파이썬으로 주가 데이터 받아오기 — FinanceDataReader 시작하기
퀀트 투자의 시작은 데이터입니다. 이번 글에서는 무료 오픈소스 라이브러리인 FinanceDataReader로 국내외 주가 데이터를 받아오는 방법을 정리합니다.
FinanceDataReader란
FinanceDataReader는 한국 주식(KRX), 미국 주식, 환율, 지수 등의 데이터를 pandas DataFrame으로 받아주는 파이썬 라이브러리입니다. 회원가입이나 API 키 없이 바로 쓸 수 있어서 입문용으로 가장 무난합니다.
설치는 pip 한 줄이면 됩니다.
pip install finance-datareader
종목 리스트 받기
먼저 KRX 전체 상장 종목 목록을 받아봅니다.
import FinanceDataReader as fdr
# KRX 전체 상장 종목 (코스피 + 코스닥 + 코넥스)
krx = fdr.StockListing('KRX')
print(krx.head())
print(f"전체 종목 수: {len(krx)}")
Code(종목코드), Name(종목명), Market(시장) 같은 컬럼이 들어 있습니다. 종목코드는 이후 주가를 조회할 때 사용합니다.
개별 종목 주가 받기
삼성전자(005930)의 일별 주가를 받아보겠습니다.
# 삼성전자, 2020년부터 현재까지
df = fdr.DataReader('005930', '2020-01-01')
print(df.tail())
결과는 날짜를 인덱스로 하는 DataFrame입니다.
| 컬럼 | 의미 |
|---|---|
| Open / High / Low / Close | 시가 / 고가 / 저가 / 종가 |
| Volume | 거래량 |
| Change | 전일 대비 등락률 |
미국 주식이나 지수도 같은 방식입니다.
spy = fdr.DataReader('SPY', '2020-01-01') # S&P 500 ETF
kospi = fdr.DataReader('KS11', '2020-01-01') # 코스피 지수
usdkrw = fdr.DataReader('USD/KRW', '2020-01-01') # 원달러 환율
기간을 지정하고 싶으면 종료일을 두 번째 인자로 넘기면 됩니다.
# 2020년 한 해만
df_2020 = fdr.DataReader('005930', '2020-01-01', '2020-12-31')
월별 데이터로 바꾸기
백테스트에서는 일별 데이터보다 월별 데이터를 쓰는 경우가 많습니다. 월 단위 리밸런싱 전략이 흔하기 때문입니다. pandas의 resample로 간단히 변환할 수 있습니다.
# 월말 종가만 추출
monthly = df['Close'].resample('ME').last()
# 월별 수익률
monthly_returns = monthly.pct_change().dropna()
print(monthly_returns.head())
받은 데이터를 매번 다시 내려받지 않으려면 CSV로 저장해 두는 것이 좋습니다. 데이터 소스에 부담도 줄이고, 나중에 같은 데이터로 재현할 수도 있습니다.
df.to_csv('samsung_005930.csv')
# 다시 불러올 때
import pandas as pd
df = pd.read_csv('samsung_005930.csv', index_col=0, parse_dates=True)
여러 종목을 한 번에 받아 합치기
백테스트를 하다 보면 결국 여러 종목의 종가를 한 표에 모으게 됩니다. 반복문으로 받아서 열로 합치는 것이 기본 패턴입니다.
import pandas as pd
import time
tickers = {'005930': '삼성전자', '000660': 'SK하이닉스', '035420': 'NAVER'}
prices = {}
for code, name in tickers.items():
prices[name] = fdr.DataReader(code, '2022-01-01')['Close']
time.sleep(0.5) # 데이터 소스에 부담을 주지 않도록 간격을 둔다
df_all = pd.DataFrame(prices)
print(df_all.tail())
이렇게 만든 표는 날짜 인덱스가 자동으로 정렬·정합되지만, 종목마다 거래정지 등으로 빠진 날짜가 다를 수 있으므로 df_all.isna().sum()으로 결측을 확인하는 습관이 필요합니다.
받은 데이터를 믿기 전에: 검증 습관 3가지
다운로드가 성공했다고 데이터가 멀쩡하다는 보장은 없습니다. 저는 새 데이터를 받으면 반드시 이 세 가지를 봅니다.
# 1. 기간과 개수가 상식적인가 (1년이면 거래일 약 245~250개)
print(df.index.min(), df.index.max(), len(df))
# 2. 값의 범위가 상식적인가 (0이나 음수 가격, 터무니없는 급등락)
print(df['Close'].describe())
print(df['Close'].pct_change().abs().nlargest(5)) # 최대 등락일 확인
# 3. 결측과 중복이 없는가
print(df.isna().sum())
print(df.index.duplicated().sum())
2번에서 하루 ±30% 같은 값이 나오면 상한가·하한가(국내는 ±30%)일 수도 있지만 액면분할이 수정 반영되지 않은 것일 수도 있습니다. 날짜를 뉴스와 대조해 확인해야 합니다. 이 10분이 백테스트 전체를 살립니다.
간단한 차트 그리기
받은 데이터로 종가 차트를 그려봅니다.
import matplotlib.pyplot as plt
df['Close'].plot(figsize=(12, 5), title='Samsung Electronics (005930)')
plt.ylabel('Price (KRW)')
plt.tight_layout()
plt.show()
누적 수익률로 바꿔서 보면 서로 다른 자산을 비교하기 좋습니다.
# 일별 수익률 → 누적 수익률
returns = df['Close'].pct_change().fillna(0)
cum_returns = (1 + returns).cumprod() - 1
cum_returns.plot(figsize=(12, 5), title='Cumulative Return')
plt.show()
주의할 점
데이터를 받는 것 자체는 쉽지만, 백테스트에 쓰기 전에 알아야 할 함정이 있습니다.
- 수정주가 여부 — 액면분할이나 배당이 반영된 가격인지 확인해야 합니다. 삼성전자는 2018년에 50:1 액면분할을 했기 때문에, 수정되지 않은 가격으로 계산하면 수익률이 완전히 틀어집니다.
- 상장폐지 종목 — 현재 상장된 종목 목록으로 과거를 백테스트하면, 그 사이 망한 회사들이 빠져서 성과가 부풀려집니다(생존 편향).
- 무료 데이터의 한계 — 실전 운용 수준의 정합성이 필요하면 결국 KRX 정보데이터시스템이나 증권사 API 같은 원천 데이터와 교차 검증이 필요합니다.
- 결측일 처리 — 휴장일, 거래정지일에는 데이터가 없습니다. 여러 종목을 비교할 때 날짜 인덱스를 맞추지 않으면(
pd.concat후dropna또는ffill) 계산이 어긋납니다.
이 함정들은 각각 따로 글을 쓸 만큼 중요한 주제라, 시리즈에서 하나씩 다루겠습니다.
대안 라이브러리: pykrx
국내 데이터에 한정하면 pykrx라는 선택지도 있습니다. KRX 정보데이터시스템을 직접 조회하는 방식이라 시가총액, PER/PBR 같은 투자지표, 공매도 잔고 등 FinanceDataReader에 없는 데이터를 받을 수 있습니다. 다만 요청이 잦으면 차단될 수 있어 대량 수집에는 주의가 필요합니다. 두 라이브러리는 용도가 달라서, 저는 주가는 FinanceDataReader, 재무·지표 데이터는 pykrx로 나눠 쓰고 있습니다. pykrx 사용법도 별도 글로 정리하겠습니다.
정리
- FinanceDataReader는 설치 후 바로 국내외 주가를 DataFrame으로 받을 수 있다.
StockListing('KRX')로 종목 목록,DataReader(코드, 시작일)로 개별 주가를 받는다.- 백테스트에 쓰기 전에 수정주가, 생존 편향 같은 데이터 품질 문제를 반드시 확인한다.
다음 글에서는 이 데이터를 이용해 가장 단순한 전략인 모멘텀 전략의 백테스트를 만들어 보겠습니다.
이 글은 학습과 정보 공유 목적으로 작성되었으며, 특정 종목이나 상품에 대한 투자 권유가 아닙니다. 투자의 판단과 책임은 투자자 본인에게 있습니다.