yfinance(야후 파이낸스)로 주가 데이터 손질하기

해당 게시글에서는 주가 데이터를 받아 원하는 형태로 전처리를 해보도록 하겠습니다.

야후 파이낸스의 주가 데이터를 받아올 수 있는 'yfinance'라는 파이썬 라이브러리를 활용하겠습니다.

 

개인적으로 궁금한 것들을 몇 가지 정해놓고, 주가 데이터를 통해 확인해봅시다!

제가 확인해볼 것들은 다음 내용들입니다.

• 2023년 가장 많이 상승(하락)한 종목은?
• 2023년 거래량이 가장 많았던 종목은?
• 2023년 중, 어느 시기에 거래량이 많았(적었)을까?

---

Ticker 정보 가져오기

yfinance에서 데이터를 불러올 때, Ticker(티커)라는 것을 인자로 넣어준다고 합니다.

따라서 보고싶은 종목의 데이터를 보기 위해서는 그 종목은 Ticker를 알아야 합니다.

 

Ticker는 야후 파이낸스 홈페이지에 원하는 종목을 검색하면 Ticker를 볼 수 있습니다.

야후 파이낸스에서 meta를 검색

위와 같이 메타의 ticker는 META인 것을 확인할 수 있습니다.

 

그런데, 만약 보고싶은 종목이 아주 많다면, ticker의 목록 데이터가 필요할 것 같습니다.

ticker의 목록 데이터는 해당 링크에서 받아주도록 할게요.

나스닥에서 시가총액이 Mega, Large에 해당하는 종목들의 Ticker 리스트

나스닥 기준 시가총액(MARKET CAP)이 높으면서, 기술주(SECTOR가 Technology)들의 Ticker 리스트를 받아줬습니다.

이제 Ticker 리스트도 받았으니 이 종목들의 주가 데이터를 받아오겠습니다.

 

위에서 받은 Ticker 리스트를 ticker.csv라는 파일의 형태로 저장하고 불러옵니다.

import yfinance as yf
import pandas as pd

import plotly.graph_objects as go
import plotly.express as px

tickers = pd.read_csv('ticker.csv')
tickers.head()

 

tickers.csv 테이블

 

tickers는 위와 같은 형태로 구성되어있네요.

Symbol 컬럼에 제가 원하는 Ticker 정보가 들어있습니다.

---

yfinance로 주가 데이터 불러오기

그럼 이번엔 yfinance로 주가 데이터를 불러오도록 하겠습니다.

위에서 검색했던 META의 주가를 예시로 불러오겠습니다.

meta = yf.download('META', start="2023-01-01", end="2023-12-31")
meta.head()

메타 주가 데이터

야후 파이낸스에서 메타의 주가를 불러왔습니다.

일별로 구성되어있고, 시가(Open) 고가(High) 저가(Low) 종가(Close) 조정종가(Adj Close) 거래량(Volume) 값이 담겨있네요.

 

간단한 시각화를 해보겠습니다.

2023년 4분기(10월 이후) meta의 주가를 candle stick으로 표현하겠습니다.

meta = meta.reset_index()
meta = meta[meta['Date']>='2023-10-01']

fig = go.Figure(data=[go.Candlestick(x=meta['Date'],
                open=meta['Open'],
                high=meta['High'],
                low=meta['Low'],
                close=meta['Close'])])
fig.update_layout(xaxis_rangeslider_visible=False)
fig.show()

메타의 4분기 주가

 

이제 더 많은 주가 데이터를 불러올까요?

아까 tickers.csv에 담았던 Ticker 목록을 한 번에 불러오겠습니다.

stock = yf.download(tickers['Symbol'].tolist(),start="2023-01-01",end="2023-12-31")
stock

 

각 종목의 정보들(시가, 종가 등)이 컬럼에 들어있는 것을 확인할 수 있습니다.

---

궁금증 해결하기

2023년 가장 많이 상승(하락)한 종목부터 찾아보겠습니다.

2023년 1월 3일 시가와 2023년 12월 29일의 종가를 비교해서 찾습니다.

stock = stock.reset_index()
starts = stock[stock['Date']=='2023-01-03']['Open'].transpose()
starts = starts.reset_index()
ends = stock[stock['Date']=='2023-12-29']['Close'].transpose()
ends = ends.reset_index()

starts.columns = ['Ticker', 'START']
ends.columns = ['Ticker', 'END']

stocks_ = pd.merge(starts, ends, how='left', left_on='Ticker', right_on='Ticker')
stocks_['rate'] = (stocks_['END'] - stocks_['START']) / stocks_['START']
stocks_ = stocks_.sort_values('rate', ascending=False)
stocks_

 

결과를 간단히 시각화해볼까요?

fig = px.bar(stocks_, y='rate', x='Ticker')
fig.show()

종목별 증감율

 

상승율이 높은 종목은 (APP, SMCI, NVDA, META) 순서네요.

 

반대로, 가장 하락율이 큰 종목은 ENPH로 관찰됩니다. -51% 정도 하락했네요.

 

이번엔 거래량(Volumes)을 보겠습니다.

volumes = stock['Volume'].sum().reset_index()
volumes.columns = ['Ticker', 'Volume']
volumes = volumes.sort_values('Volume', ascending=False)
volumes

fig = px.bar(volumes, y='Volume', x='Ticker')
fig.show()

종목별 거래량

거래량이 가장 많았던 종목은 (AMD, AAPL, NVDA, INTC) 순서네요.

 

마지막으로 가장 거래량이 많은 시기를 찾아보겠습니다.

stock_volume = stock[['Date','Volume']]
stock_volume['SUM'] = stock_volume.iloc[:, 1:].sum(axis=1)
stock_volume_ = stock_volume[['Date', 'SUM']]

monthly_sum = stock_volume_.resample('MS').sum()
monthly_sum = monthly_sum.reset_index()

fig = px.line(monthly_sum, x="Date", y="SUM")
fig.show()

weekly_sum = stock_volume_.resample('W-Mon').sum()
weekly_sum = weekly_sum.reset_index()

fig = px.line(weekly_sum, x="Date", y="SUM")
fig.show()

fig = px.line(stock_volume, x="Date", y="SUM")
fig.show()

 

3월의 거래량이 가장 많았고, 4월이 가장 낮았네요.

일별로 본다면 12월 15일에 가장 많은 거래량, 11월 24일에 가장 적은 거래량을 기록했습니다.

 

---

정리

yfinance는 위에서 활용했던 주가 데이터 이외에도 종목들의 정보도 제공하고 있습니다.

대부분의 주식 관련 정보는 검색하면 나오지만, 다량의 데이터를 활용해서 새로운 사실을 발견할 때 활용하면 좋을 것 같습니다.