18.Python으로 주식 데이터 수집기 만들기 — yfinance부터 한국 주식까지 완벽 가이드

저도 처음에는 주가나 재무제표 데이터를 모으려고 매일 아침 HTS를 켜고 엑셀로 일일이 복사+붙여넣기를 했습니다. 종목이 수십 개로 늘어나니까 데이터 정리하는 데만 몇 시간이 걸려 정작 중요한 차트 분석이나 전략 검증은 시작도 못 하고 지치기 일쑤였죠. 안 되겠다 싶어 파이썬으로 자동화를 시작했는데, 진짜 난관은 그다음이었습니다. 해외 데이터와 달리 한국 주식은 API 제한도 까다롭고, 웹사이트 구조가 자주 바뀌어 안정적으로 데이터를 가져오는 방법을 찾느라 몇 주 동안 밤을 새우며 헤맸거든요. 수많은 시행착오 끝에 정착한 한국 주식 데이터 수집 노하우를 이 글에 아낌없이 정리했습니다.

이 글에서는 미국·한국 주식 데이터를 Python으로 자동 수집하는 방법, 수집한 데이터를 가공하고 CSV와 엑셀로 저장하는 방법, 그리고 기술적 지표 계산까지 — 실제 분석에 바로 활용할 수 있는 수준으로 안내해 드리겠습니다.

주식 데이터 수집을 자동화해야 하는 이유

주식 분석의 품질은 데이터의 품질에서 시작됩니다. 그런데 데이터를 수집하는 과정 자체에 시간을 소모하고 있다면, 정작 분석과 판단에 쓸 시간이 줄어듭니다.

HTS에서 차트를 보며 수치를 메모하거나, 금융 사이트에서 표를 복사해 엑셀에 붙여넣는 방식은 수집하는 사람이 됩니다. Python으로 데이터 수집기를 만들어두면 분석하는 사람이 될 수 있습니다. 데이터 수집은 코드가 맡고, 사람은 해석과 판단에만 집중할 수 있는 구조입니다.

택배 비유를 들자면, 직접 물건을 가지러 가는 것과 정기 배송을 신청해두는 것의 차이입니다. 한 번 설정해두면 이후에는 자동으로 원하는 데이터가 쌓입니다.

자동 수집이 주는 실질적 이점

  • 일관성 확보 — 동일한 기준과 시각에 수집되어 데이터 품질이 균일합니다
  • 과거 데이터 일괄 수집 — 수년치 일봉 데이터를 몇 초 만에 확보할 수 있습니다
  • 멀티 종목 동시 처리 — 관심 종목 수백 개를 코드 한 번으로 처리합니다
  • 분석 파이프라인 연결 — 수집 즉시 지표 계산, 시각화, 알림 발송까지 자동화됩니다

환경 설정 — 라이브러리 설치

pip install yfinance pandas requests beautifulsoup4 openpyxl
라이브러리 역할
yfinance 야후 파이낸스 기반 글로벌 주식 데이터 수집
pandas 데이터 가공 및 분석
requests + beautifulsoup4 한국 주식 데이터 크롤링
openpyxl 엑셀 저장

yfinance로 미국·글로벌 주식 데이터 수집하기

단일 종목 데이터 수집

yfinance는 야후 파이낸스를 통해 전 세계 주식, ETF, 지수 데이터를 무료로 제공합니다. 티커(Ticker) 심볼만 알면 됩니다.

import yfinance as yf
import pandas as pd

# 단일 종목 수집 — Apple
ticker = yf.Ticker("AAPL")

# 일봉 데이터 (최근 1년)
df = ticker.history(period="1y")
print(df.head())
print(f"\n수집된 데이터: {len(df)}일치")



기간 지정 및 주기 변경

# 특정 기간 지정
df = ticker.history(start="2023-01-01", end="2024-12-31")

# 주봉 데이터
df_weekly = ticker.history(period="2y", interval="1wk")

# 월봉 데이터
df_monthly = ticker.history(period="5y", interval="1mo")

# 1시간봉 (최근 60일까지만 가능)
df_hourly = ticker.history(period="60d", interval="1h")

기업 기본 정보 함께 수집하기

ticker = yf.Ticker("AAPL")
info = ticker.info

print(f"회사명: {info.get('longName')}")
print(f"섹터: {info.get('sector')}")
print(f"시가총액: ${info.get('marketCap', 0):,.0f}")
print(f"PER: {info.get('trailingPE', 'N/A')}")
print(f"배당수익률: {info.get('dividendYield', 0) * 100:.2f}%")

여러 종목 한 번에 수집하기

# 관심 종목 리스트
tickers = ["AAPL", "MSFT", "GOOGL", "NVDA", "TSLA"]

# 한 번에 다운로드
df_multi = yf.download(tickers, period="1y", auto_adjust=True)

# 종가만 추출
close_prices = df_multi["Close"]
print(close_prices.tail())



한국 주식 데이터 수집하기

한국 주식도 yfinance로 수집할 수 있습니다. 코스피 종목은 티커 뒤에 .KS, 코스닥은 .KQ를 붙입니다.

yfinance로 한국 주식 수집

# 삼성전자 (코스피)
samsung = yf.Ticker("005930.KS")
df_samsung = samsung.history(period="1y")
print(df_samsung[["Open", "High", "Low", "Close", "Volume"]].tail(10))

# 카카오 (코스피)
kakao = yf.Ticker("035720.KS")

# 셀트리온 (코스피)
celltrion = yf.Ticker("068270.KS")

# 에코프로 (코스닥)
ecopro = yf.Ticker("086520.KQ")

⚠️ 주의: yfinance의 한국 주식 데이터는 야후 파이낸스 서버 상태에 따라 간헐적으로 누락이 발생할 수 있습니다. 실시간성이 중요하거나 데이터 정확도가 필수인 경우 증권사 API 또는 한국거래소(KRX) 데이터를 병행 사용하시길 권장합니다.

KRX 정보데이터시스템에서 종목 코드 일괄 수집

한국거래소는 전체 상장 종목 목록을 공개 API로 제공합니다. pip 설치 없이 requests만으로 접근 가능합니다.

import requests
import pandas as pd

def get_krx_stock_list() -> pd.DataFrame:
    url = "https://kind.krx.co.kr/corpgeneral/corpList.do"
    params = {
        "method": "download",
        "searchType": "13",
    }
    headers = {"User-Agent": "Mozilla/5.0"}

    response = requests.get(url, params=params, headers=headers)
    response.encoding = "euc-kr"

    df = pd.read_html(response.text, header=0)[0]
    df = df[["회사명", "종목코드"]]
    df["종목코드"] = df["종목코드"].astype(str).str.zfill(6)
    df["yf_ticker"] = df["종목코드"] + ".KS"

    return df

stock_list = get_krx_stock_list()
print(f"코스피 상장 종목 수: {len(stock_list)}")
print(stock_list.head(10))



기술적 지표 직접 계산하기

수집한 가격 데이터로 분석에 필요한 기술적 지표를 직접 계산합니다.

이동평균선 (MA)

import yfinance as yf

df = yf.Ticker("005930.KS").history(period="1y")

# 이동평균선
df["MA5"]  = df["Close"].rolling(window=5).mean()
df["MA20"] = df["Close"].rolling(window=20).mean()
df["MA60"] = df["Close"].rolling(window=60).mean()

print(df[["Close", "MA5", "MA20", "MA60"]].tail(10))

RSI (상대강도지수)

def calculate_rsi(series: pd.Series, period: int = 14) -> pd.Series:
    delta = series.diff()
    gain = delta.clip(lower=0)
    loss = -delta.clip(upper=0)

    avg_gain = gain.rolling(window=period).mean()
    avg_loss = loss.rolling(window=period).mean()

    rs = avg_gain / avg_loss
    rsi = 100 - (100 / (1 + rs))
    return rsi

df["RSI14"] = calculate_rsi(df["Close"])
print(df[["Close", "RSI14"]].tail(10))

MACD

def calculate_macd(series: pd.Series,
                   fast: int = 12,
                   slow: int = 26,
                   signal: int = 9) -> pd.DataFrame:
    ema_fast = series.ewm(span=fast, adjust=False).mean()
    ema_slow = series.ewm(span=slow, adjust=False).mean()
    macd_line = ema_fast - ema_slow
    signal_line = macd_line.ewm(span=signal, adjust=False).mean()
    histogram = macd_line - signal_line

    return pd.DataFrame({
        "MACD": macd_line,
        "Signal": signal_line,
        "Histogram": histogram
    })

macd_df = calculate_macd(df["Close"])
df = pd.concat([df, macd_df], axis=1)
print(df[["Close", "MACD", "Signal", "Histogram"]].tail(10))



수집 데이터 저장하기 — CSV와 엑셀 모두 활용

CSV로 저장

from datetime import datetime

def save_stock_data(df: pd.DataFrame, ticker: str):
    today = datetime.now().strftime("%Y%m%d")
    filename = f"{ticker.replace('.', '_')}_{today}.csv"
    df.to_csv(filename, encoding="utf-8-sig")
    print(f"저장 완료: {filename}")
    return filename

save_stock_data(df, "005930.KS")

여러 종목을 시트별로 엑셀 저장

from openpyxl import Workbook
import yfinance as yf
import pandas as pd

tickers = {
    "삼성전자": "005930.KS",
    "SK하이닉스": "000660.KS",
    "NAVER": "035420.KS",
}

with pd.ExcelWriter("korean_stocks.xlsx", engine="openpyxl") as writer:
    for name, ticker in tickers.items():
        df = yf.Ticker(ticker).history(period="6mo")
        df["MA20"] = df["Close"].rolling(20).mean()
        df["RSI14"] = calculate_rsi(df["Close"])
        
        # [수정] 인덱스가 날짜 형식(DatetimeIndex)인 경우 시간대(Timezone) 제거
        if isinstance(df.index, pd.DatetimeIndex):
            df.index = df.index.tz_localize(None)
            
        # 혹시 컬럼 중에도 날짜가 존재할 경우를 대비한 안전장치
        for col in df.select_dtypes(include=['datetime64[ns, UTC]', 'datetimetz']).columns:
            df[col] = df[col].dt.tz_localize(None)

        df.to_excel(writer, sheet_name=name)
        print(f"{name} 저장 완료")


print("\n전체 저장 완료: korean_stocks.xlsx")



실전 예제 — 관심 종목 일괄 스크리닝

RSI가 30 이하인 과매도 종목을 자동으로 필터링하는 스크리닝 예제입니다.

import yfinance as yf
import pandas as pd
from datetime import datetime

watch_list = {
    "삼성전자": "005930.KS",
    "SK하이닉스": "000660.KS",
    "카카오": "035720.KS",
    "NAVER": "035420.KS",
    "현대차": "005380.KS",
    "LG에너지솔루션": "373220.KS",
}

results = []

for name, ticker in watch_list.items():
    try:
        df = yf.Ticker(ticker).history(period="3mo")

        if len(df) < 20:
            continue

        close = df["Close"].iloc[-1]
        ma20  = df["Close"].rolling(20).mean().iloc[-1]
        rsi   = calculate_rsi(df["Close"]).iloc[-1]
        vol   = df["Volume"].iloc[-1]

        results.append({
            "종목명": name,
            "현재가": f"{close:,.0f}",
            "MA20": f"{ma20:,.0f}",
            "MA20대비": f"{(close/ma20 - 1)*100:+.1f}%",
            "RSI14": f"{rsi:.1f}",
            "과매도": "⚠️ 과매도" if rsi < 30 else "",
        })

    except Exception as e:
        print(f"{name} 수집 실패: {e}")

result_df = pd.DataFrame(results)
print(result_df.to_string(index=False))

result_df.to_csv(
    f"screening_{datetime.now().strftime('%Y%m%d')}.csv",
    encoding="utf-8-sig",
    index=False
)



자주 발생하는 오류와 해결법

오류 1 — 한국 주식 데이터가 빈 DataFrame으로 반환되는 경우

원인: 야후 파이낸스 서버 일시 장애 또는 티커 오류
해결: .KS / .KQ 접미사 재확인, 잠시 후 재시도. 지속되면 pykrx 라이브러리 병행 사용

pip install pykrx

from pykrx import stock

# pykrx로 삼성전자 일봉 데이터 수집
df = stock.get_market_ohlcv("20240101", "20241231", "005930")
print(df.head())

오류 2 — yfinance 데이터에 결측값(NaN)이 포함된 경우

원인: 거래정지일, 공휴일 등으로 데이터 공백 발생
해결: fillna() 또는 dropna()로 처리

df = df.dropna(subset=["Close"])           # Close가 NaN인 행 제거
df["MA20"] = df["MA20"].fillna(method="ffill")  # 이전 값으로 채우기

오류 3 — 대량 요청 시 속도 저하 또는 차단

원인: 야후 파이낸스 요청 속도 제한
해결: 종목 간 time.sleep(0.5~1) 추가, 한 번에 너무 많은 종목을 동시 요청하지 않도록 배치 처리

마무리 — 핵심 요약

✅ Python 주식 데이터 수집기 체크리스트

  1. 미국 주식: yf.Ticker("AAPL").history(period="1y")
  2. 한국 주식: 티커 뒤에 .KS(코스피) 또는 .KQ(코스닥) 추가
  3. KRX 종목 코드 목록: kind.krx.co.kr 공개 API 활용
  4. 기술적 지표: MA는 rolling().mean(), RSI·MACD는 직접 계산 함수 작성
  5. 저장: 단일 종목은 CSV, 다중 종목은 시트 분리 엑셀
  6. 데이터 불안정 시: pykrx 라이브러리를 보조 수단으로 활용
  7. 대량 수집 시: 반드시 time.sleep() 추가해 서버 부하 방지

다음으로 알아두면 좋은 것

데이터 수집기가 완성됐다면, 다음 단계는 수집된 데이터를 Streamlit 대시보드로 시각화하거나, 매일 자동 수집 후 이상 신호 발생 시 알림을 발송하는 파이프라인을 구축하는 것입니다. schedule 라이브러리로 장 마감 후 자동 수집을 예약하고, RSI 과매도·골든크로스 등 조건이 충족될 때 텔레그램이나 이메일로 알림을 받는 시스템까지 연결하면 완전한 자동화 분석 환경이 갖춰집니다.



댓글

댓글 쓰기

이 블로그의 인기 게시물

1.Python 설치부터 실행까지 10분 만에 끝내기 — 초보자도 바로 따라 하는 완벽 가이드

이미지
프로그래밍을 처음 시작하기로 결심한 날, 많은 분들이 유튜브를 켜고 이렇게 검색합니다. "파이썬 설치 방법." 영상을 따라가다 보면 어느 순간 화면 속 강사의 컴퓨터와 내 컴퓨터가 달라지기 시작합니다. "명령어를 찾을 수 없습니다", "PATH가 설정되지 않았습니다" 같은 오류 메시지가 등장하고, 결국 설치도 못 한 채 탭을 닫아버리게 됩니다. 이 글은 바로 그 지점을 해결하기 위해 쓰였습니다. 설치 과정에서 실제로 막히는 이유, 놓치기 쉬운 체크박스 한 칸의 의미, 그리고 첫 코드를 실행하는 순간까지 — 군더더기 없이 안내해 드리겠습니다. 저도 처음 설치때 1시간을 소비 했습니다.이제 해매지 마세요~!!  Python이 실제로 하는 일 — 번역가 비유로 이해하기 Python을 설치하기 전에, Python이 무엇인지 정확히 이해하면 이후 과정이 훨씬 자연스러워집니다. 컴퓨터는 본래 0과 1, 즉 기계어만 이해합니다. 사람이 "파일을 열어줘"라고 말해도 컴퓨터는 알아듣지 못합니다. Python은 바로 이 간극을 메우는 번역가 역할을 합니다. 우리가 사람에게 말하듯 작성한 코드를 컴퓨터가 이해할 수 있는 언어로 변환해 주는 것입니다. 여기서 핵심이 있습니다. 번역가가 없으면 대화가 불가능합니다. Python을 설치한다는 것은 곧 이 번역가를 내 컴퓨터에 고용하는 일입니다. 설치가 완료된 순간부터 여러분의 컴퓨터는 Python이라는 언어를 이해하기 시작합니다. Python을 선택해야 하는 이유 문법이 자연어에 가깝습니다 — if 날씨 == "맑음": 나가기() 처럼, 코드가 한국어 문장 구조와 유사합니다. 범용성이 압도적입니다 — 데이터 분석, 웹 개발, 자동화, AI 모델 구축까지 하나의 언어로 가능합니다. 생태계가 방대합니다 — 전 세계 개발자들이 만든 50만 개 이상의 라이브러리가 무료로 제공됩니다. 취업 시장에서 가장 수요가 높습니다 ...
자세한 내용 보기

30.Python pyautogui로 마우스와 키보드 자동화하기: VSCode 실전 가이드

이미지
 저도 처음에 PATH에서 막혔는데, 매일 반복되는 사내 시스템 클릭 작업을 자동화해보려고 pyautogui 를 설치했지만 VSCode에서 실행할 때마다 "No module named 'pyautogui'"라는 오류만 계속 나왔던 기억이 있습니다. 분명 터미널에서는 설치가 잘 됐다고 나왔는데, 알고 보니 VSCode가 바라보고 있던 Python 인터프리터 경로와 제가 패키지를 설치한 경로가 서로 달랐던 것이 원인이었습니다. 인터프리터를 올바르게 맞춰주고 나서야 마우스가 제 손을 대신해 화면을 클릭하고 키보드를 두드리는 신기한 광경을 볼 수 있었습니다. 이번 글에서는 그때의 시행착오를 바탕으로, VSCode 환경에서 Python pyautogui를 활용해 마우스와 키보드를 자동화하는 방법을 정리해보려 합니다. pyautogui란 무엇인가 마우스와 키보드를 코드로 제어하는 라이브러리 pyautogui 는 Python 코드로 마우스 움직임과 클릭, 키보드 입력을 프로그래밍적으로 제어할 수 있게 해주는 GUI 자동화 라이브러리입니다. 웹 브라우저나 애플리케이션 내부 요소를 직접 다루는 Selenium과 달리, pyautogui는 화면 좌표와 픽셀을 기준으로 동작하기 때문에 특정 프로그램에 국한되지 않고 컴퓨터 화면에서 벌어지는 거의 모든 작업을 자동화할 수 있습니다. 비유하자면 pyautogui는 마치 컴퓨터 앞에 보이지 않는 손 하나를 앉혀두는 것과 같습니다. 이 손은 사람이 시키는 대로 정확한 좌표를 클릭하고, 정해진 문장을 타이핑하며, 화면 속 특정 이미지를 찾아내기까지 하는데, 사람과 다른 점은 지치지 않고 똑같은 작업을 몇 번이고 정확하게 반복한다는 것입니다. pyautogui가 유용한 대표적인 상황 반복적인 클릭 작업이 많은 사내 시스템 업무 자동화 특정 시간마다 실행해야 하는 프로그램 작업 자동화 게임이나 소프트웨어 테스트 시 반복 입력 시뮬레이션 화면 캡처와 이미지 인식을 결합한 자동 작업 흐름 구성 매크로 프로그램을 대...
자세한 내용 보기

29.Python subprocess로 외부 명령어 실행하기: VSCode 실전 활용법

이미지
저도 처음에는 회사에서 매일 반복하던 번거로운 서버 배포 작업을 자동화해 보려고, 파이썬 스크립트 안에 깃( git ) 명령어를 넣어 실행하는 코드를 짰던 것이 시작이었습니다. 분명 내 터미널에 직접 입력할 때는 잘만 되던 명령어가, 파이썬 코드로 실행하니 자꾸 FileNotFoundError 만 뱉어내서 도대체 뭐가 문제인지 몇 시간이나 소스 코드 이 줄 저 줄을 뜯어고치며 밤새 삽질을 했습니다. 알고 보니 코드가 아니라 VS Code가 명령 프로그램의 위치를 찾지 못하는 'PATH 환경변수' 문제였죠. 실행 경로를 명시해 주자마자 스크립트가 배포 작업을 알아서 척척 단 5초 만에 끝내는 걸 보고 , 저는 이 파이썬 자동화의 강력함에 완전히 매료되었습니다. 이번 글에서는 그때의 시행착오를 바탕으로 subprocess 를 활용해 외부 명령어를 안전하게 제어하는 방법을 정리해 보겠습니다. Python 코드 안에서 터미널 명령어를 직접 실행하고 싶었던 적이 있으신가요? 예를 들어 git , ffmpeg , curl 같은 외부 프로그램을 Python 스크립트 안에서 자동으로 호출하고 그 결과를 받아와야 하는 경우가 생각보다 자주 발생합니다. 이럴 때 필요한 것이 바로 subprocess 모듈이며, 이를 활용하면 Python이 마치 터미널을 대신 조작하는 것처럼 외부 프로그램을 자유자재로 실행할 수 있습니다. 이번 글에서는 VSCode 환경에서 Python subprocess를 활용해 외부 명령어를 실행하고 결과를 처리하는 방법을 실전 예제와 함께 정리해보겠습니다. subprocess란 무엇인가 Python에서 외부 프로세스를 실행하는 표준 모듈 subprocess 는 Python 표준 라이브러리에 내장된 모듈로, Python 코드 안에서 운영체제의 명령어나 다른 프로그램을 새로운 프로세스로 실행할 수 있게 해줍니다. 쉽게 말해 여러분이 평소 터미널에 직접 타이핑하던 명령어를, Python 코드가 대신 입력해주고 그 결과까지 받아와주는 것이...
자세한 내용 보기