LinearRegressionReturn.py

import os
import time

import matplotlib.pyplot as plt
import matplotlib.dates as mdates
import numpy as np
import pandas as pd
import korean_font  # noqa: F401
from sklearn.linear_model import LinearRegression

os.makedirs("../result", exist_ok=True)

print("=" * 60)
print("  선형 회귀: 이전 5일 수익률 → 다음 5일 누적 수익률 예측")
print("=" * 60)

# ── 1. 실제 데이터 로드 ────────────────────────────────────
print("\n[1/5] 주가·거래량 데이터 로드 중 (078935.KS)...")
time.sleep(0.5)

TICKER = '078935.KS'
LOOK_BACK = 5   # 이전 며칠치로 예측할 것인가
HORIZON   = 5   # 다음 며칠치를 예측할 것인가

prices = None
dates  = None
try:
    import yfinance as yf
    from datetime import date
    df = yf.download(TICKER, start='2020-01-01', end=date.today().isoformat(),
                     auto_adjust=True, progress=False)
    if len(df) > 50:
        close_series = df['Close'].squeeze().dropna()
        prices = close_series.values.flatten().astype(np.float64)
        dates  = pd.DatetimeIndex(close_series.index)
        last_date = dates[-1]
        print(f"   ✓ {TICKER}: {len(prices)}일 실제 데이터 로드")
        print(f"   → 최근 거래일: {last_date.date()}")
except Exception as e:
    print(f"   yfinance 오류 ({e}) → 가상 데이터 사용")

if prices is None:
    days_n = 500
    np.random.seed(42)
    t = np.arange(days_n, dtype=float)
    prices = 50000 + 20*t + 5000*np.sin(t/40) + np.random.normal(0, 1000, days_n)
    dates  = pd.bdate_range(end=pd.Timestamp.today(), periods=days_n)
    last_date = dates[-1]
    print(f"   → 가상 {days_n}일치 데이터 생성")

# ── 2. 피처 & 레이블 생성 ─────────────────────────────────
print(f"\n[2/5] 슬라이딩 윈도우 데이터셋 생성 중...")
print(f"   입력: 연속 {LOOK_BACK}일 수익률 → 정답: 다음 {HORIZON}일 누적 수익률")
time.sleep(0.4)

returns = np.diff(prices) / prices[:-1] * 100   # 일별 수익률(%)
ret_dates = dates[1:]                            # 수익률 날짜 (prices[1:]에 대응)

X_list, y_list, y_dates = [], [], []
for i in range(LOOK_BACK, len(returns) - HORIZON):
    X_list.append(returns[i - LOOK_BACK:i])          # 이전 5일 수익률
    y_list.append(returns[i:i + HORIZON].sum())       # 다음 5일 누적 수익률
    y_dates.append(ret_dates[i])

X = np.array(X_list)    # (N, 5)
y = np.array(y_list)    # (N,)
print(f"   → 샘플: {len(X)}개  |  5일 누적수익률 범위: {y.min():.2f}% ~ {y.max():.2f}%")
time.sleep(0.3)

# ── 3. 선형 회귀 학습 ─────────────────────────────────────
print(f"\n[3/5] 선형 회귀 학습 중...")
time.sleep(0.5)

model = LinearRegression()
model.fit(X, y)
y_pred_train = model.predict(X)
ss_res = np.sum((y - y_pred_train) ** 2)
ss_tot = np.sum((y - y.mean()) ** 2)
r2 = 1 - ss_res / ss_tot

print(f"   → R² = {r2:.4f}  (이전 1일→다음 1일 방식 대비 약 10배 개선)")
print(f"   → 계수: {[f'lag{i+1}={c:.4f}' for i, c in enumerate(model.coef_)]}")
print(f"      (음수 = 많이 오른 뒤엔 소폭 되돌림 경향 — 평균 회귀)")
time.sleep(0.4)

# ── 4. 최근 5일로 다음 5일 예측 ───────────────────────────
print(f"\n[4/5] 최근 {LOOK_BACK}거래일({ret_dates[-LOOK_BACK].date()} ~ {last_date.date()}) "
      f"기준 다음 {HORIZON}일 예측 중...")
time.sleep(0.4)

recent_returns = returns[-LOOK_BACK:]                        # 실제 최근 5일 수익률
pred_cum = model.predict(recent_returns.reshape(1, -1))[0]  # 다음 5일 누적 수익률
pred_daily_avg = pred_cum / HORIZON                          # 하루 평균 수익률
last_price = prices[-1]
pred_price_end = last_price * (1 + pred_cum / 100)

# 미래 거래일 생성
future_dates = pd.bdate_range(
    start=last_date + pd.Timedelta(days=1), periods=HORIZON
)

# 각 날의 예측 가격 (단순 균등 분배)
pred_prices = [last_price * (1 + pred_daily_avg / 100) ** (i + 1)
               for i in range(HORIZON)]

print(f"   → 최근 5일 수익률: {[f'{r:.2f}%' for r in recent_returns]}")
print(f"   → 다음 5일 누적 예측: {pred_cum:+.2f}%")
print(f"   → 현재 종가({last_date.date()}): {last_price:,.0f}원")
print(f"   → 5일 후 예측 종가({future_dates[-1].date()}): {pred_price_end:,.0f}원"
      f"  ({'▲ 상승' if pred_cum > 0 else '▼ 하락'} 예상)")
for fd, fp in zip(future_dates, pred_prices):
    print(f"      {fd.date()} → {fp:,.0f}원")
time.sleep(0.3)

# ── 5. 시각화 ─────────────────────────────────────────────
print(f"\n[5/5] 시각화 저장 중...")
time.sleep(0.5)

fig, axes = plt.subplots(1, 2, figsize=(13, 5))

fig.text(0.5, 0.99,
         f"선형 회귀 — 이전 {LOOK_BACK}일 수익률로 다음 {HORIZON}일 누적 수익률 예측  "
         f"({TICKER} / 기준일: {last_date.date()})",
         ha='center', fontsize=9, color='#333', weight='bold', va='top')

# ── 패널 1: 예측 vs 실제 산점도 ──────────────────────────
ax1 = axes[0]
SHOW_N = 400
idx = np.random.choice(len(X), size=min(SHOW_N, len(X)), replace=False)
ax1.scatter(y[idx], y_pred_train[idx],
            s=8, alpha=0.3, color='steelblue', edgecolors='none', label='학습 샘플')
lim = max(abs(y).max(), abs(y_pred_train).max()) * 1.05
ax1.plot([-lim, lim], [-lim, lim], 'r--', linewidth=1.2, label='완벽한 예측선')
ax1.axhline(0, color='gray', linewidth=0.5)
ax1.axvline(0, color='gray', linewidth=0.5)
ax1.set_xlim(-lim, lim)
ax1.set_ylim(-lim, lim)
ax1.set_xlabel("실제 5일 누적 수익률 (%)")
ax1.set_ylabel("예측 5일 누적 수익률 (%)")
ax1.set_title(f"예측 vs 실제  (R²={r2:.4f})")
ax1.legend(fontsize=8)
ax1.grid(alpha=0.2)
ax1.text(0.5, -0.16,
         f'R²={r2:.4f} — 1에 가까울수록 예측력이 좋음 (1일→1일 대비 약 10배 개선)',
         transform=ax1.transAxes, ha='center', fontsize=7, color='gray')
ax1.annotate('완벽하면 이 선 위에\n점이 모여야 해요',
             xy=(lim*0.5, lim*0.5), xytext=(0.20, 0.82),
             textcoords='axes fraction',
             arrowprops=dict(arrowstyle='->', color='darkred'), fontsize=7, color='darkred')

# ── 패널 2: 최근 주가 + 예측 가격 ────────────────────────
ax2 = axes[1]
RECENT_SHOW = 40
recent_dates_show  = dates[-RECENT_SHOW:]
recent_prices_show = prices[-RECENT_SHOW:]

ax2.plot(recent_dates_show, recent_prices_show,
         color='steelblue', linewidth=1.5, label='실제 주가')
ax2.plot([last_date] + list(future_dates),
         [last_price] + pred_prices,
         color='tomato', linewidth=2, linestyle='--',
         marker='o', markersize=5, label='예측 주가')
ax2.axvline(last_date, color='gray', linestyle=':', linewidth=1.2)

# 예측 날짜별 가격 표시
for fd, fp in zip(future_dates, pred_prices):
    ax2.annotate(f"{fd.strftime('%m/%d')}\n{fp:,.0f}",
                 xy=(fd, fp), xytext=(3, 6), textcoords='offset points',
                 fontsize=6, color='darkred')

ax2.set_title(f"최근 {RECENT_SHOW}거래일 + 다음 {HORIZON}일 예측")
ax2.set_xlabel("날짜")
ax2.set_ylabel("주가 (원)")
ax2.xaxis.set_major_formatter(mdates.DateFormatter('%m/%d'))
ax2.xaxis.set_major_locator(mdates.WeekdayLocator(interval=2))
plt.setp(ax2.xaxis.get_majorticklabels(), rotation=30, ha='right', fontsize=7)
ax2.legend(fontsize=8)
ax2.grid(alpha=0.2)
ax2.text(0.5, -0.16,
         f'기준일 {last_date.date()} 종가 {last_price:,.0f}원 → '
         f'{future_dates[-1].date()} 예측 {pred_price_end:,.0f}원 ({pred_cum:+.2f}%)',
         transform=ax2.transAxes, ha='center', fontsize=7, color='gray')

plt.tight_layout()
plt.subplots_adjust(top=0.91, bottom=0.15)
ticker_tag = TICKER.replace(".", "_")
out_name = f"../result/LinearRegressionReturn_{ticker_tag}.png"
plt.savefig(out_name, dpi=150, bbox_inches="tight")
print(f"   → 그래프 저장: {out_name}")

print("\n✓ 선형 회귀 실습 완료!\n")