2025/09/26

• 목표: 최근 1개월간 원/달러 환율 데이터를 수집해 평균값과 변동성(연율화 기준)을 계산

• 방법: yfinance 라이브러리로 KRW=X 데이터 불러오기

평균 환율 계산

일간 수익률 기반으로 변동성(표준편차 × √252) 계산

최근 5일 데이터 확인 + 시각화 그래프 출력

• 결과 예시:

최근 1개월 평균 환율: 약 1390 KRW/USD

최근 1개월 변동성: 약 6.6%

• 느낀 점

AI 덕분에 코드 작성과 데이터 수집은 빠르게 할 수 있었다.

하지만 “무엇을 분석할지 결정”하고, “결과를 시장 맥락 속에서 해석”하는 것은 여전히 사람의 몫이라 는 걸 느꼈다.

단순히 수치만 보는 것이 아니라, 예를 들어 “최근 환율 변동성이 낮아진 것은 단기 환리스크 부담 완화로 해석될 수 있다” 같은 스토리로 연결하는 능력이 필요하다.

따라서 AI 시대 금융 데이터 직무에서 인간의 역할은 문제 정의, 해석, 전략 제안에 있다는 점을 확인했다.

깃허브 주소

👉 GitHub – mini-quant-sma

2025/09/26

• 목표: 최근 1개월간 원/달러 환율 데이터를 수집해 평균값과 변동성(연율화 기준)을 계산

• 방법: yfinance 라이브러리로 KRW=X 데이터 불러오기

평균 환율 계산

일간 수익률 기반으로 변동성(표준편차 × √252) 계산

최근 5일 데이터 확인 + 시각화 그래프 출력

• 결과 예시:

최근 1개월 평균 환율: 약 1390 KRW/USD

최근 1개월 변동성: 약 6.6%

• 느낀 점

AI 덕분에 코드 작성과 데이터 수집은 빠르게 할 수 있었다.

하지만 “무엇을 분석할지 결정”하고, “결과를 시장 맥락 속에서 해석”하는 것은 여전히 사람의 몫이라 는 걸 느꼈다.

단순히 수치만 보는 것이 아니라, 예를 들어 “최근 환율 변동성이 낮아진 것은 단기 환리스크 부담 완화로 해석될 수 있다” 같은 스토리로 연결하는 능력이 필요하다.

따라서 AI 시대 금융 데이터 직무에서 인간의 역할은 문제 정의, 해석, 전략 제안에 있다는 점을 확인했다.

깃허브 주소

👉 GitHub – mini-quant-sma