< 주가 일봉 데이터 저장 프로그램 개발 - 키움 API 구현>
해당 포스트를 읽기 전에 이전 포스트를 읽기 바란다.
2. "주식 데이터 불러오기(키움 open api 주식 알고리즘 테스트 프로그래밍)"
여기서 구현할 내용은 간단하다. 주식 종목 일봉 데이터와 코스피/코스닥 지수 일봉 데이터를 불러오는 기능만 구현하면 된다.
주식 종목 일봉 데이터를 불러오는 키움 API TR은 'opt10081', 주식 일봉 차트 조회 요청이다. 종목 코드와 기준일자, 수정주가 구분을 입력 받는다. 주식 일봉 데이터는 기준일자로부터 내림차순으로 전송 받는다.
코스피/코스닥 지수 일봉 데이터는 'opt20006', 업종 일봉 조회 요청 TR로 얻을 수 있다. 업종 코드로 '001'을 입력하면 코스피, '101'을 입력하면 코스닥 일봉 데이터를 얻을 수 있다.
추가로 일봉 데이터를 불러올 때 별도의 조건식이 필요하다. 이전 포스트 "2. DB 설계 및 구현" 에서 "select_max_date" 메서드를 이용해 특정 종목의 가장 최근에 INSERT된 데이터의 날짜를 계산했다.(계산한 이유는 이전 포스트에서 설명했다.) 이 날짜를 이용해 해당 날짜보다 최근의 일봉 데이터만 추출해야 한다. 따라서 주가 일봉 데이터를 불러올 때 데이터에 대한 조건식이 붙는다. 이에 대해 차차 알아보자.
먼저 키움 OPEN API를 구현한 전체 코드를 보자. 파일명은 'Kiwoom.py'이다. 참고로 일봉 데이터는 프로그램을 실행한 날의 하루 전 데이터부터 불러온다. 따라서 어제 날짜를 계산해야 한다. 이는 '__init__(self)' 메서드에서 계산해 'self.day' 변수에 대입한다.
from PyQt5.QAxContainer import *
from PyQt5.QtCore import *
import time
import pandas as pd
from datetime import date, timedelta
class Kiwoom(QAxWidget):
def __init__(self):
super().__init__()
self.day = (date.today() - timedelta(1)).strftime('%Y%m%d')
self.stock_info = pd.DataFrame(columns=("Open","High","Low","Close","Volume"))
self._create_kiwoom_instance()
self._set_signal_slots()
self._comm_connect()
# COM을 사용하기 위한 메서드
def _create_kiwoom_instance(self):
self.setControl("KHOPENAPI.KHOpenAPICtrl.1")
def _set_signal_slots(self):
# 로그인할 시 OnEventConnect 이벤트 발생
self.OnEventConnect.connect(self._event_connect)
# tr후 이벤트 발생
self.OnReceiveTrData.connect(self._receive_tr_data)
# 로그인 메서드, 로그인 과정에서 프로그램이 진행되면 안 되기 때문에
# 이벤트 루프 생성
def _comm_connect(self):
self.dynamicCall("CommConnect()")
self.login_event_loop = QEventLoop()
self.login_event_loop.exec_()
# 로그인 성공 여부 메서드
def _event_connect(self, err_code):
if err_code == 0:
print("connected")
else:
print("disconnected")
self.login_event_loop.exit()
# tr을 서버에 전송한다
def comm_rq_data(self, rqname, trcode, next, screen_no):
self.dynamicCall("CommRqData(QString, QString, int, QString)", rqname, trcode, next, screen_no)
self.tr_event_loop = QEventLoop()
self.tr_event_loop.exec_()
# 서버한테 받은 데이터를 반환한다.
def _comm_get_data(self, code, real_type, field_name, index, item_name):
ret = self.dynamicCall("CommGetData(QString, QString, QString, int, QString)", code,
real_type, field_name, index, item_name)
return ret.strip()
# 서버한테 받은 데이터의 갯수를 반환한다.
def _get_repeat_cnt(self, trcode, rqname):
ret = self.dynamicCall("GetRepeatCnt(QString, QString)", trcode, rqname)
return ret
# 종목 이름 반환. 반환 값이 ""이면 code에 해당하는 종목 없음
def is_stock(self, code):
ret = self.dynamicCall("GetMasterCodeName(QString)", [code])
return ret
# tr 입력값을 서버 통신 전에 입력
# ex. SetInputValue("종목코드","000660")
def set_input_value(self, id, value):
self.dynamicCall("SetInputValue(QString,QString)", id, value)
def _receive_tr_data(self, screen_no, rqname, trcode, record_name, next, unused1, unused2, unused3, unused4):
if next == '2':
self.remained_data = True
else:
self.remained_data = False
if rqname == "opt10081_req":
self._opt10081_20006(rqname, trcode)
elif rqname == "opt20006_req":
self._opt10081_20006(rqname, trcode)
try:
self.tr_event_loop.exit()
except AttributeError:
pass
# 종목의 일자, 시가, 종가 데이터를 요청
def req_stock_daily_value(self, code, day):
self.stock_info = pd.DataFrame(columns=("Open", "High", "Low", "Close","Volume"))
print("종목 일봉 데이터 요청")
self.set_input_value("종목코드", code)
self.set_input_value("기준일자", self.day)
self.set_input_value("수정주가구분", "1")
self.comm_rq_data("opt10081_req", "opt10081", 0, "2000")
if day is not None:
day = day.strftime('%Y%m%d')
temp_data = self.stock_info[self.stock_info.index.values <= day]
if temp_data.empty is False:
self.stock_info = self.stock_info[self.stock_info.index.values>day]
self.remained_data = False
while self.remained_data:
print("종목 일봉 데이터 추가 요청")
time.sleep(0.2)
self.set_input_value("종목코드", code)
self.set_input_value("기준일자", self.day)
self.set_input_value("수정주가구분", "1")
self.comm_rq_data("opt10081_req", "opt10081", 2, "2000")
if day is not None:
temp_data = self.stock_info[self.stock_info.index.values <= day]
if temp_data.empty is False:
self.stock_info = self.stock_info[self.stock_info.index.values > day]
break
self.stock_info.index.name = "Date"
return self.stock_info
# 종목/지수 일자, 시가,저가,고가, 종가 데이터를 서버에서 가져오고 stock_info 에 저장
def _opt10081_20006(self,rqname,trcode):
data_cnt = self._get_repeat_cnt(trcode, rqname)
for i in range(data_cnt):
date = self._comm_get_data(trcode, "", rqname, i, "일자")
open = self._comm_get_data(trcode, "", rqname, i, "시가")
low = self._comm_get_data(trcode, "", rqname, i, "저가")
High = self._comm_get_data(trcode, "", rqname, i, "고가")
close = self._comm_get_data(trcode, "", rqname, i, "현재가")
volume = self._comm_get_data(trcode, "", rqname, i, "거래량")
self.stock_info = self.stock_info.append(pd.DataFrame({'Open':open, 'Low':low, 'High':High,'Close':close, 'Volume':volume}, index=[date]))
# 코스피, 코스닥의 일자, 시가, 종가 데이터를 요청
def req_index_daily_value(self, code, day):
self.stock_info = pd.DataFrame(columns=("Open", "High", "Low", "Close", "Volume"))
print("업종 일봉 데이터 요청")
self.set_input_value("업종코드", code)
self.set_input_value("기준일자", self.day)
self.set_input_value("수정주가구분", "1")
self.comm_rq_data("opt20006_req", "opt20006", 0, "1999")
if day is not None:
day = day.strftime('%Y%m%d')
temp_data = self.stock_info[self.stock_info.index.values <= day]
if temp_data.empty is False:
self.stock_info = self.stock_info[self.stock_info.index.values>day]
self.remained_data = False
while self.remained_data:
print("업종 일봉 데이터 추가 요청")
time.sleep(0.2)
self.set_input_value("업종코드", code)
self.set_input_value("기준일자", self.day)
self.set_input_value("수정주가구분", "1")
self.comm_rq_data("opt20006_req", "opt20006", 2, "1999")
if day is not None:
temp_data = self.stock_info[self.stock_info.index.values <= day]
if temp_data.empty is False:
self.stock_info = self.stock_info[self.stock_info.index.values > day]
break
self.stock_info.index.name = "Date"
return self.stock_info먼저 종목 일봉 데이터를 요청하는 소스를 보자. 매개변수 'code'는 주식 종목/ETF의 코드 값이다. 'day'는 위에서 설명한 DB의 "select_max_date" 메서드의 결과값이 들어온다. 해당 변수를 이용해 조건식을 사용한다. 일봉 데이터는 'self.stock_info' DataFrame 객체에 넣는다. 매번 요청할 때마다 초기화가 필요하다. 여러 번 요청했을 시 초기화 하지 않으면 여러 종목의 데이터가 하나의 변수에 들어간다. TR로는 위에서 설명한 'opt10081'을 이용한다. 'self.comm_rq_data()'를 이용해 일봉 데이터를 요청한다. 요청 후 인자로 받은 'day'값이 'None'인지 확인한다. 'None'이라면 주식의 상장일까지 전체 일봉 데이터를 불러온다. 'None'이 아니라면 'day'일 이후 데이터만 필요하다. 따라서 'day'일 이후 데이터만 추출한다.
'day'일 이후 데이터를 추출하는 방법으로 여러가지가 있다. 대표적으로 종목 일봉 데이터 하나 불러올 때마다 조건식을 이용해 'day'를 확인하는 방법과 종목 데이터를 한 번에 여러개 불러오는 대신 조건식 이용을 최소화하는 방법이 있다. 필자는 후자를 선택했다. 예로 1990년 이후부터 오늘까지 코스피 지수 일봉 데이터를 불러온다고 가정해보자. 약 8000개의 데이터를 불러온다. 만약 첫 번째 방법을 선택했을 시 조건문을 8000번 돌려야 한다. 그러나 후자의 방법을 사용하면 파이썬의 벡터 특성을 이용해 약 5번 정도만 조건문을 사용한다. 이에 대해 알아보자.
'self.stock_info' 변수는 일봉 데이터의 날짜를 인덱스로 가진다. self.stock_info[self.stock_info.index.values<=day)를 이용하면 day 이전 데이터만 추출할 수 있다. 'day' 변수를 'day.strftime()'으로 'str' 타입으로 바꾸는 이유는 'self.stock_info.index.values'가 'str' 타입으로 되있기 때문이다.
추출한 temp_data 값이 empty인지 확인한다. empty가 아니라면 'day' 이전 데이터이 있다는 의미이므로 데이터 전송을 멈추고 'day' 이후 데이터만 추출한 후 최종 데이터를 리턴한다.
# 종목의 일자, 시가, 종가 데이터를 요청
def req_stock_daily_value(self, code, day):
self.stock_info = pd.DataFrame(columns=("Open", "High", "Low", "Close","Volume"))
print("종목 일봉 데이터 요청")
self.set_input_value("종목코드", code)
self.set_input_value("기준일자", self.day)
self.set_input_value("수정주가구분", "1")
self.comm_rq_data("opt10081_req", "opt10081", 0, "2000")
if day is not None:
day = day.strftime('%Y%m%d')
temp_data = self.stock_info[self.stock_info.index.values <= day]
if temp_data.empty is False:
self.stock_info = self.stock_info[self.stock_info.index.values>day]
self.remained_data = False
while self.remained_data:
print("종목 일봉 데이터 추가 요청")
time.sleep(0.2)
self.set_input_value("종목코드", code)
self.set_input_value("기준일자", self.day)
self.set_input_value("수정주가구분", "1")
self.comm_rq_data("opt10081_req", "opt10081", 2, "2000")
if day is not None:
temp_data = self.stock_info[self.stock_info.index.values <= day]
if temp_data.empty is False:
self.stock_info = self.stock_info[self.stock_info.index.values > day]
break
self.stock_info.index.name = "Date"
return self.stock_info코스피/코스닥 지수 일봉 데이터를 요청하는 소스는 아래와 같다. 위에서 본 주가 종목 지수 일봉 데이터 요청 코드와 거의 같다. 단지 tr 요청 값과 tr 매개변수만 다르다.
# 코스피, 코스닥의 일자, 시가, 종가 데이터를 요청
def req_index_daily_value(self, code, day):
self.stock_info = pd.DataFrame(columns=("Open", "High", "Low", "Close", "Volume"))
print("업종 일봉 데이터 요청")
self.set_input_value("업종코드", code)
self.set_input_value("기준일자", self.day)
self.set_input_value("수정주가구분", "1")
self.comm_rq_data("opt20006_req", "opt20006", 0, "1999")
if day is not None:
day = day.strftime('%Y%m%d')
temp_data = self.stock_info[self.stock_info.index.values <= day]
if temp_data.empty is False:
self.stock_info = self.stock_info[self.stock_info.index.values>day]
self.remained_data = False
while self.remained_data:
print("업종 일봉 데이터 추가 요청")
time.sleep(0.2)
self.set_input_value("업종코드", code)
self.set_input_value("기준일자", self.day)
self.set_input_value("수정주가구분", "1")
self.comm_rq_data("opt20006_req", "opt20006", 2, "1999")
if day is not None:
temp_data = self.stock_info[self.stock_info.index.values <= day]
if temp_data.empty is False:
self.stock_info = self.stock_info[self.stock_info.index.values > day]
break
self.stock_info.index.name = "Date"
return self.stock_info마지막으로 TR 요청 후 데이터를 전송받을 때 호출되는 함수를 살펴보자. 키움 open api를 사용할 줄 안다면 아래 코드는 바로 이해 가능할 것이다. 서버에서 데이터를 받을 때마다 self.stock_info.append()를 통해 데이터를 추가하고 index는 date 값을 넣는다.
# 종목/지수 일자, 시가,저가,고가, 종가 데이터를 서버에서 가져오고 stock_info 에 저장
def _opt10081_20006(self,rqname,trcode):
data_cnt = self._get_repeat_cnt(trcode, rqname)
for i in range(data_cnt):
date = self._comm_get_data(trcode, "", rqname, i, "일자")
open = self._comm_get_data(trcode, "", rqname, i, "시가")
low = self._comm_get_data(trcode, "", rqname, i, "저가")
High = self._comm_get_data(trcode, "", rqname, i, "고가")
close = self._comm_get_data(trcode, "", rqname, i, "현재가")
volume = self._comm_get_data(trcode, "", rqname, i, "거래량")
self.stock_info = self.stock_info.append(pd.DataFrame({'Open':open, 'Low':low, 'High':High,'Close':close, 'Volume':volume}, index=[date]))
우리는 키움 API를 이용해서 코스닥/코스피, 주식 종목/ETF 일봉 데이터를 요청하고 서버에서 받는 기능을 구현했다. 해당 전체 소스 파일은 첨부파일에 있다.
Kiwoom.py
'주식 프로그래밍(시스템 트레이딩)' 카테고리의 다른 글
| 5. 주가 일봉 데이터 저장 프로그램 개발(프로그램 GUI 구현) (5) | 2018.01.07 |
|---|---|
| 4. 주가 일봉 데이터 저장 프로그램 개발(프로그램 기능 구현) (0) | 2018.01.07 |
| 2. 주가 일봉 데이터 저장 프로그램 개발(DB 설계 및 구현) (5) | 2018.01.06 |
| 1. 주가 일봉 데이터 저장 프로그램 개발(개요) (1) | 2018.01.05 |
| 7. 알고리즘 최적화를 통한 수익율 극대화 (키움 open api 주식 알고리즘 테스트 프로그래밍) (1) | 2017.11.15 |