데이터 과학 – 금융(Finance)
상장사 목록 → 주가
xwMOOC
Tidyverse Korea2019-01-13
1 한국 거래종목 데이터
한국거래소 KRX에서 통계 → 주식 → 종목시세 → [81004] 전체 종목시세에서 81004 전체 종목시세에서 한국거래소에서 거래되고 있는 상장사 목록 및 시가총액 데이터를 구할 수 있다.
교환소 별로 다운로드 받은 데이터를 하나로 묶어서 현재 거래가 되고 있는 주식 1000개를 뽑아 표로 만들어 본다.
library(tidyverse)
library(rvest)
library(readxl)
library(janitor)
kospi_dat <- read_excel("data/KRX-상장사-20190111.xlsx", sheet="KOSPI") %>%
mutate(`거래소` = "코스피")
kosdaq_dat <- read_excel("data/KRX-상장사-20190111.xlsx", sheet="KOSDAQ") %>%
mutate(`거래소` = "코스닥")
krx_dat <- bind_rows(kospi_dat,kosdaq_dat) %>%
set_names(c("종목코드", "종목명", "현재가", "대비", "등락률", "시가", "고가",
"저가", "거래량", "거래대금", "시가총액", "시총비중",
"상장주식수", "거래소")) %>%
select_("거래소", "종목코드", "종목명", "현재가", "현재가", "상장주식수", "시가총액")
krx_df <- krx_dat %>%
mutate(`현재가` = parse_number(`현재가`),
`상장주식수` = parse_number(`상장주식수`),
`시가총액` = parse_number(`시가총액`)) %>%
mutate(`시가총억원` = `시가총액`/1e8) %>%
select(-`시가총액`)
krx_df %>%
DT::datatable() %>%
DT::formatRound(4:6, digits=0)우선주 시가총액 계산시 반영 검토.
# A tibble: 118 x 6
거래소 종목코드 종목명 현재가 상장주식수 시가총억원
<chr> <chr> <chr> <dbl> <dbl> <dbl>
1 코스피 000075 삼양홀딩스우 46950 304058 143.
2 코스피 000087 하이트진로2우B 14200 1130138 160.
3 코스피 000105 유한양행우 207500 236188 490.
4 코스피 000145 하이트진로홀딩스우 8110 470810 38.2
5 코스피 000155 두산우 72800 4411074 3211.
6 코스피 000157 두산2우B 73400 985685 723.
7 코스피 000215 대림산업우 37200 3800000 1414.
8 코스피 000225 유유제약1우 6900 1133465 78.2
9 코스피 000227 유유제약2우B 17400 164080 28.5
10 코스피 000325 노루홀딩스우 17650 185250 32.7
# ... with 108 more rows2 거래소 기초분석
2.1 거래소 규모
코스피와 코스닥에 따라 상장 기업수와 시가총액을 배교한다. “e-나라지표 국정모니터링지표”에서 상장회사수, 시가총액을 비교한다. e-나라지표에서 산출한 근거는 2018년 12월 31일 최종 거래 기준으로 이며 우선주가 해당회사에 귀속되어 차이가 난다.
- 유가증권시장: 788 社, 1,344 조
- 코스닥시장: 1,323 社, 228 조
# A tibble: 2 x 3
거래소 n 비율
<chr> <int> <chr>
1 코스닥 1325 59.5%
2 코스피 901 40.5%krx_df %>%
group_by(`거래소`) %>%
summarise(`시가총조원` = sum(`시가총억원`)/1e4) %>%
mutate(`비율` = scales::percent(`시가총조원`/ sum(`시가총조원`)))# A tibble: 2 x 3
거래소 시가총조원 비율
<chr> <dbl> <chr>
1 코스닥 231. 14.5%
2 코스피 1368. 85.5%2.2 거래소 상장사 시총비중
유가증권거래소와 코스닥을 합하면 약 2,000개 회사가 상장되어 있으며 상위 100개 회사 즉 5% 회사가 시가총액의 70%를 점유하고 있는 것이 확인된다.
krx_top_df <- krx_df %>%
arrange(desc(`시가총억원`)) %>%
mutate(`누적시총_조` = cumsum(`시가총억원`)/1e4) %>%
mutate(`누적시총_조_누적율` = `누적시총_조` / (sum(`시가총억원`)/1e4))
krx_top_df %>%
top_n(100, wt=`시가총억원`) %>%
DT::datatable() %>%
DT::formatRound(c("현재가", "상장주식수", "시가총억원", "누적시총_조"), digits=0) %>%
DT::formatPercentage("누적시총_조_누적율", digits=1)2.3 거래소 시가총액
시가총액을 백만달러로 변환시킨 market_cap_m 변수를 분야(sector)와 조합하여 가장 비중이 많은 분야를 거래소와 교차하여 확인한다.
library(extrafont)
loadfonts()
krx_top_df %>%
slice(1:20) %>%
mutate(`시총조원` = `시가총억원`/1e4) %>%
ggplot(aes(x=fct_reorder(`종목명`,`시총조원`), y=`시총조원`)) +
geom_col() +
coord_flip() +
labs(x="", y="시가총액: 단위(조원)", title="한국거래소 상장사 시가총액",
subtitle = "2019-01-11") +
theme_minimal(base_family = "NanumGothic")
3 주식 데이터
quantmod 팩키지로부터 관심있는 주식에 대한 주식 종명명 약칭(stock symbol)을 찾아 바로 거래가격을 확인할 수 있다.
3.1 quantmod 헬로월드
quantmod 팩키지를 통해 주식 거래 데이터를 가져올 수 있다. 구글 금융(Google finance)은 2018년 3월 이후 서비스를 중단(Google Finance stopped providing data in March, 2018.)해서 대안으로 야후 금융(yahoo finance)에서 데이터를 가져온다.
야후 금융(Yahoo Finance)에서 거래주식 데이터를 가져오는 방식은 종목코드.KS 방식으로 하면 된다. 즉, 삼성전자(005930) 코드에 .KS를 붙이게 되면 005930.KS가 되고 이를 quantmod 팩키지 getSymbols() 함수에 넣어 주식거래 시세를 받아오면 된다.
quantmod 팩키지 시계열 데이터는 OHLC (Open, Hi, Lo and Close)를 담고 있기 때문에 다음 두가지 방식으로 데이터를 가져와서 분석에 사용할 수 있다.
# remotes::install_github("joshuaulrich/quantmod")
library(quantmod)
`삼성전자` <- getSymbols("005930.KS", src = "yahoo", from = as.Date("2018-01-01"), to = Sys.Date(), auto.assign = FALSE)
head(`삼성전자`) 005930.KS.Open 005930.KS.High 005930.KS.Low 005930.KS.Close
2018-01-02 51380 51400 50780 51020
2018-01-03 52540 52560 51420 51620
2018-01-04 52120 52180 50640 51080
2018-01-05 51300 52120 51200 52120
2018-01-08 52400 52520 51500 52020
2018-01-09 51460 51720 49980 50400
005930.KS.Volume 005930.KS.Adjusted
2018-01-02 8474250 31996.27
2018-01-03 10013500 32372.55
2018-01-04 11695450 32033.90
2018-01-05 9481150 32686.12
2018-01-08 8383650 32623.40
2018-01-09 18013600 31607.45 005930.KS.Close
2018-01-02 51020
2018-01-03 51620
2018-01-04 51080
2018-01-05 52120
2018-01-08 52020
2018-01-09 504003.2 한국상장 중국기업
국내 상장 중국기업을 기사에서 뽑아 시가총액과 주식가격을 살펴보자.
- 국내 상장 중국기업에서 중국기업 코드를 추출한다.
quantmod팩키지에서getSymbols()함수로 “2010-01-01” 부터 최근까지 주가데이터를 가져온다.zoo자료형을 데이터프레임으로 변환시킨다.ggplot()그래프로 시각화한다.
3.2.1 국내상장 중국기업
상장사 시가총액이 담긴 데이터프레임과 결합하여 중국기업 상장주식수와 시가총액을 확인한다.
library(extrafont)
loadfonts()
china_df <- tribble( ~ "종목코드", ~"종목명",
"900080", "에스앤씨엔진그룹",
"900040", "차이나그레이트",
"900110", "이스트아시아홀딩스",
"900120", "씨케이에이치",
"900070", "글로벌에스엠",
"900250", "크리스탈신소재",
"900260", "로스웰",
"900270", "헝셩그룹",
"900280", "골든센츄리",
"900290", "GRT",
"900300", "오가닉티코스메틱",
"900310", "컬러레이")
china_df <- left_join(china_df, krx_df)
china_df %>%
DT::datatable() %>%
DT::formatRound(c("현재가", "상장주식수", "시가총억원"), digits=0)3.2.2 주식거래 데이터
quandmod 팩키지 야후 금융 API를 통해 시세 데이터를 가져온다. 코스피는 .KS를 붙였다면, 코스닥은 .KQ를 붙이는 것이 차이점이 있다.
china_stock_code <- paste0(china_df$`종목코드`, ".KQ")
getSymbols(china_stock_code, src = "yahoo", from = as.Date("2017-01-01"), to = Sys.Date(), auto.assign = TRUE) [1] "900080.KQ" "900040.KQ" "900110.KQ" "900120.KQ" "900070.KQ"
[6] "900250.KQ" "900260.KQ" "900270.KQ" "900280.KQ" "900290.KQ"
[11] "900300.KQ" "900310.KQ"# 제외
china_stock_zoo <- merge(`900080.KQ`, `900040.KQ`, `900110.KQ`, `900120.KQ`,`900070.KQ`, `900250.KQ`, `900260.KQ`, `900270.KQ`, `900280.KQ`, `900300.KQ`, `900310.KQ`, `900290.KQ`)
china_stock_df <- data.frame(date=index(china_stock_zoo), coredata(china_stock_zoo))
china_stock_df %>%
select(date, contains("Close")) %>%
gather(`종목코드`, `주가`, -date) %>%
mutate(`종목코드` = str_remove(`종목코드`, ".Close")) %>%
mutate(`종목코드` = str_extract_all(`종목코드`, "\\d.+") %>% str_remove(.,".KQ")) %>%
left_join(krx_df) %>%
ggplot(aes(x=date, y=`주가`, color=`종목명`)) +
geom_line() +
scale_y_sqrt(labels = scales::comma) +
scale_x_date(date_labels = "%y-%m") +
labs(x="", y="주가", title="코스닥 상장된 중국기업 주가 추이",
subtitle="출처: Yahoo Finance, 2017-01-01 ~") +
theme_minimal(base_family = "NanumGothic")