"실전 구현 — 엑셀·파이썬으로 시작하는 퀀트 스크리닝"

**결론 먼저:** 퀀트 투자를 시작하기 위해 전문 소프트웨어나 서버가 필요하지 않다. 네이버 금융 + 엑셀로도 충분히 팩터 스크리닝을 할 수 있다. 파이썬을 쓴다면 데이터 수집부터 자동화까지 가능하다.

## 1. 엑셀로 하는 팩터 스크리닝 (비용 0원)

### 데이터 수집

1. **네이버 금융** → 국내주식 → 시가총액 순위 → 엑셀 복사
2. 또는 **FnGuide**, **KRX 정보데이터시스템** (data.krx.co.kr) — 무료 재무 데이터 다운로드

수집 항목: 종목명, PBR, PER, ROE, 부채비율, 52주 수익률

### 팩터 스코어 계산 (엑셀)

```excel
// PBR 순위 (낮을수록 좋음, 1등이 가장 낮음)
=RANK(B2, $B$2:$B$501, 1)

// 품질 순위 (ROE 높을수록, 부채비율 낮을수록 좋음)
=RANK(D2, $D$2:$D$501, 0)  // ROE: 높을수록 좋음
=RANK(E2, $E$2:$E$501, 1)  // 부채비율: 낮을수록 좋음

// 종합 스코어 (평균 순위)
=(F2 + G2 + H2) / 3

// 상위 30위 필터링
=RANK(I2, $I$2:$I$501, 1) <= 30
```

### 엑셀 전략 루틴 (분기별)

```
매 분기 말 (3월·6월·9월·12월):
1. FnGuide에서 최신 재무 데이터 다운로드
2. 엑셀 팩터 스코어 재계산
3. 상위 30종목 확인 → 이전 포트폴리오와 비교
4. 신규 진입/퇴출 종목 확인 → 거래 실행
```

## 2. 파이썬으로 하는 자동화

파이썬을 쓰면 데이터 수집, 스코어 계산, 백테스팅을 자동화할 수 있다.

### 환경 설정

```bash
pip install pandas numpy yfinance pykrx matplotlib
```

### 코스피 팩터 데이터 수집 (pykrx)

```python
from pykrx import stock
import pandas as pd

# 특정 날짜의 코스피 종목 리스트
df = stock.get_market_cap_by_ticker("20260401", market="KOSPI")

# PBR 데이터
pbr_df = stock.get_market_pbr_by_ticker("20260401", market="KOSPI")
df = df.join(pbr_df[['PBR', 'PER', 'ROE']])

print(df.head())
```

### 팩터 스코어 자동 계산

```python
def calc_factor_scores(df):
    # 시가총액 1000억 이상 필터 (소형주 제거)
    df = df[df['시가총액'] > 100_000_000_000]
    
    # PBR 순위 (낮을수록 좋음 → ascending=True)
    df['pbr_rank'] = df['PBR'].rank(ascending=True)
    
    # PER 순위 (낮을수록 좋음, 음수 제외)
    df = df[df['PER'] > 0]
    df['per_rank'] = df['PER'].rank(ascending=True)
    
    # ROE 순위 (높을수록 좋음)
    df['roe_rank'] = df['ROE'].rank(ascending=False)
    
    # 모멘텀 순위 (12-1개월 수익률)
    df['momentum_rank'] = df['return_12_1'].rank(ascending=False)
    
    # 종합 스코어
    df['score'] = (df['pbr_rank'] + df['per_rank'] + 
                   df['roe_rank'] + df['momentum_rank']) / 4
    
    return df.nsmallest(30, 'score')  # 스코어 낮을수록 상위

top30 = calc_factor_scores(df)
print(top30[['종목명', 'PBR', 'PER', 'ROE', 'score']])
```

## 3. 실전 운용 루틴

### 분기별 실행 체크리스트

```
[ ] 분기 말 5영업일 전: 팩터 데이터 다운로드
[ ] 스코어 계산 및 상위 30종목 확인
[ ] 현재 포트폴리오와 비교 → 교체 종목 목록 작성
[ ] 교체 비율이 30% 이하면 그대로 유지 고려 (거래비용 절감)
[ ] 분기 말 ~ 다음 분기 첫 주 사이에 거래 실행
[ ] 거래 기록 및 수익률 업데이트
```

## 4. 자주 하는 실수

| 실수 | 이유 | 대처 |
|------|------|------|
| 스크리닝 결과를 직관으로 수정 | "이 종목은 좀 별로인 것 같은데..." | 규칙을 따를 것. 수정이 필요하면 전략 자체를 바꿀 것 |
| 최근 급등주만 추가하고 싶은 충동 | 모멘텀 편향 | 팩터 스코어 기준만 사용 |
| 손실 나는 종목을 교체 거부 | 손실 회피 편향 | 팩터 순위가 하락하면 기계적으로 교체 |
| 리밸런싱을 미룸 | "조금만 더 기다려보자" | 분기 말 날짜를 캘린더에 고정 등록 |

→ 다음 챕터에서는 전략을 운용하면서 반드시 관리해야 할 **리스크 관리**를 다룬다.

"실전 구현 — 엑셀·파이썬으로 시작하는 퀀트 스크리닝"

// COMMENTS

ON THIS PAGE