데이콘 대회를 준비하면서
(대회 참 많이한다.. 3, 4개 동시에 진행중 ㅠ)
각종 금융 데이터 수집 라이브러리를 다루는 연습을 해보았다.
그 과정을 공유하기 위해 간단한 포스팅을 함!
각종 금융 지수, 거래소별 종목, 종목별 가격 등 시계열로 정리된 라이브러리로
FinanceDataReader 를 소개하고 다루어 보겠다.
|
1
|
!pip install finance-datareader
|
cs |
일단 라이브러리를 설치해준다.
|
1
2
3
|
import FinanceDataReader as fdr
import pandas as pd
fdr.__version__
|
cs |
0.9.42
필요한 패키지를 불러주고
버전을 확인해본다!
0.9.33 이상이 좋다고한다. (다행히 0.9.42면 좋은 버전?)
먼저 거래소와 지수 심볼을 알아야 한다.
| 심볼 | 거래소 및 지수 |
| KRX | KRX 종목 |
| NASDAQ | NASDAQ 종목 |
| KOSPI | KOSPI 종목 |
| KOSDAQ | KOSDAQ 종목 |
| NYSE | 뉴욕 증권거래소 종목 |
| AMEX | AMEX 종목 |
| KS11 | KOSPI 지수 |
| KQ11 | KOSDAQ 지수 |
| DJI | 다우존스 지수 |
| IXIC | 나스닥 지수 |
1. 거래소 별 상장 종목
라이브러리를 통해 거래소 별 상장 종목 정보를 알 수 있다.
이름 뿐만 아니라 종류와 산업 설명 등 자세한 값들을 알 수 있다.
서치하는 방법은 다음과 같다.
|
1
2
|
df_nasdaq = fdr.StockListing('NASDAQ')
df_nasdaq.head(5)
|
cs |
2. 국내 주식 가격 정보
국내 주식은 이름이 아닌 6자리 코드를 사용한다.
물론 거래소 별로 코드가 다르니 주의해야한다.
예를들어 '005380'은 현대자동차 주식의 코드이다.
|
1
2
|
df_hc = fdr.DataReader('005380')
df_hc
|
cs |
DataReader를 사용하는데 앞으로 쭉 이것만 쓸거니까 외워두자!
날짜를 추가할 수 있는데 년도를 넣어 해당 년도부터 현재까지 범위를 줄여서 데이터를 얻을 수 있다.
|
1
2
|
df_hc = fdr.DataReader('005380', '2021')
df_hc
|
cs |
3. 해외주식 가격 정보
해외주식은 코드가 아닌 약어를 사용한다.
예를들어 아마존의 경우 'AMZN'을 사용한다.
|
1
2
|
df_am = fdr.DataReader('AMZN', '2020')
df_am
|
cs |
4. 주요 지수 정보
주요지수도 마찬가지로 주식을 서치할 때와 같은 방식으로 진행한다.
코스피지수를 알아보자
5. 가상화폐 가격 정보
가상화폐 또한 같은데 가상화폐는 사용자라면 더 익숙한 심볼을 사용한다.
예를들어 비트코인의 원화 가격을 알아보고 싶다면 BTC/KRW, 달러 가격은 BTC/USD
가상화폐는 가격 변화가 재밌으니까 한번 간단하게 그래프로 나타내 보았다.
나머지 코인들도 거래소에 명시되어있는 익숙한 심볼로 서치할 수 있다.
6. 환율
환율도 방법은 똑같고 심볼또한 간단하다.
방식은 기준이 되는 화폐를 앞에 두면 된다.
예를들어 원달러 환율이 알고 싶다면 USD/KRW 이런식으로
|
1
2
|
df_d = fdr.DataReader('USD/KRW', '1997')
df_d['Close'].plot()
|
cs |
이렇게 금융 데이터를 가져오는 방법을 알아보았다.
(알아본거라기보단 맛만 본거지만)
이렇게 확보한 데이터를 통해 대회를 열심히 준비해 보고자 한다
그럼 꿑!
'데이터 사이언스 공부 > 일반 실습' 카테고리의 다른 글
| 지하철역 시간대별 승차인원에 따른 군집 분석 (clustering) (0) | 2022.10.27 |
|---|---|
| 이미지 데이터 분석 CNN 간단 실습 (0) | 2022.10.20 |
| Class 내맘대로 매우 간단한 실습하기 (0) | 2022.10.08 |
| RandomForest 모델로 간단하게 수요 예측하기 (0) | 2022.09.27 |
댓글