공매도

3 posts with the tag “공매도”

공매도 데이터 분석하기

Jan 19, 2022

이번 포스트에서는 파이썬으로 공매도 데이터를 분석해 봅니다. 공매도 데이터 수집에 대해서는 이 포스트를 확인해 주세요.

공매도 거래, 공매도 잔고, 종목 정보 데이터를 가져옵니다. 이 부분은 개인적으로 사용하는 데이터베이스를 활용하므로 퀀티랩 카페에서 CSV 파일을 다운받아 사용하시기 바랍니다.

import pandas as pd
from quantylab.common.db.mongodb import MongoDBClient
coll = MongoDBClient.get_coll('short')
cursor = coll.find({'date': {'$gte': '20210601', '$lte': '20220114'}}, {'_id': 0, 'dt_update': 0, 'date_update': 0}, sort=[('date', -1)])
df_short = pd.DataFrame(list(cursor))
coll = MongoDBClient.get_coll('shortbalance')
cursor = coll.find({'date': {'$gte': '20210601', '$lte': '20220114'}}, {'_id': 0, 'dt_update': 0, 'date_update': 0}, sort=[('date', -1)])
df_shortbalance = pd.DataFrame(list(cursor))
coll = MongoDBClient.get_coll('stockcodes')
cursor = coll.find({}, {'_id': 0, 'code': 1, 'name': 1})
df_stockcodes = pd.DataFrame(list(cursor))

위에서 준비한 세 DataFrame을 합칩니다. 이 합친 데이터를 CSV 파일로 저장해 둡니다. 이 CSV 데이터를 카페에 올려 놓았습니다. 카페 가입하셔서 다운받으시고 질문도 해주시면 감사하겠습니다.

df = pd.merge(df_short, df_shortbalance[['code', 'date', 'bal_rto', 'bal_amt', 'bal_qty']], on=['code', 'date'], how='left')
df = pd.merge(df, df_stockcodes, on='code', how='left')
df = df[['name'] + df.columns.tolisZt()[:-1]]
df.to_csv('20220113_analysis_short.csv', index=False)

CSV 파일을 다운받으셨다면 다음 부분부터 직접 해보실 수 있습니다. 다음 코드는 CSV 파일을 불러오는 부분입니다.

import pandas as pd
str_columns = ['code', 'date']
df = pd.read_csv('20220113_analysis_short.csv', converters={k: lambda x: str(x) for k in str_columns})

code, date를 숫자로 읽는 것을 방지하기 위해서 converters 인자를 넣어줍니다. 그리고 다음 코드에서처럼 date로 정렬하고 % 단위를 떼고 NaN 값이 포함된 행을 버립니다.

df = df.sort_values(by='date')
# % 단위 떼기
df['short_ratio'] /= 100
df['bal_rto'] /= 100
df = df.dropna().copy()

name	code	date	avg_price	avg_price_ratio	close	diff	diffratio	short_amount	short_ratio	short_volume	volume	bal_rto	bal_amt	bal_qty
LX홀딩스	383800	20210601	11078	-78	11000	50	0.46	26214	0.012591000000000001	23662	1879288	0.0	34639000.0	3149.0
DB금융투자	016610	20210601	7215	5	7220	50	0.7	412	0.003169	571	180173	0.0	0.0	0.0
CJ제일제당	097950	20210601	484327	1173	485500	-3000	-0.61	122535	0.0437	2530	57895	0.0029	21517360000.0	44320.0
CJ씨푸드	011150	20210601	4819	1	4820	105	2.23	22	3.8e-05	45	1188132	0.0083	1435482760.0	297818.0
BGF리테일	282330	20210601	183995	5	184000	2500	1.38	64950	0.089838	3530	39293	0.0007000000000000001	2272032000.0	12348.0
…	…	…	…	…	…	…	…	…	…	…	…	…	…	…
엠씨넥스	097520	20220114	56312	-12	56300	3800	7.24	141	1.9e-05	25	1321720	0.0029	2909752900.0	51683.0
더블유게임즈	192080	20220114	53966	234	54200	-400	-0.73	47851	0.10421200000000001	8867	85086	0.0139	13883763600.0	256158.0
PI첨단소재	178920	20220114	52734	366	53100	1000	1.92	34556	0.044195000000000005	6553	148275	0.0086	13446300600.0	253226.0
포스코케미칼	003670	20220114	129380	620	130000	-2000	-1.52	94033	0.043436	7268	167325	0.0235	236509260000.0	1819302.0
LG이노텍	011070	20220114	381022	3478	384500	32000	9.08	3552349	0.05383	93232	1731987	0.005600000000000001	50517917000.0	131386.0

이 데이터에서 종목별로 상환 규모를 확인하고 공매도 거래량, 공매도 잔고, 상환 규모의 5일 이동평균을 구합니다. 이 과정은 몇 분 정도 걸릴 수 있습니다. 그래서 tqdm으로 진행율을 확인합니다.

from tqdm import tqdm
for k, g in tqdm(df.groupby('code')):
    # 상환 규모 확인
    # 당일 short_volume - (당일 bal_qty - 전일 bal_qty)
    df.loc[df['code'] == k, 'bal_qty_diff'] = g['bal_qty'].diff()
    df.loc[df['code'] == k, 'repay_volume'] = (df.loc[df['code'] == k, 'short_volume'] - df.loc[df['code'] == k, 'bal_qty_diff']).clip(0)
    df.loc[df['code'] == k, 'repay_ratio'] = df.loc[df['code'] == k, 'repay_volume'] / df.loc[df['code'] == k, 'volume']
    # 이동평균
    df.loc[df['code'] == k, 'short_ratio_ma5'] = g['short_ratio'].fillna(0).rolling(5).mean()
    df.loc[df['code'] == k, 'bal_rto_ma5'] = g['bal_rto'].fillna(0).rolling(5).mean()
    df.loc[df['code'] == k, 'repay_ratio_ma5'] = df.loc[df['code'] == k, 'repay_ratio'] .fillna(0).rolling(5).mean()

이렇게 구한 repay_ratio_ma5로 내림차순 정렬을 해보면 다음과 같은 결과를 얻을 수 있습니다.

_df = df[df['date'] == '20220114'].sort_values(by='repay_ratio_ma5', ascending=False)
_df

name	code	date	avg_price	avg_price_ratio	close	diff	diffratio	short_amount	short_ratio	short_volume	volume	bal_rto	bal_amt	bal_qty	bal_qty_diff	repay_volume	repay_ratio	short_ratio_ma5	bal_rto_ma5	repay_ratio_ma5
BGF리테일	282330	20220114	145501	-1501	144000	-2000	-1.37	188743	0.31445	12972	41253	0.0013	3342384000.0	23211.0	4353.0	8619.0	0.20893025961748238	0.24250639999999998	0.0013000000000000002	0.2374309360178176
세방전지	004490	20220114	69346	-146	69200	-1800	-2.54	22322	0.094635	3219	34015	0.0191	18506225200.0	267431.0	-6377.0	9596.0	0.2821108334558283	0.1048104	0.02026	0.22422523200232863
호텔신라	008770	20220114	77304	96	77400	-1100	-1.4	594543	0.222531	76910	345615	0.0717	217719311400.0	2812911.0	83286.0	0.0	0.0	0.271113	0.06978000000000001	0.2142213088295697
금호석유화학	011780	20220114	174115	-115	174000	2500	1.46	293854	0.075005	16877	225011	0.05	263459838000.0	1514137.0	-44184.0	61061.0	0.2713689552955189	0.0773396	0.0519	0.20765174156183894
효성첨단소재	298050	20220114	532588	412	533000	-8000	-1.48	314067	0.159077	5897	37070	0.0147	35143888000.0	65936.0	15093.0	0.0	0.0	0.1540592	0.01316	0.18448044554531187
…	…	…	…	…	…	…	…	…	…	…	…	…	…	…	…	…	…	…	…	…
콤텍시스템	031820	20220114	957	0	957	-16	-1.64	1	9e-06	8	937184	0.0011	123620475.0	129175.0	0.0	8.0	8.536210605388056e-06	4.259999999999999e-05	0.0010999999999999998	4.258825517099485e-05
TCC스틸	002710	20220114	12950	0	12950	800	6.58	3	0.0	2	5084832	0.0	0.0	0.0	0.0	2.0	3.933266625131371e-07	3.48e-05	0.0	3.473958840739652e-05
미래산업	025560	20220114	13650	100	13750	-350	-2.48	1	2.5e-05	1	39706	0.0	0.0	0.0	0.0	1.0	2.518511056263537e-05	2.46e-05	0.0	2.4705969543888606e-05
이스타코	015020	20220114	3105	0	3105	-110	-3.42	1	5.999999999999999e-06	4	721686	0.0	0.0	0.0	0.0	4.0	5.542576688476706e-06	2.3000000000000024e-05	0.0	2.2816870909533658e-05
오리엔트바이오	002630	20220114	1315	5	1320	20	1.54	0	0.0	1	2479455	0.0013	198262680.0	150199.0	0.0	1.0	4.033144380519106e-07	5.200000000000005e-06	0.0013	5.125393445035716e-06

이 종목들 중에서 공매도 상환율이 높은 상위 5개 종목을 살펴보겠습니다.

BGF리테일

최근 공매도 거래가 높은데 공매도 잔고는 크게 늘지 않고 유지되고 있습니다. 즉, 공매도 상환율도 높은 상황입니다. 공매도자들의 판단이 엇갈리고 있다고 보이는 지점입니다.

세방전지

공매도 거래는 꾸준히 있는데 공매도 잔고가 떨어지고 있습니다.

호텔신라

11월에 어닝쇼크로 공매도 잔고가 급격하게 늘었습니다. 이후 공매도 거래는 많은데 공매도 잔고는 조금씩 오르는 모습입니다.

금호석유화학

공매도 잔고가 꾸준히 늘다가 최근 하락 전환하는 모습입니다.

효성첨단소재

최근 공매도 거래가 상당한 상황입니다.

KRX에서 공매도 데이터 수집하기

Nov 5, 2021

이번 포스트에서는 KRX에서 개별종목 공매도 거래 및 개별종목 공매도 잔고 데이터를 파이썬으로 수집하는 방법을 다룹니다.

필요한 파이썬 라이브러리는 다음과 같습니다.

pip install requests
pip install numpy
pip install pandas

먼저 KRX 정보데이터시스템에서 다음 두 메뉴를 확인해 주세요.

통계 / 공매도 통계 / 공매도 거래 / 개별종목 공매도 거래
통계 / 공매도 통계 / 공매도 잔고 / 개별종목 공매도 잔고

개별종목 공매도 거래 데이터 수집하기

먼저 개별종목 공매도 거래 데이터를 받아오겠습니다. 크롬이나 웨일 브라우저에서 F12 키를 눌러 개발자 도구를 열어줍니다. 그리고 다음과 같이 Network 탭에서 Fetch/XHR 하위 탭을 확인합니다. 그리고 조회 버튼을 다시 누르면 아래에 getJsonData.cmd 내역이 뜨고 여기서 요청 정보를 확인할 수 있습니다.

여기서 Request URL, Request Headers, Form Data를 확인합니다. 다음과 같이 확인한 정보로 요청 준비를 합니다.

url = 'http://data.krx.co.kr/comm/bldAttendant/getJsonData.cmd'
headers = {
    'Accept': 'application/json, text/javascript, */*; q=0.01',
    'Accept-Encoding': 'gzip, deflate',
    'Accept-Language': 'ko-KR,ko;q=0.9,en-US;q=0.8,en;q=0.7',
    'Connection': 'keep-alive',
    'Content-Type': 'application/x-www-form-urlencoded; charset=UTF-8',
    'Host': 'data.krx.co.kr',
    'Origin': 'http://data.krx.co.kr',
    'Referer': 'http://data.krx.co.kr/contents/MDC/MDI/mdiLoader/index.cmd?menuId=MDC0203',
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/94.0.4606.118 Whale/2.11.126.23 Safari/537.36',
    'X-Requested-With': 'XMLHttpRequest',
}
data = [
    ('bld', 'dbms/MDC/STAT/srt/MDCSTAT30101'),
    ('searchType', '1'),
    ('mktId', 'STK'),
    ('secugrpId', 'STMFRTSCIFDRFS'),
    ('secugrpId', 'SRSW'),
    ('secugrpId', 'BC'),
    ('inqCond', 'STMFRTSCIFDRFSSRSWBC'),
    ('trdDd', '20211105'),
    ('share', '1'),
    ('money', '1'),
    ('csvxls_isNo', 'false'),
]

이렇게 준비한 url, headers, data로 requests 요청을 보냅니다. Request Method를 보면 POST를 확인할 수 있습니다.

import requests
res = requests.post(url, headers=headers, data=data)
res

Output: <Response [200]>

Status Code가 200으로 요청이 성공했음을 확인했습니다. 다음으로 받아온 데이터를 DataFrame으로 저장합니다.

import json
short_list = json.loads(res.text)['OutBlock_1']

import pandas as pd
df = pd.DataFrame(short_list)
df.columns = ['종목코드', '종목명', '증권구분', '공매도거래량', '공매도거래량업틱룰', '공매도거래량업틱룰예외', '거래량', '거래량비중', '공매도거래대금', '공매도거래대금업틱룰', '공매도거래대금업틱룰예외', '거래대금', '거래대금비중']

df

index	종목코드	종목명	증권구분	공매도거래량	공매도거래량업틱룰	공매도거래량업틱룰예외	거래량	거래량비중	공매도거래대금	공매도거래대금업틱룰	공매도거래대금업틱룰예외	거래대금	거래대금비중
0	095570	AJ네트웍스	주권	0	0	0	59,739	0.00	0	0	0	335,609,280	0.00
1	006840	AK홀딩스	주권	0	0	0	20,225	0.00	0	0	0	508,366,000	0.00
2	027410	BGF	주권	147,290	0	147,290	8,276,904	1.78	959,076,130	0	959,076,130	54,013,149,770	1.78
3	282330	BGF리테일	주권	1,480	1,402	78	22,489	6.58	244,731,000	231,828,500	12,902,500	3,734,658,000	6.55
4	138930	BNK금융지주	주권	54,962	54,962	0	2,228,770	2.47	463,644,520	463,644,520	0	18,819,972,080	2.46
…	…	…	…	…	…	…	…	…	…	…	…	…	…
1028	069260	휴켐스	주권	72,498	72,073	425	1,137,325	6.37	1,919,680,550	1,908,522,050	11,158,500	30,290,522,850	6.34
1029	000540	흥국화재	주권	0	0	0	83,281	0.00	0	0	0	318,332,140	0.00
1030	000547	흥국화재2우B	주권	0	0	0	192	0.00	0	0	0	5,323,000	0.00
1031	000545	흥국화재우	주권	0	0	0	988	0.00	0	0	0	8,514,770	0.00
1032	003280	흥아해운	주권	0	0	0	1,114,059	0.00	0	0	0	3,560,429,545	0.00

거래량비중으로 내림차순 정렬을 해보면 공매도 비중이 높은 종목 순위를 확인할 수 있습니다.

df.sort_values('거래량비중', ascending=False)

index	종목코드	종목명	증권구분	공매도거래량	공매도거래량업틱룰	공매도거래량업틱룰예외	거래량	거래량비중	공매도거래대금	공매도거래대금업틱룰	공매도거래대금업틱룰예외	거래대금	거래대금비중
51	294870	HDC현대산업개발	주권	54,935	54,935	0	562,433	9.77	1,353,057,750	1,353,057,750	0	13,880,230,400	9.75
1004	008770	호텔신라	주권	66,040	56,388	9,652	684,458	9.65	5,269,414,800	4,501,247,500	768,167,300	54,557,366,500	9.66
800	039490	키움증권	주권	4,561	4,071	490	47,299	9.64	484,180,000	432,296,500	51,883,500	5,018,881,500	9.65
813	003240	태광산업	주권	67	67	0	697	9.61	66,460,000	66,460,000	0	692,149,000	9.60
940	180640	한진칼	주권	5,587	4,961	626	58,832	9.50	315,127,600	279,921,100	35,206,500	3,317,193,800	9.50
…	…	…	…	…	…	…	…	…	…	…	…	…	…
433	007210	벽산	주권	2	0	2	3,489,885	0.00	8,060	0	8,060	14,442,649,335	0.00
434	002760	보락	주권	0	0	0	230,608	0.00	0	0	0	490,745,865	0.00
436	000890	보해양조	주권	0	0	0	1,282,073	0.00	0	0	0	1,233,822,775	0.00
438	001270	부국증권	주권	0	0	0	6,828	0.00	0	0	0	166,036,950	0.00
1032	003280	흥아해운	주권	0	0	0	1,114,059	0.00	0	0	0	3,560,429,545	0.00

그런데 조금 이상합니다. 거래량비중이 생각보다 적고 9.XX 값이 상위에 랭크됩니다. 이는 데이터 형식이 문자열(str)로 되어 있을 때 자주 겪는 문제입니다. 다음과 같이 거래량비중 컬럼의 데이터 형식을 float로 변경합니다.

df['거래량비중'] = df['거래량비중'].astype(float)

다시 정렬 결과를 확인하면 다음과 같이 제대로된 랭킹이 된 것을 확인할 수 있습니다.

df.sort_values('거래량비중', ascending=False)

index	종목코드	종목명	증권구분	공매도거래량	공매도거래량업틱룰	공매도거래량업틱룰예외	거래량	거래량비중	공매도거래대금	공매도거래대금업틱룰	공매도거래대금업틱룰예외	거래대금	거래대금비중
539	068270	셀트리온	주권	150,827	133,030	17,797	488,779	30.86	31,363,423,000	27,715,592,500	3,647,830,500	101,280,970,500	30.97
1024	081660	휠라홀딩스	주권	161,370	160,878	492	665,890	24.23	5,958,633,450	5,940,402,900	18,230,550	24,692,808,600	24.13
673	214320	이노션	주권	6,994	6,856	138	30,810	22.70	403,284,700	395,322,100	7,962,600	1,776,867,000	22.70
382	011170	롯데케미칼	주권	45,956	34,176	11,780	206,116	22.30	10,110,596,000	7,520,623,000	2,589,973,000	45,414,691,500	22.26
240	002350	넥센타이어	주권	27,712	25,176	2,536	125,204	22.13	208,348,430	189,322,060	19,026,370	941,065,640	22.14
…	…	…	…	…	…	…	…	…	…	…	…	…	…
433	007210	벽산	주권	2	0	2	3,489,885	0.00	8,060	0	8,060	14,442,649,335	0.00
434	002760	보락	주권	0	0	0	230,608	0.00	0	0	0	490,745,865	0.00
436	000890	보해양조	주권	0	0	0	1,282,073	0.00	0	0	0	1,233,822,775	0.00
438	001270	부국증권	주권	0	0	0	6,828	0.00	0	0	0	166,036,950	0.00
1032	003280	흥아해운	주권	0	0	0	1,114,059	0.00	0	0	0	3,560,429,545	0.00

개별종목 공매도 잔고 데이터 수집하기

이제 개별종목 공매도 잔고 데이터를 받아 보겠습니다. 비슷하게 요청 준비를 합니다.

url = 'http://data.krx.co.kr/comm/bldAttendant/getJsonData.cmd'
headers = {
    'Accept': 'application/json, text/javascript, */*; q=0.01',
    'Accept-Language': 'ko-KR,ko;q=0.9,en-US;q=0.8,en;q=0.7',
    'Content-Type': 'application/x-www-form-urlencoded; charset=UTF-8',
    'Origin': 'http://data.krx.co.kr',
    'Referer': 'http://data.krx.co.kr/contents/MDC/MDI/mdiLoader/index.cmd?menuId=MDC0201',
}
data = [
    ('bld', 'dbms/MDC/STAT/srt/MDCSTAT30501'),
    ('searchType', '1'),
    ('mktTpCd', '1'),
    ('trdDd', '20211102'),
    ('share', '1'),
    ('money', '1'),
    ('csvxls_isNo', 'false'),
]

res = requests.post(url, headers=headers, data=data)
res

Output: <Response [200]>

다음과 같이 받아온 데이터를 DataFrame으로 변환합니다.

df_shortbalance = pd.DataFrame(json.loads(res.text)['OutBlock_1'])
df_shortbalance

index	ISU_CD	ISU_ABBRV	BAL_QTY	LIST_SHRS	BAL_AMT	MKTCAP	BAL_RTO
0	095570	AJ네트웍스	34,255	46,822,295	190,115,250	259,863,737,250	0.07
1	006840	AK홀딩스	4,593	13,247,561	121,484,850	350,397,988,450	0.03
2	027410	BGF	48,440	95,716,791	279,014,400	551,328,716,160	0.05
3	282330	BGF리테일	5,016	17,283,906	825,132,000	2,843,202,537,000	0.03
4	138930	BNK금융지주	524,715	325,935,246	4,601,750,550	2,858,452,107,420	0.16
…	…	…	…	…	…	…	…
934	069260	휴켐스	953,658	40,878,588	26,320,960,800	1,128,249,028,800	2.33
935	000540	흥국화재	33,301	64,242,645	129,540,890	249,903,889,050	0.05
936	000547	흥국화재2우B	0	153,600	0	4,331,520,000	0.00
937	000545	흥국화재우	0	768,000	0	6,673,920,000	0.00
938	003280	흥아해운	84,187	240,424,899	311,070,965	888,370,001,805	0.04

df_shortbalance.columns = ['종목코드', '종목명', '공매도잔고수량', '상장주식수', '공매도잔고금액', '시가총액', '비중']
df_shortbalance

index	종목코드	종목명	공매도잔고수량	상장주식수	공매도잔고금액	시가총액	비중
0	095570	AJ네트웍스	34,255	46,822,295	190,115,250	259,863,737,250	0.07
1	006840	AK홀딩스	4,593	13,247,561	121,484,850	350,397,988,450	0.03
2	027410	BGF	48,440	95,716,791	279,014,400	551,328,716,160	0.05
3	282330	BGF리테일	5,016	17,283,906	825,132,000	2,843,202,537,000	0.03
4	138930	BNK금융지주	524,715	325,935,246	4,601,750,550	2,858,452,107,420	0.16
…	…	…	…	…	…	…	…
934	069260	휴켐스	953,658	40,878,588	26,320,960,800	1,128,249,028,800	2.33
935	000540	흥국화재	33,301	64,242,645	129,540,890	249,903,889,050	0.05
936	000547	흥국화재2우B	0	153,600	0	4,331,520,000	0.00
937	000545	흥국화재우	0	768,000	0	6,673,920,000	0.00
938	003280	흥아해운	84,187	240,424,899	311,070,965	888,370,001,805	0.04

이번에는 비중 컬럼으로 내림차순 정렬을 해봅니다. 마찬가지로 문자열 정렬 문제가 있을 수 있으므로 이 컬럼을 float으로 변환하고 정렬합니다.

df_shortbalance['비중'] = df_shortbalance['비중'].astype(float)
df_shortbalance.sort_values('비중', ascending=False)

index	종목코드	종목명	공매도잔고수량	상장주식수	공매도잔고금액	시가총액	비중
78	034220	LG디스플레이	28,935,291	357,815,700	568,578,468,150	7,031,078,505,000	8.09
339	032350	롯데관광개발	4,726,867	69,275,662	94,300,996,650	1,382,049,456,900	6.82
910	008770	호텔신라	2,462,557	39,248,121	198,974,605,600	3,171,248,176,800	6.27
46	011200	HMM	20,968,085	405,392,487	574,525,529,000	11,107,754,143,800	5.17
523	019170	신풍제약	2,499,527	52,984,990	128,225,735,100	2,718,129,987,000	4.72
…	…	…	…	…	…	…	…
313	030720	동원수산	0	4,653,805	0	45,886,517,300	0.00
315	014825	동원시스템즈우	0	265,358	0	8,809,885,600	0.00
644	000230	일동홀딩스	0	11,540,400	0	156,949,440,000	0.00
316	163560	동일고무벨트	0	13,900,000	0	116,760,000,000	0.00
261	006340	대원전선	0	71,016,967	0	142,033,934,000	0.00

공매도 거래와 공매도 잔고 데이터 합치기

이제 두 데이터를 합쳐서 확인해 보겠습니다. df는 공매도 거래 데이터이고 df_shortbalance는 공매도 잔고 데이터입니다. 이들 둘을 pandas merge() 메소드로 합치겠습니다.

_df = df.merge(df_shortbalance, how='outer', on='종목코드', suffixes=('', '_dup'))

이 데이터로 다양한 분석을 해볼 수 있겠습니다. 여기서는 공매도 잔고는 많으면서 공매도 거래는 적은 순으로 정렬해 봅니다.

_df['score'] = _df['비중'] / (_df['거래량비중'] + 1)
_df.sort_values('score', ascending=False)

index	종목코드	종목명	증권구분	공매도거래량	공매도거래량업틱룰	공매도거래량업틱룰예외	거래량	거래량비중	공매도거래대금	공매도거래대금업틱룰	공매도거래대금업틱룰예외	거래대금	거래대금비중	종목명_dup	공매도잔고수량	상장주식수	공매도잔고금액	시가총액	비중	score
97	034220	LG디스플레이	주권	4,420	2,290	2,130	1,949,194	0.23	89,668,950	46,585,150	43,083,800	39,626,663,800	0.23	LG디스플레이	28,935,291	357,815,700	568,578,468,150	7,031,078,505,000	8.09	6.577236
620	097520	엠씨넥스	주권	30	0	30	83,676	0.04	1,333,050	0	1,333,050	3,713,085,850	0.04	엠씨넥스	435,409	17,963,282	19,332,159,600	797,569,720,800	2.42	2.326923
370	032350	롯데관광개발	주권	17,567	16,928	639	882,332	1.99	324,702,700	312,941,650	11,761,050	16,281,919,250	1.99	롯데관광개발	4,726,867	69,275,662	94,300,996,650	1,382,049,456,900	6.82	2.280936
699	006490	인스코비	주권	675	0	675	1,384,422	0.05	2,285,320	0	2,285,320	4,702,224,255	0.05	인스코비	1,824,640	109,848,100	6,541,334,400	393,805,438,500	1.66	1.580952
578	003620	쌍용차	주권	0	0	0	0	0.00	0	0	0	0	0.00	쌍용차	2,180,965	149,840,002	6,041,273,050	415,056,805,540	1.46	1.460000
…	…	…	…	…	…	…	…	…	…	…	…	…	…	…	…	…	…	…	…	…
983	75701B93	현대유퍼스트부동산25호 A	수익증권	0	0	0	0	0.00	0	0	0	0	0.00	NaN	NaN	NaN	NaN	NaN	NaN	NaN
984	75702B93	현대유퍼스트부동산25호 C-i	수익증권	0	0	0	0	0.00	0	0	0	0	0.00	NaN	NaN	NaN	NaN	NaN	NaN	NaN
985	75701BA7	현대유퍼스트부동산30호[파생형] A	수익증권	0	0	0	0	0.00	0	0	0	0	0.00	NaN	NaN	NaN	NaN	NaN	NaN	NaN
986	75702BA7	현대유퍼스트부동산30호[파생형] C-i	수익증권	0	0	0	0	0.00	0	0	0	0	0.00	NaN	NaN	NaN	NaN

공매도 잔고가 많다는 것은 다시 상환해야 할 물량이 많다는 것이고 동시에 공매도 거래 비중이 적다면 주가가 바닥에 가까워 졌다고 추측해 볼 여지가 있습니다. 주식 거래에서 확실한 것은 없습니다. 다양한 금융데이터 분석을 통해 성공적인 투자에 한걸음씩 다가가는 것이 중요하다고 봅니다.

[2021-08-13] 공매도 상위 종목 살펴보기

Aug 15, 2021

공매도는 주식을 빌려서 파는 행위를 말합니다. 주가가 하락한다는 쪽에 베팅하는 것입니다. 이러한 베팅을 숏(Short) 포지션 취한다고 합니다. 주가가 하락할 것이라고 예상하고 주식을 빌려서 현재 가격에 매도하고 주가가 떨어졌을 때 다시 매수해서 빌린 주식을 갚는 것입니다.

공매도는 2020년 3월에 주가 급락을 막기 위해 금지됐었습니다. 그렇게 1년 2개월간 금지된 공매도가 2021년 5월에 재개됐습니다. 공매도는 개인투자자들이 하기 어렵고 그만큼 개인투자자들의 공매도에 대한 부정적인 인식이 강합니다.

공매도가 많다고 해서 주가가 꼭 하락한다는 보장은 없지만 공매도의 현황을 파악해 놓는 것은 중요하다고 생각합니다. 공매도의 추세가 증가하면 가급적 매수를 자제하는 것이 좋다고 생각합니다. 다만 공매도가 많다가 줄어드는 추세이고 대차잔고가 많은 상태면 주가가 바닥권이라는 예측을 해볼 수도 있습니다. 대차잔고는 주식을 빌리고 아직 갚지 않은 주식 수를 의미합니다. 즉, 대차잔고만큼 앞으로 매수가 이뤄질 것이란 의미입니다.

퀀티랩 종목지표/공매도 메뉴에서 종목별 공매도 현황을 표로 확인할 수 있습니다.

이 포스트에서는 2021-08-13 기준으로 공매도율, 대차잔고율, 대차잔고액 순위를 살펴보겠습니다.

공매도율 Top 20

종목명	주가	등락율(%)	공매도액(만원)	공매도율(%)	대차잔고액(만원)	대차잔고율(%)
티씨케이	173,400	-1.64	137,556	25.57
넷마블	127,000	-3.79	1,398,730	25.51	9,808,533	0.85
하림지주	9,580	-1.54	65,510	22.83
SK머티리얼즈	432,000	-1.5	508,959	21.26
휴온스	61,400	-1.76	76,527	19.85
금호석유화학	192,500	-2.53	1,408,193	18.88	14,948,029	2.48
엔씨소프트	786,000	-2.48	1,563,723	18.7	7,751,709	0.43
리노공업	172,400	0.17	151,018	18.69
CJ대한통운	165,500	-2.07	189,097	18.43	845,591	0.22
GS리테일	33,200	-1.92	443,432	18.12	711,763	0.2
고영	23,450	-2.09	84,659	17.43
주성엔지니어링	13,050	-1.14	326,588	17.19
SK텔레콤	306,000	-2.08	1,344,422	17.12	8,681,719	0.4
동국제약	24,700	-1.79	71,298	17.11
팬오션	7,410	-4.39	1,044,217	16.94	4,016,525	1.03
하나투어	75,600	-2.45	265,633	16.83	1,204,780	1.09
S-Oil	93,800	-1.37	360,719	16.51	2,908,925	0.28
제일기획	23,200	-0.22	108,406	15.71	429,828	0.16
이오테크닉스	112,700	-3.1	153,843	15.5
한화솔루션	38,700	-2.27	564,867	15.41	12,955,934	1.7

대차잔고율 Top 20

종목명	주가	등락율(%)	공매도액(만원)	공매도율(%)	대차잔고액(만원)	대차잔고율(%)
롯데관광개발	18,900	-2.07	56,884	6.66	9,874,871	7.25
LG디스플레이	20,800	-3.48	971,078	11.97	50,027,642	6.31
신풍제약	66,800	-6.96	867,669	3.59	14,668,319	4.31
HMM	39,150	-3.69	100,346	0.45	64,919,667	4.13
엠씨넥스	45,500	-1.62	27	0.00	3,234,984	3.81
삼성중공업	6,170	-2.68	179,177	5.73	15,810,589	3.73
OCI	107,000	-3.60	178,287	2.69	8,522,111	3.18
셀트리온	275,500	-2.13	960,199	4.45	112,924,125	3.03
부광약품	20,400	-2.86	65,716	3.80	4,234,188	2.84
일양약품	34,150	-1.73	31,317	7.04	1,721,090	2.58
호텔신라	90,000	-2.39	313,553	6.93	9,290,901	2.57
금호석유화학	192,500	-2.53	1,408,193	18.88	14,948,029	2.48
두산퓨얼셀	48,400	-2.22	38,571	1.53	8,021,749	2.43
한전기술	48,150	-3.89	42,456	2.39	3,857,609	1.99
GKL	15,700	-1.26	43,621	8.02	1,931,880	1.93
삼양식품	87,800	-0.79	19,858	6.28	1,279,720	1.90
인스코비	4,325	14.57	880	0.01	686,171	1.79
씨에스윈드	80,100	-2.44	300,555	8.81	5,912,298	1.77
CJ CGV	28,750	-2.87	46,465	2.57	1,942,759	1.72
한화솔루션	38,700	-2.27	564,867	15.41	12,955,934	1.70

대차잔고액 Top 20

종목명	주가	등락율(%)	공매도액(만원)	공매도율(%)	대차잔고액(만원)	대차잔고율(%)
셀트리온	275,500	-2.13	960,199	4.45	112,924,125	3.03
HMM	39,150	-3.69	100,346	0.45	64,919,667	4.13
LG디스플레이	20,800	-3.48	971,078	11.97	50,027,642	6.31
현대자동차	217,000	-0.91	654,372	3.51	32,678,479	0.70
삼성바이오로직스	983,000	1.13	683,405	4.81	20,547,059	0.33
아모레퍼시픽	220,500	-1.78	388,536	10.83	17,527,987	1.32
삼성중공업	6,170	-2.68	179,177	5.73	15,810,589	3.73
금호석유화학	192,500	-2.53	1,408,193	18.88	14,948,029	2.48
LG생활건강	1,444,000	1.62	498,012	7.06	14,773,656	0.66
신풍제약	66,800	-6.96	867,669	3.59	14,668,319	4.31
SK이노베이션	248,500	2.69	1,440,198	5.32	14,506,495	0.65
LG화학	896,000	2.05	1,345,033	3.79	14,318,371	0.24
한화솔루션	38,700	-2.27	564,867	15.41	12,955,934	1.70
카카오	146,000	-1.02	2,591,342	8.29	12,739,610	0.20
포스코케미칼	155,000	1.31	1,070,661	14.55	12,592,228	1.05
한국조선해양	119,000	-0.83	93,640	2.25	10,713,972	1.22
롯데관광개발	18,900	-2.07	56,884	6.66	9,874,871	7.25
두산중공업	20,800	-4.15	215,178	1.67	9,809,839	0.89
넷마블	127,000	-3.79	1,398,730	25.51	9,808,533	0.85
삼성전자	74,400	-3.38	13,590,049	3.00	9,771,279	0.02

여기서 대차잔고액은 높은데 공매도율은 낮은 종목으로는 HMM이 있습니다. HMM의 공매도 흐름을 살펴보면 다음과 같습니다.

HMM 공매도

7월달을 보면 공매도율이 무려 25% 가까이 있었다는 것을 알 수 있습니다. 이 공매도 물량을 언제 상환할 지는 모르겠지만 최근 공매도율은 낮아진 것으로 보입니다.

여기에 BDI 역시 높은 상황이라 HMM이 다시 올라갈 여지도 있어 보입니다.

BDI