파이썬 패키지 활용 - FinanceDataReader에 대하여
in Data Science on ML/DL
FinanceDataReader Package
FinanceDataReader 라는 엄청난 패키지가 어떤분이 개발하셨는지는 몰라도 재무데이터 모으는 나같은 사람에겐 실무에 큰 도움이 되었다. 진심 감사드린다. 이 패키지를 설치하고 임포트해서 간단한 주가 시계열 분석을 진행해보고자 한다. 나도 제대로 써보는 건 처음이라.. 그래도 누군가 이 포스트를 보고 도움이 되기를 간절히 바란다. 내가 하고픈 건, 원하는 주식 또는 상장ETF의 종가 Movement를 아래 그래프처럼 시각화 해보고자 한다.
import matplotlib.pyplot as plt
plt.rcParams["font.family"] = 'NanumGothic'
plt.rcParams["axes.grid"] = True
plt.rcParams["figure.figsize"] = (15,15)
plt.rcParams["axes.formatter.useoffset"] = False
plt.rcParams['axes.unicode_minus'] = False
plt.rcParams["axes.formatter.limits"] = -10000, 10000
df.plot()
<AxesSubplot:xlabel='Date'>
우선, 패키지를 임포트 하고 버젼을 확인해본다.
import FinanceDataReader as fdr
fdr.__version__
'0.9.10'
사용 가이드에 따라서 차분히 하나씩 해보고자 한다. 국내 상장사는 참고로 코스피, 코스닥, 코넥스가 존재한다. 이 3가지 마켓에 상장된 회사들의 리스트는 아래 명령어를 통해 한번에 DataFrame형태로 불러올 수 있다.
KRX_LISTING = fdr.StockListing('KRX') #참고로 NYSE를 입력하면 미국시장도 소환가능!
어떤 정보를 가져왔는지 개요는 아래와 같다. 깔끔하게 약 10가지 정보를 DataFrame으로 제공해준다.
KRX_LISTING.info()
<class 'pandas.core.frame.DataFrame'>
Int64Index: 2597 entries, 0 to 2596
Data columns (total 10 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 Symbol 2597 non-null object
1 Market 2597 non-null object
2 Name 2597 non-null object
3 Sector 2397 non-null object
4 Industry 2377 non-null object
5 ListingDate 2397 non-null datetime64[ns]
6 SettleMonth 2397 non-null object
7 Representative 2397 non-null object
8 HomePage 2229 non-null object
9 Region 2397 non-null object
dtypes: datetime64[ns](1), object(9)
memory usage: 223.2+ KB
KRX_LISTING
| Symbol | Market | Name | Sector | Industry | ListingDate | SettleMonth | Representative | HomePage | Region | |
|---|---|---|---|---|---|---|---|---|---|---|
| 0 | 060310 | KOSDAQ | 3S | 특수 목적용 기계 제조업 | 반도체 웨이퍼 캐리어 | 2002-04-23 | 03월 | 박종익, 김세완 (각자 대표이사) | http://www.3sref.com | 서울특별시 |
| 1 | 095570 | KOSPI | AJ네트웍스 | 산업용 기계 및 장비 임대업 | 렌탈(파렛트, OA장비, 건설장비) | 2015-08-21 | 12월 | 이현우 | http://www.ajnet.co.kr | 서울특별시 |
| 2 | 006840 | KOSPI | AK홀딩스 | 기타 금융업 | 지주사업 | 1999-08-11 | 12월 | 채형석, 이석주(각자 대표이사) | http://www.aekyunggroup.co.kr | 서울특별시 |
| 3 | 054620 | KOSDAQ | APS홀딩스 | 기타 금융업 | 인터넷 트래픽 솔루션 | 2001-12-04 | 12월 | 정기로 | http://www.apsholdings.co.kr | 경기도 |
| 4 | 265520 | KOSDAQ | AP시스템 | 특수 목적용 기계 제조업 | 디스플레이 제조 장비 | 2017-04-07 | 12월 | 김영주 | http://www.apsystems.co.kr | 경기도 |
| ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
| 2592 | 000547 | KOSPI | 흥국화재2우B | NaN | NaN | NaT | NaN | NaN | NaN | NaN |
| 2593 | 000545 | KOSPI | 흥국화재우 | NaN | NaN | NaT | NaN | NaN | NaN | NaN |
| 2594 | 003280 | KOSPI | 흥아해운 | 해상 운송업 | 외항화물운송업(케미컬탱커) | 1976-06-29 | 12월 | 이환구 | http://www.heung-a.com | 서울특별시 |
| 2595 | 037440 | KOSDAQ | 희림 | 건축기술, 엔지니어링 및 관련 기술 서비스업 | 설계 및 감리용역 | 2000-02-03 | 12월 | 정영균, 이목운, 허철호, 염두성 (각자대표) | http://www.heerim.com | 서울특별시 |
| 2596 | 238490 | KOSDAQ | 힘스 | 특수 목적용 기계 제조업 | OLED Mask 인장기, OLED Mask 검사기 등 | 2017-07-20 | 12월 | 김주환 | http://www.hims.co.kr | 인천광역시 |
2597 rows × 10 columns
**약 2597개 회사들이 검색되고 있다. 이게 실제 맞는 숫자인지는 모르겠으나 코드 뒷단을 뜯어보니 krx marketdata에서 가져오는 것처럼 보여서 아마도 최신이 계속 반영되는 원천을 가지고 있는 듯하다. 여튼 다행 **
테스트 삼아서 2가지 종목 005930과 000660의 가격추이를 그려본다. 참고로 잘 아는 삼성전자와 하이닉스다.
df1 = fdr.DataReader('005930', '2019-10-01', '2020-12-04') #삼성전자
df2 = fdr.DataReader('000660', '2019-10-01', '2020-12-04') #하이닉스
df1['Close'].plot()
df2['Close'].plot()
<AxesSubplot:xlabel='Date'>
최근에 크게 가격이 상승한 것으로 보여진다. 특히 하이닉스. 이런형태로 각 종목별 레이블링과 기간에따른 종가 Movement를 조금더 디테일하게 그려보자. 삼성전자, 한글과컴퓨터, 그리고 각종 ETF의 움직임을 동시에 그려보도록 한다.
stock_list = [
["삼성전자", "005930"],
["한글과컴퓨터", "030520"],
["TIGER 2차전지테마", "305540"],
["KODEX 200", "069500"],
["TIGER 소프트웨어" ,"157490"],
["TIGER 현대차그룹+펀더멘털 ()","138540"],
["KINDEX 미국S&P 500", "360200"]
]
stock_list 안에다가 종목이름과 종목코드를 입력하고 데이터 프레임형태로 정리한다.
import pandas as pd
df_list = [fdr.DataReader(code, '2019-11-01', '2020-12-31')['Close'] for name, code in stock_list]
#len(df_list)
# pd.concat()로 합치기
df = pd.concat(df_list, axis=1)
df.columns = [name for name, code in stock_list]
df.head(10)
| 삼성전자 | 한글과컴퓨터 | TIGER 2차전지테마 | KODEX 200 | TIGER 소프트웨어 | TIGER 현대차그룹+펀더멘털 () | KINDEX 미국S&P 500 | |
|---|---|---|---|---|---|---|---|
| Date | |||||||
| 2019-11-01 | 51200 | 10050 | 7144 | 27273 | 8493 | 16388 | NaN |
| 2019-11-04 | 52300 | 10050 | 7204 | 27665 | 8498 | 16437 | NaN |
| 2019-11-05 | 52700 | 10050 | 7234 | 27851 | 8478 | 16617 | NaN |
| 2019-11-06 | 53300 | 10150 | 7209 | 27865 | 8483 | 16471 | NaN |
| 2019-11-07 | 52900 | 11350 | 7100 | 27831 | 8528 | 16563 | NaN |
| 2019-11-08 | 52100 | 11550 | 7189 | 27738 | 8478 | 16549 | NaN |
| 2019-11-11 | 51600 | 11200 | 7149 | 27524 | 8458 | 16480 | NaN |
| 2019-11-12 | 52600 | 11350 | 7129 | 27768 | 8458 | 16553 | NaN |
| 2019-11-13 | 52500 | 11400 | 7035 | 27543 | 8368 | 16432 | NaN |
| 2019-11-14 | 52800 | 10750 | 7030 | 27763 | 8707 | 16446 | NaN |
시계열 형태로 인덱스값과 각 종목별 종가가 깔끔히 정리가 되었다. 이를 시각화 해보자
import matplotlib.pyplot as plt
plt.rcParams["font.family"] = 'NanumGothic'
plt.rcParams["axes.grid"] = True
plt.rcParams["figure.figsize"] = (15,15)
plt.rcParams["axes.formatter.useoffset"] = False
plt.rcParams['axes.unicode_minus'] = False
plt.rcParams["axes.formatter.limits"] = -10000, 10000
df.plot()
<AxesSubplot:xlabel='Date'>
기타 다른 ETF 종목들도 동일한 방식으로 그려보면 아래와 같다.
stock_list2= [
["ARIRANG 신흥국MSCI", "195980"],
["KODEX 골드선물(H)", "132030"],
["TIGER 미국S&P500 선물(H)" ,"143850"],
["KODEX 200", "069500"],
#["TIGER 소프트웨어" ,"157490"],
#["KOSEF 국고채10년","148070"],
#[" KODEX 단기채권PLUS", "214980"]
]
import pandas as pd
df_list2 = [fdr.DataReader(code, '2019-11-01', '2020-12-31')['Close'] for name, code in stock_list2]
#len(df_list)
# pd.concat()로 합치기
df2 = pd.concat(df_list2, axis=1)
df2.columns = [name for name, code in stock_list2]
df2.tail(10)
| ARIRANG 신흥국MSCI | KODEX 골드선물(H) | TIGER 미국S&P500 선물(H) | KODEX 200 | |
|---|---|---|---|---|
| Date | ||||
| 2020-11-23 | 11795 | 12885 | 41490 | 34810 |
| 2020-11-24 | 11800 | 12550 | 41920 | 35000 |
| 2020-11-25 | 11850 | 12410 | 42320 | 34795 |
| 2020-11-26 | 11850 | 12445 | 42335 | 35140 |
| 2020-11-27 | 11930 | 12435 | 42250 | 35220 |
| 2020-11-30 | 11760 | 12185 | 42005 | 34685 |
| 2020-12-01 | 11805 | 12270 | 42535 | 35235 |
| 2020-12-02 | 11885 | 12450 | 42520 | 35850 |
| 2020-12-03 | 11960 | 12615 | 42670 | 36105 |
| 2020-12-04 | 12085 | 12650 | 42730 | 36750 |
import matplotlib.pyplot as plt
plt.rcParams["font.family"] = 'NanumGothic'
plt.rcParams["axes.grid"] = True
plt.rcParams["figure.figsize"] = (15,15)
plt.rcParams["axes.formatter.useoffset"] = False
plt.rcParams['axes.unicode_minus'] = False
plt.rcParams["axes.formatter.limits"] = -10000, 10000
df2.plot()
<AxesSubplot:xlabel='Date'>
정말 좋은 패키지 같다. 놀라울정도로 깔끔한 데이터를 끌어올 수 있는 듯 하다. 강추강추!
이 글이 도움이 되셨다면 추천 클릭을 부탁드립니다 :)
