[주식] Python으로 전 주식 종가/시가/거래량 추출

 

주식 데이터 분석의 장점

주식 데이터를 파이썬으로 뽑아서 데이터 분석하는 것은 다양한 장점과 효과를 가져옵니다.

 

1.정보의 확보: 파이썬을 사용하여 주식 데이터를 뽑으면 원하는 시간 범위와 종목에 대한 데이터를 쉽게 얻을 수 있습니다. 이는 특정 주식이나 시장에 대한 정보를 원하는 시점에 얻을 수 있음을 의미합니다.

 

2.데이터 분석 및 시각화: 주식 데이터를 데이터프레임으로 가져오면 pandas와 같은 라이브러리를 사용하여 데이터를 탐색하고 분석할 수 있습니다. 이를 통해 주식 가격의 추세, 변동성, 거래량 등을 이해하고 예측할 수 있습니다. 또한 matplotlib 또는 seaborn과 같은 라이브러리를 사용하여 데이터를 시각화하여 인사이트를 도출할 수 있습니다.

 

3.모델링 및 예측: 데이터 분석을 통해 얻은 정보를 활용하여 주식 가격의 향후 변동을 예측하는 모델을 개발할 수 있습니다. 이를 통해 투자 결정에 도움이 되는 정보를 얻을 수 있습니다. 예를 들어, 회귀 분석, 시계열 분석, 머신 러닝 알고리즘 등을 사용하여 주가 예측 모델을 구축할 수 있습니다.

 

4.전략 개발: 주식 데이터를 분석하고 모델링하여 투자 전략을 개발할 수 있습니다. 이를 통해 투자자는 수익을 극대화하고 리스크를 최소화하는 전략을 구축할 수 있습니다. 이러한 전략은 장기적인 투자, 단기적인 거래 등 다양한 투자 목표에 맞게 개발될 수 있습니다.

 

5.자동화된 투자: 파이썬을 사용하여 주식 데이터를 분석하고 모델을 개발하면 이를 자동화된 투자 시스템에 적용할 수 있습니다. 이를 통해 투자 결정을 자동화하고 실시간으로 시장 상황에 대응할 수 있습니다.

 

6.금융 시장 이해의 증진: 주식 데이터를 분석하고 모델을 개발하는 과정은 금융 시장에 대한 이해를 증진시킵니다. 이는 투자자가 시장 동향을 이해하고 투자 결정을 내리는 데 도움이 됩니다.

 

이러한 장점과 효과들은 주식 시장에서 투자 결정을 내리는 데 있어서 매우 유용합니다. 하지만 주식 시장은 불확실성과 리스크가 함께 존재하는 곳이므로 항상 신중한 접근이 필요합니다.

 

Python Code 설명

 

 여기 제공된 코드는 한국 주식 시장(KRX)에서 상장된 종목들의 데이터를 가져와서 데이터프레임으로 변환하고, 이를 CSV 파일로 저장하는 작업을 수행합니다. 코드의 동작을 설명하겠습니다.

 

이 코드는 FinanceDataReader와 pykrx 라이브러리를 사용하여 한국 주식 시장(KRX)의 종목 데이터를 수집하고 이를 pandas를 사용하여 데이터프레임으로 변환합니다. 데이터프레임에는 OHLCV 데이터와 함께 종목명, 종목코드, 시장 정보도 포함됩니다. 마지막으로, 모든 데이터프레임을 하나로 합쳐서 CSV 파일로 저장합니다.

 

from pykrx import stock  # pykrx 모듈에서 stock 모듈을 가져옵니다.
import pandas as pd  # pandas 모듈을 가져와서 pd라는 이름으로 사용합니다.
import FinanceDataReader as fdr  # FinanceDataReader 모듈을 가져와서 fdr이라는 이름으로 사용합니다.
from datetime import datetime  # datetime 모듈에서 datetime 클래스를 가져옵니다.
import os  # os 모듈을 가져옵니다.

# KRX(Korea Exchange)에서 상장된 모든 종목의 리스트를 가져옵니다.
stocks = fdr.StockListing('KRX') 

# 종목 코드, 종목명, 시장 정보를 추출합니다.
codes = stocks['Code'].values.tolist()
names = stocks['Name'].values.tolist()
market = stocks['Market'].values.tolist()

# 데이터 수집 기간 설정
start_date = "19900101"  # 데이터 수집 시작일
end_date = current_date_str = datetime.now().strftime("%Y%m%d")  # 현재 날짜를 가져옵니다.

data_frames = []  # 데이터프레임을 저장할 빈 리스트를 생성합니다.

# 모든 종목에 대해 반복합니다.
for code, name, market in zip(codes, names, market):
    # 종목의 OHLCV(시가, 고가, 저가, 종가, 거래량) 데이터를 가져옵니다.
    df = pd.DataFrame(stock.get_market_ohlcv(start_date, end_date, code)).reset_index()
    df['종목명'] = name  # 종목명 열을 추가합니다.
    df['종목코드'] = code  # 종목코드 열을 추가합니다.
    df['Market'] = market  # 시장 정보 열을 추가합니다.
    data_frames.append(df)  # 데이터프레임을 리스트에 추가합니다.
    print(name)  # 종목명을 출력합니다.

# 모든 데이터프레임을 하나로 합칩니다.
result_price = pd.concat(data_frames, ignore_index=True)

# 결과를 CSV 파일로 저장합니다.
os.chdir('C:/Users/jooni/Music/Jupyter Notebook Practice/주식')  # 저장할 디렉토리를 설정합니다.
result_price.to_csv("주가_Raw.csv")  # 데이터를 CSV 파일로 저장합니다.