골드만삭스가 공개한 퀀트 코드,
어디까지 공짜로 쓸 수 있나

1. 무엇을 공개했나, 확인한 사실

GitHub API로 직접 조회한 값입니다(2026년 9월 10일 기준).

2. 키가 필요한 것과 필요 없는 것

이게 이 글에서 가장 실용적인 부분입니다. gs_quant 폴더를 열어 모듈을 확인하고, 각 파일이 골드만 서버를 호출하는지 소스에서 직접 확인했습니다.

3. 키 없이 오늘 쓸 수 있는 함수 5개

winsorize(), 극단값이 통계를 지배하지 못하게

수익률 데이터에서 며칠의 폭등·폭락이 평균과 변동성을 통째로 왜곡하는 일이 흔합니다. 이 함수는 평균에서 ±2.5 표준편차를 넘는 값을 그 경계로 잘라냅니다(기본값). 데이터를 버리지 않고 영향력만 줄이는 방식입니다.

zscores(), 서로 다른 종목을 같은 자로 재기

하루 20% 움직이는 소형주와 2% 움직이는 대형주를 같은 기준으로 비교하면 답이 안 나옵니다. z점수는 (값 − 평균) ÷ 표준편차로 표준화해, "이 종목 기준으로 얼마나 이례적인 움직임인가"를 재게 해줍니다.

volatility(), 위험을 숫자 하나로

일간 수익률의 표준편차에 √252(연간 거래일)를 곱해 연율 변동성을 냅니다. 같은 수익률이라도 이 숫자가 크면 훨씬 험한 길을 지나온 것입니다.

max_drawdown(), 버텨야 했던 최악의 구간

기간 중 고점 대비 가장 깊었던 하락폭입니다. 수익률 표에는 절대 안 나오지만 실제로 사람을 무너뜨리는 숫자가 이겁니다.

bollinger_bands(), relative_strength_index() 같은 익숙한 기술적 지표들

볼린저밴드·RSI·MACD·이동평균도 technicals.py에 들어 있습니다. 차트 프로그램 없이 코드로 같은 값을 계산할 수 있습니다. 차트 기초 사전에서 이 지표들이 무엇을 뜻하는지 그림으로 볼 수 있습니다.

4. 실제로 적용해봤습니다. 종목 13개

저희가 추적하는 AI 공급망 종목 13개에, 위 정의 그대로 연율 변동성 · 위험조정 수익률 · 최대낙폭을 계산했습니다. 가격은 야후 파이낸스 일별 종가, 기간은 각 종목이 저희 데이터에 처음 등장한 날부터 2026년 9월 8일까지입니다.

위험조정 = 연율 수익률 ÷ 연율 변동성 (무위험수익률 0 가정). 위험조정 높은 순 정렬.

여기서 드러난 것 세 가지

• 1등이 바뀝니다. 총수익률 1위는 SIVE(+695.8%)인데, 위험을 나눠 보면 SNDK가 1위가 됩니다. SIVE는 같은 수익을 내기 위해 훨씬 험한 길을 지나왔습니다.
• POET는 함정입니다. 총수익률 +32.2%로 플러스지만, 변동성 152.5%에 최대낙폭 −69.0%. 조금 벌자고 크게 흔들린 경우이고, 위험조정 0.29로 13개 중 꼴찌입니다.
• 가장 안 흔들린 종목은 NVDA였습니다. 변동성 36.7%, 최대낙폭 −20.2%로 둘 다 최소입니다. 수익률은 가장 낮지만, 끝까지 들고 있기 가장 쉬웠던 종목이기도 합니다.

5. 직접 시작하려면

파이썬이 설치돼 있다면 설치는 한 줄입니다.

# 설치
pip install gs-quant

# 키 없이 되는 계산 예시
import pandas as pd
from gs_quant.timeseries import volatility, max_drawdown, winsorize, zscores

prices = pd.Series(...)      # 종가 시계열 (야후 파이낸스 등에서)
vol    = volatility(prices)  # 연율 변동성
mdd    = max_drawdown(prices)# 최대낙폭
z      = zscores(prices)     # 표준화 점수

measures 계열 함수를 호출하면 인증을 요구합니다. 그건 골드만 마켓 데이터 구독 고객용이며, 개인이 무료로 얻을 수 있는 경로는 저희가 확인한 범위에서는 없습니다.

6. 주의할 점