<소개>
닛케이 평균 주식 가격 변동이 모든 225개 품목의 가격 변동이 균등한 영향을 받는 것은 아니다.
2020년 11월 30일까지 가격 변동의 약 30%가 상위 5위를 차지하게 된다.
각 브랜드가 가격 변동에 미치는 영향과'기여도'가 연동되는 정도와'관련된'관계를 조사한다.
가령: 공헌도가 높은 주식일수록 일경 평균 주가의 변동을 이끌 수 있다
결론: 공헌도 1위와 관련된 여러 브랜드가 존재한다

일경 평균 주식 가격

일본 주식시장을 대표하는 주가 지표 중의 하나
세계에서 세 번째로 대규모로 유명한 도쿄증권거래소에서 일본 경제신문사는 그 중 상장된 기업 중 225개 주식의 평균 주가를 선정하였다
최근 곳곳에서 닛케이 평균 주가가 급등했다는 보도가 나오고 있다.

닛케이 평균지수 계속 상승, 29년 반 만에 고가

2020년 11월 26일에는 1991년 4월 이후 약 29년 반 만에 최다 기록을 갈아치웠다.
신종 코로나 백신 개발 진전을 기대하는 가운데 각국 정부와 중앙은행이 경제 대책도 계속될 것으로 보고 투자자들의 심리도 높아졌다.
참조 소스: 일본 경제 뉴스
신종 코로나바이러스의 백신 개발에 대한 기대감에 각국의 경기 대책은 이런 시각을 지속해 시세를 뒷받침했다.
시장에서는 "국내 주요 기업들의 실적이 회복 기조에 있어 현재 주가 상승세가 이어질 것"(대형증권)이라는 시각도 있다.
참조 소스: 뉴스

실질 경제와의 괴리

절호의 닛케이 평균주가와 반대로 일본 경제가 상승하고 있음을 느끼는 사람이 적지 않은가.주가와 경기가 침체돼서 그런가?아니, 백신 개발에 진전이 있더라도 당분간은 유행 전의 경기 수준으로 돌아갈 수 없다.
경기가 살아나도 유행 전보다 경기가 좋을까.
이런 상황이든 일경 평균 주가가 상승하게 하는 것은 무엇인지 의문이다.
그때 나는 닛케이 평균 주가의 가격 변동이 각 구성 품목에서 영향력에 편차가 있다는 것을 알게 되었다.
= 기여도의 가중치
이런 공헌도가 높은 주식일수록 닛케이 평균 주가의 가격 변동과 연동할 수 있다.
또 기여도의 무게를 투자자 선택에 활용할 수 있느냐가 이번 목적이다.

공헌도

우선 일경 평균 주가의 계산 방법의 기본적인 생각은
일경평균주가기본=\\\\frac\주식을 구성하는 총주가\\\f41 주식 수량:225$
말 그대로 주가의 평균치다.
실제로 주가 변동을 조정하기 위해 주가를 정확하게 표시하다
• "제수 수정"
· "무액면가에 따라 조정"
탭자세한 내용은 여기.의 설명을 생략했다.
이 두 가지 요인을 고려한 일경 평균 주가 계산 방법은 다음과 같다.

\begin{align}
日経平均株価&=\frac{構成銘柄の採用株価合計}{除数}\\
各構成銘柄の採用株価 &= 株価\times \frac{50 [円]}{みなし額面 [円]}
\end{align}

그 다음으로 공헌도는 한 요소의 증감으로 전체 데이터가 얼마나 증감되었는지 일경 평균 주가는 다음과 같다.
현재 채택 주가 - 전날 채택 주가
시총 비중을 고려하지 않아 주가가 높은 종목의 영향을 받기 쉽다는 점을 엿볼 수 있다.
자세히 설명하자면 품목별 채택주가 구성비율은 기여도의 무게(=영향력의 강도)를 그대로 나타낸다.
다음 그림은 2020년 11월 30일에 주가 구성비를 적용한 떡그림으로 상위 5위의 주식 가격이 가격 변동의 약 30%를 차지한다.( 데이터 사용 )

관련되다

닛케이 평균 주가와 각 브랜드의 가격 변동이 연동되는 정도로서 상관수를 사용한다.
상관수에 대한 상세한 설명은 여기.에 소개되어 있기 때문에 계산 프로그램만 기재한다.
컨텐트는 전체 주기 및 계산에 사용되는 폭(일)을 설정하고 각 일수와 관련된 평균을 계산합니다.
【예】
・전체 기간: 100일
・사용된 너비 계산(일): 10일
1~10일, 2~11일, 3~12일...,91~100일 총 91회 관련 계산 후 평균치 구하기
※ 파이톤에 익숙하지 않아 서툴러요, 용서해 주세요.
또한 주식 가격 데이터에 대한 취득 절차는 이전에 쓴 여기.을 참조하십시오.
cal_correlation.py

import pandas as pd
import numpy as np

# 正規化
def normalized(data):
    n_data = data
    start = data.iloc[0,0]
    n_data.iloc[:,0] = data.iloc[:,0]/start
    start = data.iloc[0,1]
    n_data.iloc[:,1] = data.iloc[:,1]/start
    return n_data

# 相関計算
def cal_correlation(data1, data2, width):
    cor = []
    for i in range(len(data1)-width+1):
        x = np.array(data1[i:i+width])
        y = np.array(data2[i:i+width])
        cor.append(np.corrcoef(x,y)[0,1])
    return cor

## パラメータ
code = 4151             # 計算する銘柄のコード
start_date = "2019"     # 相関計算し始める日付
width = 10              # 相関計算の幅

# 用意した終値の読み込み    
read_data = pd.read_csv("nikkei225_all_closes.csv",index_col=0, parse_dates=True)
data = read_data[start_date:]
# 用意したコードと銘柄名の読み込み  
stocks_name = pd.read_csv("nikkei225_all_code.csv", header=None, names=("code","name"), index_col=0, engine="python")

# 計算する銘柄の選択, 欠損値の削除, 正規化
target = data[["^N225",str(code)+".T"]]
target = target.dropna(how="any")   
target = normalized(target) 

# 相関計算
cor = cal_correlation(target.iloc[:,0], target.iloc[:,1], width)

공헌도와 관련 관계

예를 들다
・전체 기간: 3개월
・사용된 너비 계산(일): 10일
의 모든 225개 브랜드 공헌도의 중요도와 관련 관계.(※ 다른 설정의 결과는 문장 마지막에 기재)
▶ 상위 5개 브랜드 선정

▶ 모든 225개 브랜드의 공헌도 권중과 관련된 관계(가로축: 구성비례, 세로축: 관련성 평균)

고찰하다.

주식 가격의 구성비율인'기여도의 무게'와 연동도'관련'의 관계를 조사한 결과 기여도가 높은 주식일수록 닛케이 평균주가의 가격 변동을 이끌 수 있다는 가설은 잘못된 것이다.또 주식 가격의 구성비율 상위 5명이 약 30%를 차지하지만 관련 상위 5명의 주식 구성비율은 1%에 미치지 못한다.
기여도의 무게'와'연관성'을 결합해 투자자 선택에 활용하기는 어려울 것 같은데...
그렇지만
· 닛케이 평균 주가의 가격 변동은 각 구성주 중 영향력이 크다
· 상위 5개 브랜드가 여러 개 존재
이런 사실은 확인할 수 있다.
이상의 결과로 보면'기여도의 무게'와'관련성'을 개별지표로 삼아 투자자 선정과 가격 변동 예측에 활용할 수 있는지 검토해보겠습니다.
공헌도의 분량
· 기여도 높은 종목 급등/급락 시 닛케이 평균 선물과 닛케이 평균 거래 연동 지표의 ETF
• 단기간 내 급등/폭락은 닛케이 평균 주가의 가격 변동에 특히 기여
• 기여도가 높은 주식의 결산 발표 등 행사 시 닛케이 평균주가 관련 거래 위험 증가
관련되다
• 일경 평균 선물의 가격 변동에 따라 관련성이 높은 주식의 가격 변동을 예측
· 장기 관련성이 높은 주식(도요타 통상, 일본 개시)이 닛케이 평균주가와 역전될 때 닛케이 평균선물과 닛케이 평균거래 연동 지표의 ETF
※ 상관관계와 인과관계가 다르다해설 주의

다음

각 브랜드가 가격 변동에 미치는 영향인'기여도'연동의 정도인'관련'의 관계를 조사한 결과 이 두 가지를 결합해 투자자 선택에 활용하기 어려웠다.다만 개별 지표로 활용할 여지는 있다고 본다.
이 기사는 완전히 자신의 의문에 대한 조사로 투자자가 선택한 지표를 계속 찾기 위해 검증하고 싶습니다.
향후 계획
· "S&P500 폭락시 상승한 브랜드/인덱스/금융상품 조사"
· "일경평균주가와 브랜드별 그래프가 수일간 엇갈린 상태에서 관련성을 찾아 가격 동향을 예측합니다."

결과 목록

관련 계산 설정이 변경되었을 때 Top5의 결과 일람표를 표시합니다.
<매개 변수>
• 전체 시간: 5년, 3년, 1년, 6개월, 3개월
・사용된 너비 계산(일): 10일, 20일
▶ 공헌도 TOP5 브랜드 결과 일람

▶ 관련 TOP5 브랜드 결과 일람