엑셀은 이제 그만: 파이썬 Pandas로 내 배당주 포트폴리오 시각화하기

안녕하세요. 기술의 레버리지를 활용해 자산의 발자취를 기록하는 insightfootprint입니다.

매달 일정 금액을 ISA와 연금 계좌, 그리고 배당주에 투자하면서 제가 가장 답답했던 점은 무엇일까요?
바로 '내 자산의 흐름을 한눈에 파악하기 어렵다'는 것이었습니다.
증권사 앱에서 제공하는 차트는 단편적이고, 엑셀은 매번 데이터를 수동으로 입력해야 하는 번거로움이 있습니다.

그래서 저는 오늘, 제가 직접 자산 분석에 활용하고 있는 파이썬의 강력한 라이브러리인 Pandas와 시각화 도구들을 소개하려 합니다.
단순한 코딩 공부가 아닌, 경제적 자유를 앞당기기 위한 데이터 분석 도구로서 파이썬을 만나보시기 바랍니다.

---

1. 왜 엑셀이 아니라 'Pandas'인가?

투자 자산이 늘어날수록 관리해야 할 데이터의 양은 방대해집니다.
종목별 배당률, 매수 시점별 수익률, 계좌별 비중 등 엑셀로는 한계가 오는 시점이 반드시 옵니다.

Pandas는 수만 행의 데이터를 단 몇 줄의 코드로 가공할 수 있게 해주는 파이썬의 핵심 라이브러리입니다.
제가 Pandas를 고집하는 이유는 세 가지입니다.

• 자동화: 한 번 코드를 짜두면, 새로운 투자 데이터를 넣기만 해도 분석 보고서가 완성됩니다.
• 정교함: 엑셀에서 구현하기 복잡한 통계 분석이나 조건부 필터링이 매우 쉽습니다.
• 확장성: 추후 AI 모델을 결합해 내 포트폴리오의 미래 수익률을 예측하는 단계로 나아갈 수 있습니다.

---

2. 실전 데이터 핸들링: 내 포트폴리오 불러오기

단순한 Hello World 예제 대신, 실제 투자 데이터를 다루는 법을 살펴보겠습니다. Pandas의 DataFrame은 엑셀의 표와 같은 역할을 합니다.

import pandas as pd

# 내 투자 포트폴리오 데이터 생성 (예시)
data = {
    '종목명': ['SCHD', 'JEPI', '애플', '리얼티인컴'],
    '보유비중': [40, 20, 25, 15],
    '연배당률': [3.4, 7.5, 0.5, 5.5]
}

df = pd.DataFrame(data)
print(df)

위와 같이 간단한 코드로 내 자산 현황을 데이터프레임 화할 수 있습니다.
여기서 중요한 것은 '데이터를 어떻게 다루느냐'가 아니라 '데이터를 통해 무엇을 보느냐'입니다.

2-1. 실전 데이터 핸들링: 5분 만에 분석 환경 준비하기

코딩이 처음인 분들은 "내 컴퓨터에 아무것도 없는데 어떻게 실행하지?"라는 걱정부터 앞서실 겁니다. 하지만 걱정 마세요. 우리는 딱 두 가지만 알면 됩니다.

방법 A. 내 컴퓨터에 설치하기 (가장 정석적인 방법)

파이썬이 설치되어 있다면, 터미널(또는 CMD) 창에 아래 명령어를 입력하는 것만으로 Pandas와 시각화 도구 설치가 끝납니다.

pip install pandas matplotlib seaborn

방법 B. 설치 없이 바로 실행하기 (강력 추천!)

설치 과정이 번거롭다면 구글에서 제공하는 'Google Colab(코랩)'을 활용해 보세요.
웹 브라우저만 있으면 별도의 설치 없이 즉시 Pandas 코드를 실행할 수 있습니다. (구글 드라이브와 연동되어 데이터 관리도 매우 편합니다.)

---

내 자산 데이터를 데이터프레임으로 만들기

준비가 되었다면, 이제 엑셀 데이터를 파이썬으로 옮겨올 차례입니다. 단순히 표를 만드는 것을 넘어, '매달 들어올 예상 배당금'을 자동 계산하는 코드를 짜보겠습니다.

import pandas as pd

# 1. 내 투자 포트폴리오 데이터 구성
data = {
    '종목명': ['SCHD', 'JEPI', '애플', '리얼티인컴'],
    '보유금액(만원)': [1500, 800, 1000, 700],
    '연배당률(%)': [3.4, 7.5, 0.5, 5.5]
}

# 2. Pandas 데이터프레임 생성
df = pd.DataFrame(data)

# 3. 데이터 가공: 연간 예상 배당금 및 월평균 배당금 계산
df['연간배당금(만원)'] = df['보유금액(만원)'] * (df['연배당률(%)'] / 100)
df['월평균배당금(만원)'] = df['연간배당금(만원)'] / 12

# 4. 결과 확인
print(df)
print(f"\n총 자산: {df['보유금액(만원)'].sum()}만원")
print(f"예상 월 현금흐름: {df['월평균배당금(만원)'].sum():.2f}만원")

  - 출력 결과

     종목명  보유금액(만원)  연배당률(%)  연간배당금(만원)  월평균배당금(만원)
0   SCHD      1500      3.4       51.0    4.250000
1   JEPI       800      7.5       60.0    5.000000
2     애플      1000      0.5        5.0    0.416667
3  리얼티인컴       700      5.5       38.5    3.208333

총 자산: 4000만원
예상 월 현금흐름: 12.88만원

이 짧은 코드가 주는 가치는 엄청납니다. 단순히 숫자를 나열하는 엑셀과 달리,
위 코드를 조금만 응용하면 "만약 내가 매달 200만 원을 추가 매수한다면, 1년 뒤 내 배당금은 어떻게 변할까?"라는 미래 시뮬레이션까지 가능해지기 때문입니다.

---

3. 데이터 시각화: 리스크를 한눈에 발견하는 법

데이터를 표로 보는 것과 그래프로 보는 것은 천지차이입니다. 특히 자산 배분 투자자에게 시각화는 '리스크 관리'의 핵심입니다. 저는 Matplotlib과 Seaborn 라이브러리를 활용해 제 포트폴리오의 종목 쏠림 현상을 감시합니다.

• 파이 차트(Pie Chart): 특정 종목이나 섹터의 비중이 너무 높지는 않은가?
• 히스토그램(Histogram): 내 배당주들의 배당률 분포는 안정적인가?
• 선 그래프(Line Chart): 월 200만 원의 투자금이 투입될 때, 내 자산의 성장 곡선은 목표치를 따라가고 있는가?

시각화를 통해 "아, 지금 내 포트폴리오에서 기술주 비중이 너무 높구나" 혹은 "배당 수익률이 목표치보다 낮아지고 있네"라는
통찰(Insight)을 즉각적으로 얻을 수 있습니다.

데이터와 자산을 연결해놓은 이상적인 상태

---

4. 결론: 코딩은 기술이 아니라 '도구'입니다

많은 분이 파이썬과 Pandas를 어렵게 생각합니다. 하지만 기억하세요.
우리의 목표는 '개발자'가 되는 것이 아니라, '현명한 투자자'가 되는 것입니다.

AI의 역사를 공부하고 파이썬 기초를 익히는 모든 과정은 결국 나의 노동 시간을 줄이고, 시스템이 돈을 벌게 만드는 구조를 짜기 위함입니다. 오늘 배운 Pandas의 기초가 훗날 여러분의 은퇴 시점을 1년, 2년 앞당기는 강력한 무기가 될 것이라 확신합니다.

여러분은 현재 자산 현황을 어떻게 관리하고 계신가요?
엑셀만으로 부족함을 느끼셨다면, 이제 파이썬의 세계로 발을 내디뎌 보시길 바랍니다.