오늘 수익 50만원에서 작년에 산 잡주 하나를 완전히 정리했다. 왠지 내가 내렸으니 이제 숨도 안 쉬고 올라 갈 것 같다는 근거없는 생각이 든다.
지금 다시 매수자리를 보면 저걸 대체 왜 샀을까 하는 생각이 들지만, 이런 생각이 드는 건 그만큼 내가 이전에 비해 성장했다는 뜻도 된다.
성장은 조금씩이나마 하고 있지만 아직 갈 길이 멀다. 오늘 깨달은 문제점 중 하나는 종목을 잘 골라 놓고 혼자 떨어지지 않을까 걱정하면서 너무 많은 생각을 하는 것 같다. 그러다보니 의미 없는 자리에서 팔았다가 샀다가 왔다갔다 한다. 솔직히 많이 사는 것도 아니니 떨어지면 사면 그만이고, 종목은 갈 길 가는건데, 혼자 쉐도우복싱을 하는 것 같다.
그리고, 2월 초 이전에는 단돈 몇만원이라도 수익에 감사했는데, 이젠 10만원 단위의 수익이 아니면 익절을 잘 안하게 된다. 이건 확실히 문제다.
이런 문제가 생기는 이유는, 아무래도 아직 내 스타일이 완전히 잡히지 않아서 인 것 같다. 그리고 심리 문제도 있는 것 같다.
실제매매 : 돌파 할 줄 알고 잡았는데 숨도 안쉬고 떨어뜨림. 근데 개인들이 손절하는 것 치고는 물량이 너무 많이 나와서 분명 다시 올릴 거란 생각이 들어서 손절 대신 추가매수. 이후 본전에서 반 털고, 다시 매수 후 전량매도
잘한점 : 급락 때 침착하게 대응한 점
잘못한 점 : 돌파에 대한 개념을 다시 잡아야 할 것 같음. 돌파 매매 타점이 어제부터 영 별로임.
배운 점 : 돌파 매매는 공부를 좀 더 하고 접근하자. 잘못하다가 수익 다 날리겠다
캡스톤파트너스
매매타입 : 눌림
실제매매 : 거래대금도 별로 없어서 할까 말까 하다가 붙인 뉴스가 좋아서 매매함
한미반도체
매매타입 : 눌림
실제매매 : 매수는 잘 했는데, 매도를 너무 감정적으로 했음. 굳이 매도 안하고 더 사도 되는데, 왜 매도 했을까
잘한점 : 눌림 매수 타점은 좋음.
잘못한 점 : 감정적인 매도. 이때 매도한 건 단순히 그냥 종목이 너무 많아서 지저분해 보여서 였음. 그리고 애초에 장 초반에 샀어야 했음.
우리기술투자
매매타입 : 눌림, 뇌동
실제매매 : 장초반 급등 때 절반 매도 후, 이후 재매수 했다가 너무 빨리 털어서 FOMO로 재매수. 그리고 급락 때 손절 후 진정되었을 때 다시 잡음.
잘한점 : 장 초반에 급등때 매도해서 수익 챙긴 것
잘못한 점 : 올라갈 차트인데 혼자 쉐도우복싱함
배운 점 : 감정적으로 대응하지 말고, 재료 좋고, 거래대금 좋아서 매매하기로 했으면 그 안에서 캔들을 잘 살펴보자.
큐알티
매매타입 : 눌림, 돌파
실제매매 : 장 초반에 걸어둔 게 채결되었는데, 이후 제대로 대응을 안했음. 오늘 종목이 너무 많다고 느끼게 된 결정적인 계기. 그리고 후반에는 돌파 기대하고 샀는데 결국 실패였음. 우선 한번 더 기회 줄 것 같아서 들고 있긴 한데, 아무래도 돌파 매매는 난 하면 안될 것 같음. 하더라도 좀 더 연구를 해야 함. 타점이 개판임.
잘한점 : 없음
잘못한 점 : 돌파를 가장한 뇌동매매
배운 점 : 못하는 매매는 굳이 하지 말자. 일단 하던거나 완벽하게 잘 하고 다른 걸 손대자
쇼박스
매매타입 : 뇌동매매
파묘 봤는데 재밌었고 흥행 할 것 같아서 들고 가려고 했는데, 심리가 말려서 매도했다가 급등하는거 보고 FOMO와서 다시 잡았다. 일단 거래대금 믿고 들고 가 보긴 할텐데, 너무 매매를 못한 것 같다.
동일고무벨트
매매타입 : 실수
매수 걸어둔 걸 취소하는걸 깜빡했다. 말도 안되는 이유로 끌어올린 거라 그냥 트레이딩만 하려고 했는데 정작 트레이딩 기회는 놓쳤다. 오늘 터진 거래대금이 물량을 터는 거래대금인지, 내일 다시 한번 급등시킬 거래대금인지 헷갈리지만, 일단 내일 보고 대응할 예정
How many features does the breast cancer dataset have?
This function should return an integer.
# You should write your whole answer within the function provided. The autograder will call
# this function and compare the return value against the correct solution value
def answer_zero():
# This function returns the number of features of the breast cancer dataset, which is an integer.
# The assignment question description will tell you the general format the autograder is expecting
# YOUR CODE HERE
cancer=load_breast_cancer()
return len(cancer.feature_names)
raise NotImplementedError()
# You can examine what your function returns by calling it in the cell. If you have questions
# about the assignment formats, check out the discussion forums for any FAQs
Question 1
Scikit-learn works with lists, numpy arrays, scipy-sparse matrices, and pandas DataFrames, so converting the dataset to a DataFrame is not necessary for training this model. Using a DataFrame does however help make many things easier such as munging data, so let’s practice creating a classifier with a pandas DataFrame.
Convert the sklearn.dataset cancer to a DataFrame.
*This function should return a (569, 31) DataFrame with *
Using your knn classifier, predict the class label using the mean value for each feature.
Hint: You can use cancerdf.mean()[:-1].values.reshape(1, -1) which gets the mean value for each feature, ignores the target column, and reshapes the data from 1 dimension to 2 (necessary for the precict method of KNeighborsClassifier).
def answer_six(): # YOUR CODE HERE cancerdf=answer_one() mean=cancerdf.mean()[:-1].values.reshape(1, -1) knn=answer_five() predict=knn.predict(mean) return predict raise NotImplementedError()
Question 7
Using your knn classifier, predict the class labels for the test set X_test.
This function should return a numpy array with shape (143,) and values either 0.0 or 1.0.
def answer_seven(): # YOUR CODE HERE X_train, X_test, y_train, y_test = answer_four() knn=answer_five() predcit = knn.predict(X_test) return predcit raise NotImplementedError()
Try using the plotting function below to visualize the different predicition scores between train and test sets, as well as malignant and benign cells.
Introduce to write trade journal using Binance Trade History excel file.
Write Trade Journal using pandas library I would like to introduce easy way to write trade journal using pandas library. Assume that you are capable of using python.
Export trade history in Binance through the export button.
