기본 콘텐츠로 건너뛰기

pandas_ta를 적용한 통계적 인덱스 지표

[data analysis] FinanceDataReader에 의한 금융자료 호출

FinanceDataReader에 의한 금융자료 호출

파이썬 라이브러리인 FinanceDataReader를 사용하여 웹을 통해 다양한 금융데이터를 호출하여 사용할 수 있으며 이 데이터의 기본 구조는 pandas.DataFrame 구조로서 pandas의 여러 메소드나 함수를 적용하여 데이터를 조정할 수 있습니다.

FinanceDataReader 라이브러리를 사용하여 국내외 다양한 자료를 입수할 수 있습니다.

이 모듈은 두개의 함수를 가지고 있습니다.

  • StockListing(market):
    • market에 포함된 종목의 코드, 이름, 개요 등을 호출
    • RX : KRX 종목 전체
    • OSPI : KOSPI 종목
    • OSDAQ : KOSDAQ 종목
    • ONEX : KONEX 종목
    • ASDAQ : 나스닥 종목
    • NYSE : 뉴욕증권거래소 종목
    • P500 : S&P500 종목
  • DataReader(symbol, start=None, end=None, country=None)
    • 코드(symbol)에 대응하는 가격 데이터를 호출
    • 시작 날짜만 입력하면 현재까지의 자료를 호출
import numpy as np
import pandas as pd 
import FinanceDataReader as fdr
import matplotlib.pyplot as plt
df_krx=fdr.StockListing('KRX')
df_krx.head(2)
Code ISU_CD Name …
0 005930 KR7005930003 삼성전자 …
1 000660 KR7000660001 SK하이닉스 …
fdr.StockListing('KOSPI').iloc[:,[0, 2]]
Code Name
0 005930 삼성전자
1 000660 SK하이닉스
2 373220 LG에너지솔루션
3 207940 삼성바이오로직스
4 005380 현대차
... ... ...
953 014915 성문전자우
954 004415 서울식품우
955 001525 동양우
956 001527 동양2우B
957 002995 금호건설우

개별 주가 데이터

sd=pd.Timestamp(2024,8, 23)
d=fdr.DataReader("005930", sd)
d
Open High Low Close Volume Change
Date
2024-08-23 77700 78400 77500 77700 9420306 -0.007663
2024-08-26 78100 78200 76100 76300 10554181 -0.018018
ed=pd.Timestamp(2024,8, 22)
d1=fdr.DataReader("000660", sd, ed)
d1
Open High Low Close Volume Change
Date
2024-08-20 198700 202500 198100 199700 4258190 0.029912
2024-08-21 193000 195400 191100 192600 4508983 -0.035553
2024-08-22 192000 194400 189000 191100 3166217 -0.007788

한국과 미국 등 외국의 주요지수는 다음 코드(심볼)로 호출합니다.

심볼(한국) 설명  심볼(미국) 설명
KS11 KOSPI 지수  DJI다우지수
KQ11KOSDAQ 지수 IXIC나스닥지수
KS50KOSPI50지수 US500S&P500 지수
KS100KOSPI100 지수  VIXVIX
KRX100KRX100 ^sox필라델피아반도체 지수
KS200KOSPI200 지수  
sd=pd.Timestamp(2024,8, 20)
ed=pd.Timestamp(2024,8, 22)
d1=fdr.DataReader("^sox", sd, ed)
d1
Open High Low Close Adj Close Volume
Date
2024-08-20 5237.290039 5273.270020 5159.100098 5196.299805 5196.299805 0
2024-08-21 5232.299805 5288.540039 5205.089844 5267.930176 5267.930176 0

환율 데이터

심볼 설명
USD/KRW 달러당 원화
USD/EUR 달러당 유로화
USD/JPY 달러당 엔화
CNY/KRW 위엔화 원화
EUR/USD 유로화 달러
USD/JPY 달러 엔화
JPY/KRW 엔화 원화
AUD/USD 오스트레일리아 달러
EUR/JPY 유로화 엔화
USD/RUB 달러 루블화
ex=fdr.DataReader("USD/KRW", sd, ed)
ex
Open High Low Close Adj Close Volume
Date
2024-08-20 1330.880005 1335.619995 1313.410034 1330.880005 1330.880005 0
2024-08-21 1327.579956 1339.640015 1324.400024 1327.579956 1327.579956 0

호출한 데이터는 DataFrame으로 다음의 인덱스와 컬럼을 가집니다.

type(ex)
pandas.core.frame.DataFrame
ex.index
DatetimeIndex(['2024-08-20', '2024-08-21'], dtype='datetime64[ns]', name='Date', freq=None)
ex.columns
Index(['Open', 'High', 'Low', 'Close', 'Adj Close', 'Volume'], dtype='object')

호출한 데이터의 인덱스는 datetime64형으로 시간을 나타내는 pandas의 자료형입니다. 즉, 호출한 데이터는 시간에 따라 정돈된 시계열(time series)입니다. 이러한 시계열 인덱스는 pandas의 함수 또는 메서드를 사용하여 생성하고 조정할 수 있습니다.

댓글

이 블로그의 인기 게시물

[Linear Algebra] 유사변환(Similarity transformation)

유사변환(Similarity transformation) n×n 차원의 정방 행렬 A, B 그리고 가역 행렬 P 사이에 식 1의 관계가 성립하면 행렬 A와 B는 유사행렬(similarity matrix)이 되며 행렬 A를 가역행렬 P와 B로 분해하는 것을 유사 변환(similarity transformation) 이라고 합니다. $$\tag{1} A = PBP^{-1} \Leftrightarrow P^{-1}AP = B $$ 식 2는 식 1의 양변에 B의 고유값을 고려한 것입니다. \begin{align}\tag{식 2} B - \lambda I &= P^{-1}AP – \lambda P^{-1}P\\ &= P^{-1}(AP – \lambda P)\\ &= P^{-1}(A - \lambda I)P \end{align} 식 2의 행렬식은 식 3과 같이 정리됩니다. \begin{align} &\begin{aligned}\textsf{det}(B - \lambda I ) & = \textsf{det}(P^{-1}(AP – \lambda P))\\ &= \textsf{det}(P^{-1}) \textsf{det}((A – \lambda I)) \textsf{det}(P)\\ &= \textsf{det}(P^{-1}) \textsf{det}(P) \textsf{det}((A – \lambda I))\\ &= \textsf{det}(A – \lambda I)\end{aligned}\\ &\begin{aligned}\because \; \textsf{det}(P^{-1}) \textsf{det}(P) &= \textsf{det}(P^{-1}P)\\ &= \textsf{det}(I)\end{aligned}\end{align} 유사행렬의 특성 유사행렬인 두 정방행렬 A와 B는 'A ~ B' 와 같...

유리함수 그래프와 점근선 그리기

내용 유리함수(Rational Function) 점근선(asymptote) 유리함수 그래프와 점근선 그리기 유리함수(Rational Function) 유리함수는 분수형태의 함수를 의미합니다. 예를들어 다음 함수는 분수형태의 유리함수입니다. $$f(x)=\frac{x^{2} - 1}{x^{2} + x - 6}$$ 분수의 경우 분모가 0인 경우 정의할 수 없습니다. 이와 마찬가지로 유리함수 f(x)의 정의역은 분모가 0이 아닌 부분이어야 합니다. 그러므로 위함수의 정의역은 분모가 0인 부분을 제외한 부분들로 구성됩니다. sympt=solve(denom(f), a); asympt [-3, 2] $$-\infty \lt x \lt -3, \quad -3 \lt x \lt 2, \quad 2 \lt x \lt \infty$$ 이 정의역을 고려해 그래프를 작성을 위한 사용자 정의함수는 다음과 같습니다. def validX(x, f, symbol): ① a=[] b=[] for i in x: try: b.append(float(f.subs(symbol, i))) a.append(i) except: pass return(a, b) #x는 임의로 지정한 정의역으로 불연속선점을 기준으로 구분된 몇개의 구간으로 전달할 수 있습니다. #그러므로 인수 x는 2차원이어야 합니다. def RationalPlot(x, f, sym, dp=100): fig, ax=plt.subplots(dpi=dp) # ② for k in x: #③ x4, y4=validX(k, f, sym) ax.plot(x4, y4) ax.spines['left'].set_position(('data', 0)) ax.spines['right...

turtle로 정오각형 그리기

정오각형 그리기  오각형을 그리는 것 역시 정사각형 , 정삼각형 을 그리는 것과 유사한 과정을 거칩니다. 단지 각 꼭지점의 각도만이 다르지요. 그러면 정오각형의 각 모서리의 각도는 어떻게 될까요? 이를 생각하기에 앞서 각 도형의 내각을 먼저 생각해보죠. 우리는 삼각형의 내각의 합을 알고 있습니다. 이를 이용하면 각 도형에서 삼각형이 몇개가 존재하는지를 알아보고 "삼각형의 갯수×180"로 그 도형의 내각의 합을 구할 수 있을 것입니다. 다음 그림을 볼까요? 위 그림의 사각형은 1개의 대각선으로 2개의 삼각형으로 구성됩니다. 오각형의 경우 2개의 대각선으로 3개의 삼각형으로 구성됩니다. 즉, 다음의 관계를 보이지요. 사각형의 내각 : 삼각형 2개 2×180=360 한각의 값  360/4=90 오각형의 내각 : 삼각형 3개 3×180=540 한각의 값  540/5=108 육각형의 내각 : 삼각형 4개 4×180=720 한각의 값  720/6=120 ... 위 그림에서 내각과 외각의 관계를 보면 위 그림의 검은색은 각 모서리의 내각이고 빨간색은 외각을 나타냅니다. 외각은 내각을 이루는 하나의 선을 연장했을 경우 상대되는 각도이라고 했습니다. 그러므로 오각형의 경우 내각 108도에 대한 외각은 72도입니다. 특이할 사항은 사각형이나 오각형이나 외각의 합은 360입니다. 즉, 모든 도형의 외각의 합은 360도입니다. (삼각형의 외각의 합을 구해보세요.) 그러므로 모든 정다각형에서 하나의 외각은 다음과 같이 계산될 수 있겠지요. 360/변수의 수=다각형에서 하나의 외각 위에서 회전을 할 경우 내각이 아닌 외각을 사용해야 함을 알았습니다. 그러므로 오각형을 그리는 계획은 다음과 같이 작성할 수 있겠죠. 1) 지정한 길이만큼 앞으로 이동합니다. 2) 오른쪽 또는 왼쪽으로 72도를 회전합니다. 3) 앞으로 동일한 길이만큼 이동합니다. 4) 오른쪽 또는 왼쪽으로 72도 만큼 이동합니다. 5)1번부터 4번 ...