐색 프로그램

[알고리즘 트레이딩] 20일 EMA & 60일 EMA + CCI + MFI 매매 전략

[알고리즘 트레이딩] 평균회귀 전략: 암호화폐 트레이딩에서 활용하는 방법

[알고리즘 트레이딩] 최소제곱법(OLS) 회귀 기반 평균회귀 전략

[알고리즘 트레이딩] 트레이딩을 위한 커리큘럼

[알고리즘 트레이딩] 성인을 위한 수학 입문 가이드: 기초부터 미적분까지 마스터하는 커리큘럼

[알고리즘 트레이딩] 금융 모델링을 배우기 위한 로드맵

[알고리즘 트레이딩] 가격의 파동을 이해하려면 무엇을 공부해야 하나?

[알고리즘 트레이딩] 모멘텀 전략을 개발하는 방법 개요

[알고리즘 트레이딩] 무한(Infinity) : 미적분학을 이해하기 위한 초석! 도서추천!

[알고리즘 트레이딩] 극한(limits)과 무한급수(geometric series)를 깊이 있게 다루는 추천 도서

[알고리즘 트레이딩] 수렴한다는 것은 같다는 의미인가?

[알고리즘 트레이딩] 비지도 학습을 활용한 트레이딩 봇 개발

[알고리즘 트레이딩] Multiple Time Frame Momentum Strategy를 활용한 트레이딩 봇 개발

[알고리즘 트레이딩] 고확률 트레이딩 전략의 자동화 개요

[알고리즘 트레이딩] 자동매매 시스템 구축 가이드

[알고리즘 트레이딩] Upbit 데이터를 활용한 Backtrader 백테스트

[알고리즘 트레이딩] 고점, 저점 파악 (프랙탈 감지) 개요

[알고리즘 트레이딩] 어떻게 금융 문제를 수학으로 풀어낼까?

[알고리즘 트레이딩] 다이버전스 감지 알고리즘

[알고리즘 트레이딩] 업비트 API, 거래 가능한 코인 리스트 및 거래대금 순위 조회

[알고리즘 트레이딩] 업비트 웹소켓 API 활용 가이드

[알고리즘 트레이딩] VWAP & TWAP 활용

[알고리즘 트레이딩] VWAP과 현재 가격의 이격도 활용

[알고리즘 트레이딩] 고빈도 트레이딩은 오더북을 어떻게 활용하나?

[알고리즘 트레이딩] 웹 UI 기반 트레이딩 보조 도구 개발 계획

[알고리즘 트레이딩] 웹 기반 트레이딩 보조 시스템에서 TensorFlow.js 활용 방안

[알고리즘 트레이딩] 트레이딩 AI 학습을 위한 데이터 수집: 안드로이드 폰 Farm 활용안

[알고리즘 트레이딩] 데이터 수집 : 오래된 안드로이드 폰을 DC 전원으로 구동하는 방법

[알고리즘 트레이딩] 데이터 수집 : Termux로 안드로이드 Python 활용

[알고리즘 트레이딩] 머신러닝을 활용한 선행 지표 최적 세팅값 최적화 방안

[알고리즘 트레이딩] MACD 및 Stochastic RSI 최적화 기법과 변동성 개념

[알고리즘 트레이딩] 엘리어트 파동 이론과 머신러닝을 활용한 분석

[알고리즘 트레이딩] 오버랩(Overlap, 가격조정) 감지 방법 연구

[알고리즘 트레이딩] 머신러닝을 활용한 오버랩(Overlap) 패턴 감지 방법

[알고리즘 트레이딩] 트레이딩에서 확률적 접근과 리스크 관리를 다룬 추천 도서

[알고리즘 트레이딩] KOSPI 시가총액 상위 200 종목 분석 및 JSON, HTML 저장 (파이썬)

[알고리즘 트레이딩] 퀀트 트레이딩에서 진입가, 청산가, 손절가를 결정하는 방법과 추천 도서

[알고리즘 트레이딩] 트레이딩 모델 개발에서 중요하게 고려해야 할 통계적 개념: 편향, 효율성, 일관성

[알고리즘 트레이딩] 측정 데이터셋에서 적합한 확률 밀도 함수 찾는 알고리즘

[알고리즘 트레이딩] ETF 가격 괴리를 활용한 트레이딩 전략 아이디어

[알고리즘 트레이딩] 수익률(returns)을 활용한 트렌드 및 변동성 분석

[알고리즘 트레이딩] 로그 수익률의 정규성 가정과 매매 전략 적용 방법

[알고리즘 트레이딩] Pairs Trading: 퀀트 및 알고리즘 트레이딩 관점에서의 소개

[알고리즘 트레이딩] KPSS 검정: 시계열 정상성 분석

[알고리즘 트레이딩] 신호처리와 퀀트 트레이딩: 응용 가능성과 추천 도서

[알고리즘 트레이딩] 이상치(Outlier) 필터링과 상관 분석

[알고리즘 트레이딩] 금융 데이터 분석: 자기상관, iid, 그리고 변동성(Volatility)

[알고리즘 트레이딩] 스프레드 트레이딩: 노이즈를 줄이고 시그널을 키우는 전략

[알고리즘 트레이딩] 3개 이상의 자산으로 구성한 스프레드 전략과 평균회귀 테스트

[알고리즘 트레이딩] 스프레드 트레이딩: 어떤 주식을 골라야 할까?

[알고리즘 트레이딩] 통계적 차익거래 (Statistical Arbitrage) 살펴보기 및 추천도서

[알고리즘 트레이딩] Statistical Arbitrage 전략 총정리: 퀀트 트레이딩의 핵심 접근법

[알고리즘 트레이딩] 김치프리미엄과 역프리미엄을 활용한 업비트-바이낸스 차익거래 전략

[알고리즘 트레이딩] 듀얼 계정 차익거래란?

[알고리즘 트레이딩] 듀얼 계정 차익거래의 핵심 전제: 회귀

[알고리즘 트레이딩] 전송 없이 하는 거래소 간 차익거래, 일반 트레이딩과 뭐가 다를까?

[알고리즘 트레이딩] KOSPI200 ETF와 인버스 ETF를 활용한 페어 트레이딩 전략

[알고리즘 트레이딩] ETF 페어 트레이딩, HFT까지 필요할까?

[알고리즘 트레이딩] ETF 초단기 페어 트레이딩 전략: KODEX 200 vs KODEX 인버스

[알고리즘 트레이딩] 공매도 없이 ETF로 페어 트레이딩 하기 – KODEX 200 & 인버스 (최종)

[알고리즘 트레이딩] 암호화폐 페어 트레이딩 전략 아이디어

[알고리즘 트레이딩] 코스피 ETF를 활용한 페어 트레이딩 + 인버스 헷지 전략

[알고리즘 트레이딩] 파이썬으로 시작하는 퀀트 트레이딩: 수학 & 프로그래밍 책 추천 가이드

[알고리즘 트레이딩] 보조지표는 정말 필요한가? 머신러닝 트레이딩에서의 새로운 시선

[알고리즘 트레이딩] 인버스 ETF 비율 조정 전략 – 상승장과 하락장을 아우르는 수학적 접근

[알고리즘 트레이딩] R로 퀀트 트레이딩 시작하기: quantstrat와 blotter 설치 가이드

[알고리즘 트레이딩] 페어 트레이딩으로 스마트하게 투자하기

[알고리즘 트레이딩] 페어 트레이딩(Pairs Trading)에서 "좋은 페어"는 어떻게 고를까?

[알고리즘 트레이딩] 파이썬 병렬 처리 및 GPU 가속 프로그래밍 입문 가이드

[알고리즘 트레이딩] 퀀트 트레이딩과 수학: 이론과 실전의 연결고리

[알고리즘 트레이딩] 로그 수익률, 정규분포, 그리고 평균 회귀 전략의 연결고리

[알고리즘 트레이딩] 퀀트 투자에서 로그 변환의 활용법

[알고리즘 트레이딩] 로그 수익률이 복리 효과를 반영하는 이유

[알고리즘 트레이딩] 선형식을 합친다는 것의 의미: 모델링 관점에서의 해석

[알고리즘 트레이딩] 퀀트는 펀더멘탈 분석을 어떻게 할까? | 구현 가능한 영문 도서 추천

[알고리즘 트레이딩] 트레이딩에 딥러닝을 적용하는 방법

[알고리즘 트레이딩] 파이썬으로 KOSPI 지수 로그 수익률 분석

[알고리즘 트레이딩] 주가의 무작위성, 그리고 z-score로 보는 ‘극단적인’ 가격

[알고리즘 트레이딩] 볼린저 밴드, z-score 전략이 통하지 않는 종목이 있다?

[알고리즘 트레이딩] 자산 가격이 로그 정규 분포를 따른다면?

[알고리즘 트레이딩] 로그 정규 분포 기반 트레이딩 전략 웹 모니터링 툴 개발 로드맵

[알고리즘 트레이딩] 지수 추종 커버드콜 ETF와 인버스 ETF를 활용한 전략 아이디어

[알고리즘 트레이딩] 퀀트와 수치해석: 왜 둘은 뗄 수 없는 관계일까?

[알고리즘 트레이딩] 주가는 로그정규분포? 로그수익률은 정규분포?

[알고리즘 트레이딩] yfinance의 auto_adjust와 Adj Close 정확히 이해하기

[알고리즘 트레이딩] 연 환산 수익률(Annualized Return) 계산 방법 3가지

[투자] 데드캣 바운스 피하는 암호화폐 로그 수익률 이상치 탐지 기법

[트레이딩] 후행 지표와 선행 지표의 차이: 효과적인 거래 전략을 위한 활용법

[트레이딩] 기관 투자자들의 투자 전략을 배울 수 있는 영문 도서 추천

[트레이딩] 기관 트레이더들은 어떻게 장기 이동평균선을 활용할까?

[트레이딩] 모멘텀 지표란? 개념과 효과적인 적용 전략

[트레이딩] 가격-모멘텀 괴리(Price-Momentum Divergence)란?

[트레이딩] R로 업비트 데이터 분석하기

[트레이딩] 트레이딩 보조 지표의 룩백 기간 설정과 최적화 방법

[트레이딩] 정규분포를 따를 수 있는 주식 및 암호화폐의 특징

[트레이딩] 확률 과정과 트레이딩: 금융 시장의 랜덤성 이해하기

[트레이딩] 주식 포트폴리오 구성과 KOSPI 인버스 ETF를 활용한 헤지 전략 아이디어 노트

[트레이딩] 주가는 선형 아닌데 왜 선형 분석을 사용할까?

[트레이딩] 커버드콜 ETF + 인버스 ETF: 배당 수익을 노리는 시장 중립 전략

[트레이딩] 수학적 리밸런싱 전략: 포트폴리오 최적화 및 베타 중립화

[트레이딩] 개인 투자자를 위한 리스크 관리 수학적 접근: 추천 도서

[트레이딩] 포트폴리오 최적화 및 리스크 관리: 종목 선택을 위한 수학적 접근

[트레이딩] 수학과 엑셀로 배우는 포트폴리오 이론: 추천 영문 도서 4선

[트레이딩] 본주-우선주(Pref-Ordinary) 페어 트레이딩 전략 아이디어

[트레이딩] KT 기대값(산술 기대값)과 로그 기대값(복리 관점)의 차이

[트레이딩] 상대적 재산 증가율 식 모델링 과정

[트레이딩] 현재 주가 기준으로 기대수익률은 어떻게 계산할까?

[트레이딩] 투자 전략이 정말 유효할까? t-검정 활용하기

[트레이딩] 공분산 행렬: 금융 데이터 분석에서의 활용까지

[트레이딩] KOSPI 로그 수익률 기반 Z-Score 분석과 매매 전략

[트레이딩] 손절매의 실전 적용법과 효과적인 위험관리 전략

[트레이딩] 평균과 표준편차만으로 자산을 분석할 수 있을까?

[트레이딩] 중기 트레이딩에 활용 가능한 자산 배분 전략과 추천 영문서적

[주식] 커버드콜 ETF + 인버스 ETF 헷지 실험

[주식] 코스피 200 커버드콜 ETF와 인버스를 활용한 헷지 전략

[주식] 코스피 200 커버드콜 ETF와 인버스를 활용한 헷지 전략 (추가매수)

[주식] 코스피 200 커버드콜 ETF와 인버스를 활용한 헷지 전략 (리밸런싱)

[주식] 주가의 고평가와 저평가를 판단하는 기본적 분석 방법과 추천 도서

[주식] 10년물 국채금리와 주식시장의 관계: 왜 투자자들이 주목할까?

[주식] 고평가와 저평가, 퀀트 투자로 파헤치기 — 꼭 읽어야 할 영문 책 5권

[주식] 커버드콜 ETF와 인버스 ETF를 활용한 매매전략 아이디어

[주식] 한국거래소(KRX) 데이터 API 입문 가이드

[주식]퀀트 투자자를 위한 주식 통계 모니터링 서비스 설계 및 구현 시나리오

[주식] 금융 투자에서의 기대값: 평균 수익률을 예측

[주식] 기대값만 보면 안 되는 이유: 분산과 표준편차로 리스크 파악

[주식] 샤프 지수(Sharpe Ratio)의 개념과 활용

[주식] 소르티노 지수: 샤프 지수의 맹점을 보완

[주식] Treynor Ratio와 Information Ratio: 시장을 기준으로 성과를 평가

[주식] 알파(α)와 베타(β)

[주식] ETF를 활용한 퀀트 투자

[주식] V-KOSPI 상승, 무엇을 의미할까? 그리고 어떻게 대응할까?

[주식] V-KOSPI는 어떻게 계산될까? 쉽게 정리한 개념과 수식

[주식] 코스피 지수 ETF 투자시 연간 수익률 산출

[주식] 왜 주식 가격은 로그정규분포를 따를까?

[주식] 채권 ETF란?

[주식] 나스닥, S&P 500, 다우존스 차이점

[주식] ETF 투자, 진짜 비용은 얼마일까?

[주식] ETF 선택 시 꼭 알아야 할 총 소유 비용(Total Ownership Cost) 비교

[주식] ETF : 다양한 지수 추종 방식

[주식] ETF : 스마트 베타(Smart Beta) 개요

[주식] ETF : 스마트 베타(Smart Beta)를 수학적으로 다룬 추천 영문서적 5선

[투자] 왜 은퇴 설계에 몬테카를로 시뮬레이션이 필요할까?

[투자] Python으로 주가 시뮬레이션하기

[투자] 수익률의 두 얼굴: 산술 평균 vs. 기하 평균 수익률

[투자] 장기 수익률의 진짜 얼굴: 기하 평균과 그 근사 공식

[투자] 연속 복리 수익률이란?

[투자] 기하 브라운 운동(Geometric Brownian Motion)이란?

[투자] 은퇴 자산이 지속될 확률 구하기

[투자] 상장지수펀드(ETF), 무엇이고 왜 중요한가?

[투자] ETF(상장지수펀드)란 무엇인가? — 초보자를 위한 쉬운 정리

[투자] 상장지수포트폴리오란? ETF와 ETN의 차이와 이해

[투자] ETF 인덱스 전략 완전 정복 – 지수를 이해해야 ETF가 보인다

[투자] ETF 투자 가이드 : 카테고리별 ETF 선택 전략

[투자] 미국 ETF 직접 투자 vs 국내 미국지수 ETF

[투자] ETF로 포트폴리오 관리하는 방법

[투자] 인플레이션은 왜 평균으로 돌아오려 할까?

[투자] 인플레이션 위험과 데이터를 활용한 시뮬레이션 모델링

[투자] Fat Tail(두꺼운 꼬리) 현상과 월간 수익률 기반 시뮬레이션의 중요성

[투자] 역사적 시뮬레이션과 부트스트래핑을 활용한 투자 시뮬레이션

[투자] 뮤추얼 펀드의 역사와 구조: ETF로 이어진 진화의 여정

[투자] ETF는 어떻게 시장 가격과 순자산가치 간의 괴리 문제를 해결하나?

[투자] ETF 가격 책정 완벽 가이드: 알아야 할 핵심 개념 정리

[투자] TIGER 미국30년국채커버드콜액티브(H) 매수 타이밍은?

[투자] 패시브 투자란? 초보자를 위한 ETF Buy-and-Hold 전략

[투자] 저비용 ETF, 어떻게 고를까?

[투자] 채권 vs. 채권 ETF

[투자] 시장을 이기고 싶은가? — Active Portfolio Strategies

[투자] 패시브 투자 전략 완벽 정리 : 시장을 이기는 대신 시장을 믿는 법

[투자] Buy and Hold 전략: 장기투자의 핵심 원칙

[투자] ETF Core and Explore 전략: 패시브 + 액티브의 균형점

[투자] ETF로 액티브 포트폴리오를 운용하는 4가지 전략

[투자] 수익률, 그냥 퍼센트만 보면 안 된다?

[투자] ETF 투자에서의 Top-Down 전략이란?

[투자] 머신러닝으로 경기 사이클을 분석 및 자산 비중 조절 아이디어

[투자] Bottom-Up 분석으로 ETF 투자하기

[투자] 모멘텀 투자 전략: 추세를 따르는 ETF 운용법

[투자] 강화학습을 위한 자산 격자 생성과 수식 해석

[투자] 기술적 분석, 믿어도 될까?

[투자] 장기투자자도 기술적 분석이 필요할까?

[투자] 균등 비중 전략, 정말 단순한 게 답일까?

[투자] 상관관계로 ETF 포트폴리오 자동 추천

[투자] 단순하지만 강력한 자산 배분 전략: MA와 TMOM

[투자] KOSPI 지수 추종 ETF와 단기 국고채 ETF를 활용한 자산 배분 전략

[투자] 제로 쿠폰 채권과 할인 방식 이해하기

[투자] 기준금리와 국고채 ETF 매매 전략

[투자] 코스피 200 ETF 배당확정일 헷지 전략 아이디어

[투자] 기술적 분석(TA)의 파라미터 튜닝과 백테스트를 위한 필독 영문서 추천

[투자] 기술적 분석(TA) + 머신러닝: 학습시킬 특성은 생각보다 적다?

[투자] 기술적 분석(TA) + 머신러닝에 거시 지표를 더하면 생기는 일

[투자] 미국-한국 기준금리 스프레드

[투자] 알고리즘 트레이딩 입문자를 위한 영문서적 추천

[투자] 아이디어: 레짐 변화를 감지와 포트폴리오 비중 조절

[투자] 컴퓨터 집약적 접근법과 금융·퀀트 분야에서의 응용

준비중...

공유 링크 만들기
Facebook
X
Pinterest
이메일
기타 앱

댓글

댓글 쓰기

이 블로그의 인기 게시물

공압 속도 제어: 미터인 vs 미터아웃

Understanding Flow Controls: Meter-In vs Meter-Out 에어실린더에 작용하는 힘은 압력조절기(pressure regulator)에 의해 결정됩니다. 그리고 피스톤이 움직이는 속도는 속도제어(flow control) 밸브를 통해 이루어집니다. 실린더의 각 포트마다 속도제어 밸브가 설치되어 인출과 인입 속도를 제어하게 됩니다. 아래는 속도제어 밸브의 구조입니다. 위 그림에 대한 기호는 아래와 같이 표기됩니다. 미터아웃(Meter-Out) 방식의 실린더 속도제어 아래 그림은 미터아웃 방식에 대한 도식입니다. 미터인(Meter-In) 방식의 실린더 속도제어 아래 그림은 미터인 방식에 대한 도식입니다. 끝.

전력(kW) 계산하기 (직류, 교류 단상, 교류 삼상)

전력(kW) 계산하기 (직류, 교류 단상, 교류 삼상) 전류(A)와 전압(V)를 알고 있는 경우, 전압원이 종류에 따라 전력(kW)을 어떻게 계산하는지 보겠습니다. DC amps to kilowatts calculation (직류) 직류는 단순히 전류와 전압을 곱하고 1000으로 나누면 kW 단위의 전력을 구할 수 있습니다. P (kW) = I (A) × V (V) / 1000 AC single phase amps to kilowatts calculation (교류 단상) 교류 단상의 경우 역률(Power Factor)를 곱한 뒤, 전류와 RMS 전압을 곱하고, 1000으로 나누면 kW 단위의 전력을 구할 수 있습니다. P (kW) = PF × I (A) × V (V) / 1000 AC three phase amps to kilowatts calculation (교류 삼상) Calculation with line to line voltage (상간 전압 이용시) 교류 삼상의 상간 전압을 이용하여 전력을 구하는 경우, √3과 역률(Power Factor)을 곱하고, 위상 전류(phase current)와 두 활선 사이의 RMS 전압을 곱합니다. 그리고 1000으로 나누어 kW 단위의 전력을 구합니다. P (kW) = √3 × PF × I (A) × V L-L(V) / 1000 Calculation with line to neutral voltage (활선-중립선 이용시) 교류 삼상의 활선-중립선 전압을 이용하여 전력을 구하는 경우, 3과 역률(Power Factor)을 곱하고, 위상 전류(phase current)와 두 활선 사이의 RMS 전압을 곱합니다. 그리고 1000으로 나누어 kW 단위의 전력을 구합니다. P (kW) = 3 × PF × I (A) × V L-N(V) / 1000 끝.

[PLC] PLC 아날로그 입출력 기본

PLC 아날로그 입출력 개념 및 결선 아날로그 신호가 PLC로 들어오면 우선 A/D 컨버터(Analog-Digital Converter)를 거치게 됩니다. A/D 컨버터는 아날로그 형태의 신호를 PLC에서 처리 가능하도록 디지털 형태로 변환시켜 줍니다. PLC에서 다루는 아날로그 신호는 아래와 같은 형태가 있습니다. - 전압(Voltage) - 전류(Current) - 저항(Resistance) 신호의 형태에 따라 신호가 취급되는 값의 범위가 있습니다. 가장 흔히 사용되는 형태는 전류 형태이며 4-20mA 값을 주로 사용합니다. A/D 컨버터가 아날로그 값을 디지털로 변환할 때 사용되는 bit수를 분해능이라 합니다. 일반적으로는 16bit 길이가 사용됩니다. 다시말해 4-20mA 사이의 16mA를 16bit로 쪼개어 표현한다는 의미입니다. 따라서 분해능에 사용된 bit수가 많을수록 더 세밀한 단위를 취급할 수 있습니다. 아래 그림은 4-20mA 출력을 가지는 온도 트랜스미터(temperature transmitter)의 예입니다. 온도 트랜스미터와 온도센서가 연결되어 있습니다. 온도 정보는 트랜스미터에서 섭씨 0~100도로 계량화(calibrated) 됩니다. 즉, 섭씨 0도는 4mA, 섭씨 100도는 20mA가 되는 것입니다. 위 그림에서 온도 정보는 PLC로 바로 들어오지 않고 트랜스미터를 거쳤습니다. 온도 정보를 PLC가 바로 해석하기 보다는 트랜스미터에서 해석하여 전압이나 전류 형태로 변환하여 PLC의 전압/전류 아날로그 카드로 연결됩니다. 만약 트랜스미터가 없다면, 온도센서의 정보를 해석하기 위해 PLC에는 온도입력 모듈이 별도로 필요하게 됩니다. 전압/전류 아날로그 입력카드를 사용하면, 온도센서가 아니더라도 다양한 형태의 아날로그 데이터를 트랜스미터 전압/전류 형태로 취급할 수 있으므로, 좀 더 유현한 구조가 됩니다. 아날로그 입력 모듈의 결선법은 입력 신호가 전압인지, 전류인지에 따라 다릅니다. 전압/전류은 저항과 연...

[주식] 한국거래소(KRX) 데이터 API 입문 가이드

한국거래소(KRX) 데이터 API 입문 가이드 안녕하세요! 오늘은 한국거래소(KRX)에서 제공하는 공식 데이터 API에 대해 알아보려고 합니다. 주식, 지수, 채권 등 다양한 금융 데이터를 손쉽게 가져올 수 있는 KRX Open API 활용법과 사용 절차, 그리고 간단한 파이썬 예제까지 모두 정리했으니, 금융 데이터 분석이나 자동화 작업에 관심 있는 분들은 꼭 참고해 보세요. 1. KRX 데이터 API란? 한국거래소는 자사 금융 데이터를 누구나 활용할 수 있도록 KRX 정보데이터시스템 이라는 포털을 운영 중입니다. 이곳에서는 주식 시세 지수 정보 채권 및 파생상품 시세 ETF/ETN 거래 정보 공매도 현황 등 다양한 금융 데이터를 API 형태로 제공합니다. 즉, 개발자나 데이터 분석가가 직접 데이터를 요청해서 받을 수 있는 RESTful API 서비스라고 생각하시면 됩니다. 2. 주요 제공 데이터 종류 KRX Open API에서는 다음과 같은 데이터를 제공합니다. 주식 관련 데이터: 일별 시세, 종목 기본정보, 투자자별 매매동향 지수 데이터: KOSPI, KOSDAQ, KRX100 등의 지수 시세 채권 및 파생상품: 채권지수, 파생상품지수 시세 ETF/ETN: 상장된 ETF 및 ETN 거래정보 공매도 정보: 일별 공매도 거래량 및 잔고 기타: ELW, DLS/DLF, 배출권, 해외 연계시장 시세 등 3. API 사용 방법 1) 회원가입 및 로그인 우선 KRX 정보데이터시스템 에 접속해 회원 가입 및 로그인을 진행합니다. 2) API 인증키 신청 로그인 후 마이페이지에서 ‘API 인증키 신청’을 통해 인증키를 발급받습니다. 3) 데이터 서비스 이용 신청 원하는 데이터 서비스에 대해 추가 이용 신청을 해야 합니다. 예를 들어 ‘KOSPI 일별 시세 정보’를 사용하려면 해당 서비스에 별도로 신청해야 합니다. 4) API 호출 발급받은 인증키와 필요...

사각형의 넓이 공식의 증명

사각형의 넓이 왜 가로 곱하기 세로 (밑변 곱하기 높이)인가? 우리는 사각형의 가로와 세로의 길이를 곱하여 넓이를 구하는 것을 알고 있습니다. 그런데 사각형의 가로와 세로를 곱하면 넓이가 되는 것을 어떻게 증명할까요? 우선 기하학 측면에서 살펴 보겠습니다. 우선 정사각형의 넓이 구하는 방법에 대한 증명에서 출발합니다. 아래 그림을 보겠습니다. 사각형 \(□ABCD\) 변의 길이 \(L\)로 이루어진 정사각형입니다. 사각형 \(□EFGH\)은 변의 길이가 \(1\)인 정사각형입니다. 그리고 사각형 \(□EFGH\)는 넓이에 대한 공리(Axioms of Area)에 의해 넓이가 \(1\)이 됩니다. 그리고 변 \(AB\), \(EF\)의 비는 아래와 같습니다. \(AB:EF=L:1\) 그리고 " Similar Polygons are composed of Similar Triangles " 정리에 의해서 사각형 \(□ABCD\)와 \(□EFGH\)의 넓이 비는 아래와 같이 정리됩니다. \(□ABCD:□EFGH=(AB:EF)^2\) \(\frac{□ABCD}{□EFGH}=(\frac{L}{1})^2=L^2\) 결과적으로, 사각형 \(□ABCD\)의 넓이는 \(L^2\)가 되고, 이는 한 변의 길이의 제곱을 의미합니다. 이제 직사각형의 넓이 공식에 대한 증명을 보겠습니다. 위 그림에 직사각형 \(□ABCD\)가 있습니다. 변 \(CD\)와 동일한 길이를 한 변으로 하는 정사각형 \(□CDEF\), 변 \(BC\)와 동일한 길이를 한 변으로 하는 정사각형 \(□BCHI\)를 붙입니다. 그러면 직사각형 \(□CDEF\)와 \(□BCHI\)는 합동입니다. \(AB = a\)로 두고 \(BI = b\)로 두면 정사각형 \(□AIGE\)의 넓이는 아래와 같이 전개됩니다. \((a + b)^2 = a^2 + □ABCD 넓이 + □BCHI 넓이 + b^2\) \((a + b)^2 = a^2 + 2 \times □ABCD 넓이 + b^2\...

[아두이노] 가변저항(Potential Divider)과 전압분배(Voltage Divider)

위 그림에서 (a)는 전압분배(Voltage Divider), (b)는 가변저항(Potential Divider)입니다. 전압분배는 고정된 두개의 저항으로 구성됩니다. 가변저항은 전압분배와 구조적으로 비슷하나 하나의 저항을 특정 지점을 기준으로 둘로 나누게 되며, 이 특정 지점은 임의로 조절 가능한 구조로 되어 있습니다. 위 그림에서 전압분배나 가변저항 모두 두 저항 사이에 Vd 포인트가 위치하고, 저항 R1, R2 크기를 조절할 수 있느냐 없느냐가 차이점입니다. 전압분배와 가변저항 둘 모두, 직렬로 연결된 두 저항의 크기에 따라 인가되는 공급 전압이 달라지는 원리를 이용하며, 공급전원을 원하는 크기로 출력하기 위해서 사용합니다. 아래 그림은 동일한 저항값을 가지는 R1, R2가 직렬로 연결되어 있는 회로입니다. Vin은 총 전압이고, R1, R2에 나누어 인가됩니다. 결론적으로 Vout은 Vin과 다른 전압을 가지게 됩니다. 각 저항 R1, R2에 얼마의 전압이 인가될지는 두 저항의 상대적인 크기와 총 저항의 크기로 결정됩니다. 그 공식은 아래와 같습니다. 아래 회로를 봅시다. Vin이 5V이고 R1 is 1KΩ and R2 is 10KΩ인 경우 Vout에 인가되는 전압은 얼마일까요? 가변저항은 다양한 저항값을 가진 제품들이 있습니다. 예를 들어 10KΩ 가변저항의 경우 0Ω에서 최대 10KΩ까지 저항값을 변경할 수 있습니다. 그럼 아두이노와 가변저항을 이용하여 LED의 밝기를 조절해 보겠습니다. 우선 가변저항은 아래와 같은 구조를 가집니다. 3개의 핀으로 구성되어 있고, Vref-Ground 핀을 통해서 공급전원을 인가하면 ouput 쪽으로 가변저항에 의해 조정된 출력전압이 인가됩니다. 우선, 아두이노 우노와 220옴 저항, LED를 이용하여 위와 같은 회로를 구성합니다. 그리고 아두이노 IDE를 이용하여 아래와 같이 코드를 입력합니다. const int ledPin = 9; //pin 9의 PWM 기능을 이용합니다. ...

[수학] 정규분포의 확률밀도 함수가 이차 함수의 지수 형태를 가지는 이유

정규분포의 확률밀도 함수(PDF)는 다음과 같은 형태를 갖는다: f ( x ) = 1 2 π σ 2 exp ⁡ ( − ( x − μ ) 2 2 σ 2 ) f(x) = \frac{1}{\sqrt{2\pi\sigma^2}} \exp\left(-\frac{(x - \mu)^2}{2\sigma^2}\right) 여기서 중요한 점은 이 함수가 이차 함수의 지수 형태를 띤다는 것 이다. 왜 이런 형태를 가지게 되는지, 수학적 원리와 논리를 기반으로 살펴보자. 1. 중심극한정리(Central Limit Theorem, CLT)와 가우스 분포 **중심극한정리(CLT)**에 따르면, 여러 개의 독립적인 랜덤 변수들의 합은 정규분포에 가까워진다. 이 과정에서 등장하는 확률분포는 다음과 같은 성질을 가져야 한다: 꼭대기가 하나 있는 대칭적인 형태 멀어질수록(즉, x x 가 증가할수록) 확률이 급격히 줄어들어야 한다 이러한 성질을 만족하는 함수는 자연스럽게 지수 함수 형태 를 띠게 된다. 즉, 많은 독립적인 랜덤 변수들이 합쳐지면 정규분포 형태가 나타나며, 이는 수학적으로 이차 함수의 지수 형태를 따른다. 2. 최대 엔트로피 원리(Principle of Maximum Entropy) 확률분포를 결정하는 또 다른 원리는 최대 엔트로피 원리 이다. 엔트로피(Entropy)는 확률분포의 불확실성을 측정하는 개념이며, 제약 조건이 주어진 상태에서 가장 자연스럽고 일반적인 확률분포 를 찾는 방법이 바로 최대 엔트로피 원리다. 정규분포는 다음과 같은 제약 조건을 가정할 때, 가장 정보가 없는(즉, 가장 자연스러운) 확률분포로 선택된다: 평균이 μ \mu 이고, 분산이 σ 2 \sigma^2 이다. 추가적인 정보 없이 가능한 확률분포 중에서 엔트로피가 최대인 것 을 선택한다. 이를 수학적으로 풀면, 확률밀도 함수는 이차 함수 형태를 가진 지수 함수 가 되어야 한다. 즉, 최대 엔트로피 원리를 적용하면 자연스럽게 정규분포의 수식이 도출된다. 3...

3선 결선식 센서의 타입 PNP, NPN

원문: https://www.schneider-electric.co.uk/en/faqs/FA142566/ 산업용 근접센서는 대부분 반도체 부품으로 만들어집니다. 근접센서에서, 트랜지스터와 같은 반도체 부품은 물체의 근접을 감지하게 되면 출력을 스위칭(출력을 내보내거나 차단) 하는데 사용됩니다. 3선 결선 방식의 센서는 회로와 트랜지스터 구성방식에 따라 PNP 타입과 NPN 타입으로 나눌 수 있습니다. 한가지 중요한 점은 PNP, NPN 타입의 구분은 센서가 NO(normally open) 타입인지, NC(normally closed) 타입인지와는 상관이 없다는 것입니다. PNP, NPN 타입 센서 모두 NO, NC 접점을 가질 수 있습니다. PNP, NPN 타입 중 무엇을 선택해야 하나? PNP, NPN 센서 타입 중 어떤 것을 사용할 지는 센서가 사용될 회로의 환경에 달려 있습니다. 릴레이를 사용하는 전통적인 회로 구성방식에서는 아래와 같이 PNP, NPN 센서를 사용할 수 있습니다. PNP 방식은 센서의 출력선을 릴레이 코일의 +단자에 결선합니다. NPN 방식의 센서는 출력선을 릴레이 코일의 -단자에 결선합니다. NPN 방식보다는 PNP 방식이 많이 사용되고 있습니다. PLC를 이용하는 환경에서 센서의 타입을 선택하는 경우에는 PLC 입력카드의 타입에 유의해야 합니다. PLC 입력카드에는 입력카드의 입력단자로 전류가 흐르는 sink타입과, 입력카드 입력단자에서 전류가 나가는 source타입 두가지가 있습니다. PNP 타입의 센서를 사용하는 경우 sink 타입의 입력카드를 사용하고, COM단자에 -전원을 인가합니다. 그리고 센서의 출력부를 입력카드의 입력단자에 연결합니다. NPN 타입의 센서를 사용하는 source 타입의 입력카드를 사용하고, COM단자에 +전원을 인가합니다. 그리고 센서의 출력부를 입력카드의 입력단자에 연결합니다. PNP 타입의 센서가 많이 사용되므로 덩달아 sin...

[PLC] MELSEC-Q 시리즈 CPU RS-232C 6핀 커넥터 핀맵

MELSEC-Q 시리즈 CPU 모듈 중에 RS-232C 6핀 포트를 내장하고 있는 제품들이 있습니다. 해당 포트를 통해 MC 프로토콜을 이용한 HMI 연결 등을 수행할 수 있습니다. 우선 GX Works2 소트프웨어 PLC Parameter 항목에서 아래 항목을 체크하여 기능 활성화를 합니다. 커넥터 규격은 Mini-Din 6Pin이며, 일반적으로 PS2 커넥터로 통칭됩니다. 핀맵은 아래와 같습니다. 정품 케이블 모델명은 QC30R2 입니다. 해당 케이블이 가격이 저렴한 편이 아니기 때문에, 아래 그림과 같이 납땜용 커텍터를 사용하여 제작합니다. 구입은 쿠팡, 디바이스마트나 엘레파츠 등에서 할 수 있습니다. [쿠팡] https://link.coupang.com/a/bynEN1 (이 포스팅은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.) [디바이스마트] https://www.devicemart.co.kr/goods/view?no=12532628 [엘레파츠] https://www.eleparts.co.kr/goods/view?no=12411050 M2I HMI 기준으로 배선 예시입니다. 끝.

[농사] 식물의 광합성과 호흡

🌿 식물의 광합성과 호흡, 서로 반대일까? 식물은 스스로 양분을 만들어 살아가는 자급자족 생명체 입니다. 이 과정에서 가장 중요한 두 가지 작용이 바로 광합성 과 호흡 입니다. 두 작용은 화학 반응식만 보면 서로 반대 방향 으로 일어나는 것처럼 보이지만, 실제로는 매우 다른 목적과 특징을 가지고 있습니다. 이 글에서는 광합성과 호흡이 어떤 점에서 비슷하고, 또 어떻게 다른지 쉽게 정리해보겠습니다. 📘 1. 광합성과 호흡의 화학식 비교 🌞 광합성 (Photosynthesis) 식물은 햇빛을 받아서 이산화탄소(CO₂)와 물(H₂O)을 이용해 포도당(C₆H₁₂O₆)을 만들고, 산소(O₂)를 방출합니다. 6 CO ₂ + 6 H ₂ O + 빛 에너지 → C ₆ H ₁₂ O ₆ + 6 O ₂ 🔥 호흡 (Cellular Respiration) 반대로, 식물은 만들어둔 포도당을 분해해 에너지를 얻고, 이산화탄소와 물을 다시 배출합니다. C ₆ H ₁₂ O ₆ + 6 O ₂ → 6 CO ₂ + 6 H ₂ O + 에너지 ( ATP ) 이렇게 보면 마치 광합성과 호흡이 거울처럼 반대 반응 같아 보이죠? 🔍 2. 진짜 차이점은? (표로 정리) 구분 🌞 광합성 🔥 호흡 목적 에너지를 저장 (포도당 생성) 에너지를 사용 (ATP 생산) 필요한 에너지 햇빛 포도당 주요 산물 포도당 + 산소 이산화탄소 + 물 일어나는 장소 엽록체(Chloroplast) 미토콘드리아(Mitochondria) 언제 일어남 빛이 있을 때 (주로 낮) 항상 (밤낮 관계없음) 에너지 흐름 빛 에너지 → 화학 에너지 화학 에너지 → 생물 에너지 (ATP) 🌱 3. 광합성과 호흡은 어떻게 연결될까? 광합성과 호흡은 식물의 생명 활동을 완성시키는 두 축 입니다. 광합성은 식물이 살아가기 위한 양분을 만드는 과정 입니다. 호흡은 그 양분을 분해해서 실제로 사용하는 과정 입니다. 즉, 하나는 "에너지 저장", 다른 하나는 ...

Powered by Blogger

신고하기

페이지

홈
금융&자동화
프로그래밍
FA&PLC
수학&물리
농사&스마트팜

태그

개미 사육3
농사121
머신비전9
물리3
산업자동화102
수학87
스마트팜94
시퀀스제어7
아두이노20
전기1

테라리움2
투자59
algorithmic trading87
Automation15
C#4
Electrical Engineering33
GNU Octave22
opencv18
PC1
PLC58
Programming7
python75
quantitative trading9
Trading57
WEB Dev4

자세히 보기 간략히 보기