-
Notifications
You must be signed in to change notification settings - Fork 370
Quick Start
FinanceDataReader
는 한국, 미국 글로벌 시장의 금융상품 가격 데이터(주식, 지수, 환율, 선물 등)와 종목 리스팅 등 금융 데이터 수집과 분석을 위한 오픈소스 라이브러리 입니다.
2018-2020 FinanceData.KR | facebook.com/financedata
# 차트 설정
%matplotlib inline
import matplotlib.pyplot as plt
plt.rcParams["font.family"] = 'nanummyeongjo'
plt.rcParams["figure.figsize"] = (14,4)
plt.rcParams['lines.linewidth'] = 2
plt.rcParams["axes.grid"] = True
금융투자 데이터를 다루는데 가장 기본이 되는 데이터는 거래소별 전체 종목 코드와 가격 데이터입니다.
FinanceDataReader
는 금융 데이터에 관심이 많은 개인, 금융투자 종사자 혹은 개인투자자를 위해 만들어진 오픈소스 라이브러리 입니다.
다양한 데이터 소스로 부터 가격 데이터를 손쉽게 가져오기 위한 목적으로 만들어졌으며 백테스트, 가격 분석, 시장 모니터링 등에 사용할 수 있습니다.
다음과 같은 데이터를 손쉽게 가져올 수 있습니다.
- 거래소별 전체 종목 리스트: 'KRX' ('KOSPI', 'KODAQ', 'KONEX'), 'NASDAQ', 'NYSE', 'AMEX' and 'S&P500'
- 한국거래소(KRX) 상장폐지종목 리스트: 'KRX-DELISTING'
- 국내주식 가격 데이터: '005930'(삼성전자), '091990'(셀트리온헬스케어) 등
- 해외주식 가격 데이터: 'AAPL'(애플), 'AMZN'(아마존), 'GOOG'(구글) 등
- 국내 상장폐지 종목 과거 가격 데이터
- 시장별 종목 가격 데이터: 'KRX'(한국거래소), 'NASDAQ'(나스닥), 'NYSE'(뉴욕증권거래소), 'AMEX'(미국증권거래소), 'SSE'(상해), 'SZSE'(심천), 'HKEX'(홍콩), 'TSE'(도쿄)
- ETF 종목 리스트: 국가별('KR', 'US', 'JP' 등)
- 각종 지수: 'KS11'(코스피지수), 'KQ11'(코스닥지수), 'DJI'(다우지수), 'IXIC'(나스닥 지수), 'US500'(S&P 5000)
- 환율 데이터: 'USD/KRX' (원달러 환율), 'USD/EUR'(달러당 유로화 환율), 'CNY/KRW': 위엔화 원화 환율
- 암호화폐 가격: 'BTC/USD' (비트코인 달러 가격, Bitfinex), 'BTC/KRW' (비트코인 원화 가격, 빗썸)
새로 설치
pip install finance-datareader
업데이트 (이미 설치하신 분이 최신 버전을 설치하시려면)
pip install -U finance-datareader
import FinanceDataReader as fdr
fdr.__version__
'0.9.3'
종목 데이터 전체를 얻기 위해 사용할 수 있는 거래소 심볼은 다음과 같습니다.
심볼 | 거래소 |
---|---|
KRX |
KRX 종목 리스트 전체 |
KOSPI |
KOSPI 리스트 종목 |
KOSDAQ |
KOSDAQ 리스트 종목 |
KONEX |
KONEX 리스트 종목 |
KRX-DELISTING |
KRX상장폐지종목 리스트 |
KRX-MARCAP |
KRX 시가총액순 종목 리스트 |
※ KRX는 KOSPI,KOSDAQ,KONEX 모두 포함합니다.
심볼 | 거래소 |
---|---|
NASDAQ |
나스닥 종목 |
NYSE |
뉴욕 증권거래소 종목 |
AMEX |
AMEX 종목 |
S&P500 |
S&P 500 종목 |
import FinanceDataReader as fdr
# S&P 500 종목 전체
sp500 = fdr.StockListing('S&P500')
sp500.head()
Symbol | Name | Sector | Industry | |
---|---|---|---|---|
0 | MMM | 3M Company | Industrials | Industrial Conglomerates |
1 | ABT | Abbott Laboratories | Health Care | Health Care Equipment |
2 | ABBV | AbbVie Inc. | Health Care | Pharmaceuticals |
3 | ABMD | ABIOMED Inc | Health Care | Health Care Equipment |
4 | ACN | Accenture plc | Information Technology | IT Consulting & Other Services |
# S&P500의 종목수: S&P500 종목수는 500개가 아니라 2개의 클래스를 가진 종목들이 있어서 505개 입니다.
len(sp500)
505
국가별 ETF 종목 리스트를 가져옵니다. 지원하는 국가는 다음과 같으며 지정하지 않는 경우 기본값은 'KR'(한국) 입니다.
- 'KR': 한국 (기본값)
- 'US': 미국
- 'CN': 중국
- 'HK': 홍콩
- 'JP': 일본
- 'UK': 영국
- 'FR': 프랑스
df_etf = fdr.EtfListing('KR')
df_etf.head(10)
Symbol | Name | |
---|---|---|
0 | 069500 | KODEX 200 |
1 | 102110 | TIGER 200 |
2 | 122630 | KODEX 레버리지 |
3 | 278540 | KODEX MSCI Korea TR |
4 | 102780 | KODEX 삼성그룹 |
5 | 148020 | KBSTAR 200 |
6 | 278530 | KODEX 200TR |
7 | 310970 | TIGER MSCI Korea TR |
8 | 153130 | KODEX 단기채권 |
9 | 273130 | KODEX 종합채권(AA-이상)액티브 |
# 현재 한국에 상장된 ETF 종목은 모두 451종목 입니다.
len(df_etf)
451
국내 주식의 가격 데이터는 모두 단축 코드(6자리)를 사용하여 조회합니다. 가격 데이터는 모두 수정가격(Adjusted Price)입니다.
- 코스피 종목: 068270(셀트리온), 005380(현대차) 등
- 코스닥 종목: 215600(신라젠), 151910(나노스) 등
import FinanceDataReader as fdr
# 신라젠(215600), 2018년
df = fdr.DataReader('215600', '2018-01-01') # 2018-01-01 ~ 현재
df.head()
Open | High | Low | Close | Volume | Change | |
---|---|---|---|---|---|---|
Date | ||||||
2018-01-02 | 95900 | 104000 | 93300 | 102500 | 6824281 | 0.096257 |
2018-01-03 | 102600 | 104900 | 99500 | 103000 | 4760150 | 0.004878 |
2018-01-04 | 102600 | 104000 | 92200 | 92200 | 6538665 | -0.104854 |
2018-01-05 | 85800 | 101200 | 85700 | 100000 | 8318372 | 0.084599 |
2018-01-08 | 98000 | 98400 | 92500 | 93800 | 6352776 | -0.062000 |
df.tail()
Open | High | Low | Close | Volume | Change | |
---|---|---|---|---|---|---|
Date | ||||||
2020-02-03 | 12600 | 13400 | 12450 | 13150 | 2577917 | 0.011538 |
2020-02-04 | 13250 | 13750 | 13200 | 13650 | 1739670 | 0.038023 |
2020-02-05 | 13750 | 14050 | 11600 | 12450 | 5292116 | -0.087912 |
2020-02-06 | 12000 | 12900 | 11650 | 12650 | 5028799 | 0.016064 |
2020-02-07 | 12700 | 14800 | 12300 | 13050 | 12577686 | 0.031621 |
import FinanceDataReader as fdr
# 셀트리온, 2017-01-01 ~ 현재
df = fdr.DataReader('068270', '2017-01-01')
df['Close'].plot()
import FinanceDataReader as fdr
# 애플(AAPL), 2018-01-01 ~ 2018-03-30
df = fdr.DataReader('AAPL', '2018-01-01', '2020-01-30')
df.tail()
Close | Open | High | Low | Volume | Change | |
---|---|---|---|---|---|---|
Date | ||||||
2020-01-24 | 318.31 | 320.25 | 323.33 | 317.52 | 36630000.0 | -0.0029 |
2020-01-27 | 308.95 | 310.06 | 311.77 | 304.88 | 40490000.0 | -0.0294 |
2020-01-28 | 317.69 | 312.60 | 318.40 | 312.19 | 40560000.0 | 0.0283 |
2020-01-29 | 324.34 | 324.45 | 327.85 | 321.38 | 54150000.0 | 0.0209 |
2020-01-30 | 323.87 | 320.54 | 324.09 | 318.75 | 31690000.0 | -0.0014 |
import FinanceDataReader as fdr
# 애플(AAPL), 2017-01-01 ~ 현재
df = fdr.DataReader('AAPL', '2017')
df['Close'].plot()
import FinanceDataReader as fdr
# 아마존(AMZN), 2010-01-01 ~ 현재
df = fdr.DataReader('AMZN', '2010')
df['Close'].plot()
# 기간에 상관없이 데이터를 읽어 옵니다 ('F'포드, 1980-01-01 ~ 2020-12-31, 40년 데이터)
import FinanceDataReader as fdr
df = fdr.DataReader('F', '1980-01-01', '2020-12-31')
len(df)
10060
df['Close'].plot()
개별 ETF 종목의 가격도 DataReader() 함수를 사용하여 다음과 같이 가져올 수 있습니다.
# 069500 KODEX 200
df = fdr.DataReader('069500', '2019-01-01')
df.head(10)
Open | High | Low | Close | Volume | Change | |
---|---|---|---|---|---|---|
Date | ||||||
2019-01-02 | 26173 | 26212 | 25591 | 25677 | 4795980 | -0.011625 |
2019-01-03 | 25670 | 25700 | 25397 | 25428 | 5649255 | -0.009697 |
2019-01-04 | 25416 | 25655 | 25347 | 25623 | 10281475 | 0.007669 |
2019-01-07 | 25944 | 26178 | 25929 | 25989 | 5700324 | 0.014284 |
2019-01-08 | 25998 | 26076 | 25802 | 25819 | 4670564 | -0.006541 |
2019-01-09 | 25924 | 26432 | 25924 | 26351 | 5263421 | 0.020605 |
2019-01-10 | 26373 | 26496 | 26271 | 26341 | 5924713 | -0.000379 |
2019-01-11 | 26452 | 26579 | 26364 | 26503 | 5054162 | 0.006150 |
2019-01-14 | 26447 | 26477 | 26246 | 26274 | 3546372 | -0.008641 |
2019-01-15 | 26368 | 26813 | 26354 | 26801 | 4744723 | 0.020058 |
# SPDR S&P 500 ETF
df = fdr.DataReader('SPY', '2019-01-01', '2019-06-30')
df.head(10)
Close | Open | High | Low | Volume | Change | |
---|---|---|---|---|---|---|
Date | ||||||
2019-01-02 | 250.18 | 245.98 | 251.21 | 245.95 | 126930000.0 | 0.0010 |
2019-01-03 | 244.21 | 248.23 | 248.57 | 243.67 | 144140000.0 | -0.0239 |
2019-01-04 | 252.39 | 247.59 | 253.11 | 247.17 | 142630000.0 | 0.0335 |
2019-01-07 | 254.38 | 252.69 | 255.95 | 251.69 | 103140000.0 | 0.0079 |
2019-01-08 | 256.77 | 256.82 | 257.31 | 254.00 | 102510000.0 | 0.0094 |
2019-01-09 | 257.97 | 257.56 | 258.91 | 256.19 | 95010000.0 | 0.0047 |
2019-01-10 | 258.88 | 256.26 | 259.16 | 255.50 | 96820000.0 | 0.0035 |
2019-01-11 | 258.98 | 257.68 | 259.01 | 257.03 | 73860000.0 | 0.0004 |
2019-01-14 | 257.40 | 256.86 | 258.30 | 256.41 | 70910000.0 | -0.0061 |
2019-01-15 | 260.35 | 257.82 | 260.70 | 257.81 | 85210000.0 | 0.0115 |
FinanceDataReader는 종목코드(symbol)가 숫자로만 구성된 경우 한국거래소(KRX)시장을, 영문으로 되어 있는 경우 미국시장(NYSE, NASDAQ, AMEX)의 종목을 우선 검색합니다.
한국과 미국을 제외한 국가의 종목을 조회할 경우에는 명시적으로 거래소(exchange)를 지정하여 사용하세요.
한국, 중국, 홍콩, 일본 등은 종목 코드가 숫자로 되어 있습니다. 종목코드가 국가간(거래소)에 겹칠 수 있습니다. 예를 들어, 한국거래소(KRX)의 두산(000150)과 심천거래소(SZSE)에서 Yihua Healthcare(000150)는 종목 코드가 동일합니다.
이런 경우는 다음과 같이 명시적으로 거래소(exchange)를 지정하여 조회 합니다.
# 두산(000150) 한국거래소(KRX))
df = fdr.DataReader('000150', '2018-01-01', '2019-10-30') # KRX 두산(000150)
df = fdr.DataReader('000150', '2018-01-01', '2019-10-30', exchange='KRX') # KRX 두산(000150)
# Yihua Healthcare(000150) 심천거래소(SZSE)
df = fdr.DataReader('000150', '2018-01-01', '2019-10-30', exchange='SZSE') # SZSE
df = fdr.DataReader('000150', '2018-01-01', '2019-10-30', exchange='심천') # SZSE
exchange 옵션에 지정할 수 있는 거래소는 다음과 같습니다.
'KRX'(한국거래소), 'NASDAQ'(나스닥), 'NYSE'(뉴욕증권거래소), 'AMEX'(미국증권거래소), 'SSE'(상해), 'SZSE'(심천), 'HKEX'(홍콩), 'TSE'(도쿄)
# 홍콩거래소(HKEX) 7500: CSOP Hang Seng Index Daily (-2x) Inverse
df = fdr.DataReader('7500', '2019-01-01', '2019-06-30', exchange='HKEX')
df.head()
Close | Open | High | Low | Volume | Change | |
---|---|---|---|---|---|---|
Date | ||||||
2019-05-29 | 7.22 | 7.24 | 7.25 | 7.12 | 29560000.0 | 0.0112 |
2019-05-30 | 7.27 | 7.22 | 7.33 | 7.17 | 24100000.0 | 0.0069 |
2019-05-31 | 7.40 | 7.32 | 7.41 | 7.25 | 27730000.0 | 0.0179 |
2019-06-03 | 7.41 | 7.50 | 7.50 | 7.34 | 37710000.0 | 0.0014 |
2019-06-04 | 7.46 | 7.37 | 7.51 | 7.36 | 21010000.0 | 0.0067 |
지수를 심볼(symbol)을 지정하여 다양한 지수를 조회할 수 있습니다. 반환형식은 개별 종목과 동일합니다.
심볼 | 설명 |
---|---|
KS11 | KOSPI 지수 |
KQ11 | KOSDAQ 지수 |
KS50 | KOSPI 50 지수 |
KS100 | KOSPI 100 지수 |
KS200 | KOSPI 200 지수 |
KQ150 | KOSDAQ 150 지수 |
KRX100 | KRX 100 |
심볼 | 설명 |
---|---|
DJI | 다우존스 지수 |
IXIC | 나스닥 지수 |
US500 | S&P 500 지수 |
VIX | S&P 500 VIX |
※ DJI, IXIC, US500 가 미국 3대 지수
심볼 | 설명 |
---|---|
JP225 | 닛케이 225 선물 |
STOXX50 | 유렵 STOXX 50 |
HSI | 항셍 (홍콩) |
CSI300 | CSI 300 (중국) |
SSEC | 상해 종합 |
UK100 | 영국 FTSE |
DE30 | 독일 DAX 30 |
FCHI | 프랑스 CAC 40 |
import FinanceDataReader as fdr
# KS11 (KOSPI 지수), 2015년~현재
df = fdr.DataReader('KS11', '2015-01-01')
df['Close'].plot()
# 다우지수, 2015년~현재
df = fdr.DataReader('DJI', '2015')
df['Close'].plot()
# DAX, 2015년~현재
df = fdr.DataReader('DE30', '2015')
df['Close'].plot()
심볼 | 설명 |
---|---|
USD/KRW | 달러당 원화 환율 |
USD/EUR | 달러당 유로화 환율 |
USD/JPY | 달러당 엔화 환율 |
CNY/KRW | 위엔화 원화 환율 |
EUR/USD | 유로화 달러 환율 |
USD/JPY | 달러 엔화 환율 |
JPY/KRW | 엔화 원화 환율 |
AUD/USD | 오스트레일리아 달러 환율 |
EUR/JPY | 유로화 엔화 환율 |
USD/RUB | 달러 루블화 |
import FinanceDataReader as fdr
# 원달러 환율, 1995년~현재
df = fdr.DataReader('USD/KRW', '1995-01-01', '2020-12-31')
df['Close'].plot()
# 위엔화 환율, 1995년~현재
df = fdr.DataReader('CNY/KRW', '1995')
df['Close'].plot()
심볼 | 설명 |
---|---|
NG | 천연가스 선물 (NYMEX) |
GC | 금 선물 (COMEX) |
SI | 은 선물 (COMEX) |
HG | 구리 선물 (COMEX) |
CL | WTI유 선물 (NYMEX) |
import FinanceDataReader as fdr
# 천연가스 선물 (NYMEX)
df = fdr.DataReader('NG', '2018')
df.tail()
Close | Open | High | Low | Volume | Change | |
---|---|---|---|---|---|---|
Date | ||||||
2020-02-03 | 1.819 | 1.852 | 1.880 | 1.814 | 163790.0 | -0.0220 |
2020-02-04 | 1.872 | 1.823 | 1.888 | 1.804 | 184040.0 | 0.0291 |
2020-02-05 | 1.861 | 1.876 | 1.884 | 1.825 | 195460.0 | -0.0059 |
2020-02-06 | 1.862 | 1.865 | 1.906 | 1.832 | 186210.0 | 0.0005 |
2020-02-07 | 1.863 | 1.869 | 1.877 | 1.843 | 0.0 | 0.0005 |
import FinanceDataReader as fdr
# WTI유 선물 (NYMEX)
df = fdr.DataReader('CL', '2018')
df.tail()
Close | Open | High | Low | Volume | Change | |
---|---|---|---|---|---|---|
Date | ||||||
2020-02-03 | 50.11 | 51.01 | 51.97 | 49.80 | 876040.0 | -0.0184 |
2020-02-04 | 49.61 | 49.94 | 51.55 | 49.31 | 859360.0 | -0.0100 |
2020-02-05 | 50.75 | 49.51 | 51.88 | 49.47 | 887950.0 | 0.0230 |
2020-02-06 | 50.95 | 51.17 | 52.20 | 50.24 | 750660.0 | 0.0039 |
2020-02-07 | 50.91 | 51.44 | 51.45 | 50.81 | 0.0 | -0.0008 |
- 'KR[년도]YT=RR' 형식으로 조합 (가능 년도=1,2,3,4,5,10,20,30,50)
심볼 | 설명 |
---|---|
KR1YT=RR | 1년만기 한국 국채 수익률 |
KR3YT=RR | 1년만기 한국 국채 수익률 |
KR5YT=RR | 5년만기 한국 국채 수익률 |
KR10YT=RR | 10년만기 한국 국채 수익률 |
- 'US[개월]MT=RR' 형식으로 조합 (가능 개월=1,3,6)
- 'US[년도]YT=RR' 형식으로 조합 (가능 년도=1,2,3,4,5,7,10,30)
심볼 | 설명 |
---|---|
US1MT=X | 1개월 미국 국채 수익률 |
US6MT=X | 6개월 미국 국채 수익률 |
US1YT=X | 1년만기 미국 국채 수익률 |
US5YT=X | 5년만기 미국 국채 수익률 |
US10YT=X | 10년만기 미국 국채 수익률 |
US30YT=X | 30년만기 미국 국채 수익률 |
import FinanceDataReader as fdr
# 10년만기 미국채 수익률
df = fdr.DataReader('US10YT=X', '2018')
df.tail()
Close | Open | High | Low | Change | |
---|---|---|---|---|---|
Date | |||||
2020-02-03 | 1.526 | 1.514 | 1.575 | 1.512 | 0.0071 |
2020-02-04 | 1.603 | 1.520 | 1.618 | 1.517 | 0.0505 |
2020-02-05 | 1.649 | 1.604 | 1.661 | 1.575 | 0.0287 |
2020-02-06 | 1.644 | 1.649 | 1.684 | 1.633 | -0.0030 |
2020-02-07 | 1.613 | 1.649 | 1.649 | 1.609 | -0.0190 |
암호 화폐 원화 가격 (빗썸)
심볼 | 설명 |
---|---|
BTC/KRW | 비트코인 원화 가격 |
ETH/KRW | 이더리움 원화 가격 |
XRP/KRW | 리플 원화 가격 |
BCH/KRW | 비트코인 캐시 원화 가격 |
EOS/KRW | 이오스 원화 가격 |
LTC/KRW | 라이트 코인 원화 가격 |
XLM/KRW | 스텔라 원화 가격 |
암호 화폐 달러화 가격 (Bitfinex)
심볼 | 설명 |
---|---|
BTC/USD | 비트코인 달러 가격 |
ETH/USD | 이더리움 달러 가격 |
XRP/USD | 리플 달러 가격 |
BCH/USD | 비트코인 캐시 달러 가격 |
EOS/USD | 이오스 달러 가격 |
LTC/USD | 라이트 코인 달러 가격 |
XLM/USD | 스텔라 달러 가격 |
import FinanceDataReader as fdr
# 비트코인 원화 가격 (빗썸), 2016년~현재
df = fdr.DataReader('BTC/KRW', '2016')
df['Close'].plot()
import FinanceDataReader as fdr
# 비트코인 USD 가격
df = fdr.DataReader('BTC/USD', '2016')
df['Close'].plot()
한국거래소(KRX)의 상장폐지 전체 종목 조회를 제공합니다.
fdr.StockListing('KRX-DELISTING')
조회결과 컬럼의 내용은 다음과 같습니다.
- Symbol: 종목코드
- Name: 종목명
- DelistingDate: 상장폐지일
- Reason: 상장폐지 사유
# KRX 상장폐지 종목 전체 리스트
krx_delisting = fdr.StockListing('KRX-DELISTING')
krx_delisting
Symbol | Name | DelistingDate | Reason | |
---|---|---|---|---|
0 | 077280 | 한컴지엠디 | 2020-01-16 | 피흡수합병 |
1 | 265920 | 한화수성스팩 | 2020-01-15 | 상장예비심사 청구서 미제출로 관리종목 지정후 1개월 이내 동사유를 미해소 |
2 | 265480 | 미래에셋대우스팩1호 | 2020-01-03 | 상장예비심사 청구서 미제출로 관리종목 지정 후 1개월 이내 동 사유 미해소 |
3 | 210610 | 소프트캠프 | 2019-12-30 | 피흡수합병 |
4 | 122050 | 아이엘사이언스 | 2019-12-27 | 피흡수합병 |
... | ... | ... | ... | ... |
1534 | 034370 | 럭키소재 | 1991-11-11 | 해산 사유 발생 |
1535 | 028460 | 태평양건설 | 1991-10-05 | 영업활동정지 6월 계속 |
1536 | 028450 | 금성투자금융 | 1991-09-02 | 해산 사유 발생 |
1537 | 028440 | 삼화 | 1991-07-12 | 감사의견 의견거절 |
1538 | 029260 | 금성전기 | 1991-06-13 | 해산 사유 발생 |
1539 rows × 4 columns
상장폐지된 개별 종목의 가격 데이터를 제공합니다. 일반 종목의 가격조회와 마찬가지로 fdr.DataReader()를 사용하여 조회하되 exchange 옵션 값을 'KRX-DELISTING'로 지정합니다.
df = fdr.DataReader('036360', exchange='KRX-DELISTING')
결과로 반환되는 데이터프레임에는 시가,고가,저가,종가,거래량,전일대비 외에도 기준가, 상장주식수, 액면가, 거래정지 여부, 관리종목 여부 등의 부가정보 컬럼을 더 포함하고 있습니다.
반환 데이터프레임의 컬럼은 다음과 같습니다.
- Open: 시가
- High: 고가
- Low: 저가
- Close: 종가
- Volume: 거래량
- Change: 전일대비 등락
- Amount: 거래대금
- Stocks: 상장주식수
- FaceValue: 액면가
- StandardPrice: 기준가
- StopOrder: 거래정지 여부(Y/N)
- Issues: 관리종목 여부(Y/N)
# KRX delisting stock data 상장폐지 종목 데이터 (상장일~상장폐지일)
df = fdr.DataReader('036360', exchange='KRX-DELISTING')
df
Open | High | Low | Close | Volume | Change | Amount | Stocks | FaceValue | StandardPrice | StopOrder | Issues | |
---|---|---|---|---|---|---|---|---|---|---|---|---|
Date | ||||||||||||
2001-01-18 | 3800 | 3800 | 3800 | 3800 | 905 | 1900 | 3439000 | 5833338 | 500 | 1900 | N | N |
2001-01-19 | 4250 | 4250 | 4250 | 4250 | 740605 | 450 | 3147571250 | 5833338 | 500 | 3800 | N | N |
2001-01-22 | 4760 | 4760 | 4760 | 4760 | 120128 | 510 | 571809280 | 5833338 | 500 | 4250 | N | N |
2001-01-26 | 5330 | 5330 | 5330 | 5330 | 8868 | 570 | 47266440 | 5833338 | 500 | 4760 | N | N |
2001-01-29 | 5960 | 5960 | 5960 | 5960 | 10422 | 630 | 62115120 | 5833338 | 500 | 5330 | N | N |
... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
2009-04-22 | 15 | 15 | 15 | 15 | 2596815 | 5 | 39031215 | 43852794 | 500 | 20 | N | Y |
2009-04-23 | 15 | 15 | 10 | 10 | 3686592 | 5 | 39664090 | 43852794 | 500 | 15 | N | Y |
2009-04-24 | 10 | 10 | 5 | 10 | 2312778 | 0 | 22688460 | 43852794 | 500 | 10 | N | Y |
2009-04-27 | 5 | 10 | 5 | 5 | 4644295 | 5 | 28588310 | 43852794 | 500 | 10 | N | Y |
2009-04-28 | 5 | 5 | 5 | 5 | 9958363 | 0 | 49791815 | 43852794 | 500 | 5 | N | Y |
2045 rows × 12 columns
2018-2020 FinanceData.KR | facebook.com/financedata
2018-2024 FinanceData.KR | facebook.com/financedata