블로그

KRX에서 공매도 데이터 수집하기

starlightBlog.post.date

이번 포스트에서는 KRX에서 개별종목 공매도 거래 및 개별종목 공매도 잔고 데이터를 파이썬으로 수집하는 방법을 다룹니다.

필요한 파이썬 라이브러리는 다음과 같습니다.

pip install requests
pip install numpy
pip install pandas

먼저 KRX 정보데이터시스템에서 다음 두 메뉴를 확인해 주세요.

통계 / 공매도 통계 / 공매도 거래 / 개별종목 공매도 거래
통계 / 공매도 통계 / 공매도 잔고 / 개별종목 공매도 잔고

개별종목 공매도 거래 데이터 수집하기

먼저 개별종목 공매도 거래 데이터를 받아오겠습니다. 크롬이나 웨일 브라우저에서 F12 키를 눌러 개발자 도구를 열어줍니다. 그리고 다음과 같이 Network 탭에서 Fetch/XHR 하위 탭을 확인합니다. 그리고 조회 버튼을 다시 누르면 아래에 getJsonData.cmd 내역이 뜨고 여기서 요청 정보를 확인할 수 있습니다.

여기서 Request URL, Request Headers, Form Data를 확인합니다. 다음과 같이 확인한 정보로 요청 준비를 합니다.

url = 'http://data.krx.co.kr/comm/bldAttendant/getJsonData.cmd'
headers = {
    'Accept': 'application/json, text/javascript, */*; q=0.01',
    'Accept-Encoding': 'gzip, deflate',
    'Accept-Language': 'ko-KR,ko;q=0.9,en-US;q=0.8,en;q=0.7',
    'Connection': 'keep-alive',
    'Content-Type': 'application/x-www-form-urlencoded; charset=UTF-8',
    'Host': 'data.krx.co.kr',
    'Origin': 'http://data.krx.co.kr',
    'Referer': 'http://data.krx.co.kr/contents/MDC/MDI/mdiLoader/index.cmd?menuId=MDC0203',
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/94.0.4606.118 Whale/2.11.126.23 Safari/537.36',
    'X-Requested-With': 'XMLHttpRequest',
}
data = [
    ('bld', 'dbms/MDC/STAT/srt/MDCSTAT30101'),
    ('searchType', '1'),
    ('mktId', 'STK'),
    ('secugrpId', 'STMFRTSCIFDRFS'),
    ('secugrpId', 'SRSW'),
    ('secugrpId', 'BC'),
    ('inqCond', 'STMFRTSCIFDRFSSRSWBC'),
    ('trdDd', '20211105'),
    ('share', '1'),
    ('money', '1'),
    ('csvxls_isNo', 'false'),
]

이렇게 준비한 url, headers, data로 requests 요청을 보냅니다. Request Method를 보면 POST를 확인할 수 있습니다.

import requests
res = requests.post(url, headers=headers, data=data)
res

Output: <Response [200]>

Status Code가 200으로 요청이 성공했음을 확인했습니다. 다음으로 받아온 데이터를 DataFrame으로 저장합니다.

import json
short_list = json.loads(res.text)['OutBlock_1']

import pandas as pd
df = pd.DataFrame(short_list)
df.columns = ['종목코드', '종목명', '증권구분', '공매도거래량', '공매도거래량업틱룰', '공매도거래량업틱룰예외', '거래량', '거래량비중', '공매도거래대금', '공매도거래대금업틱룰', '공매도거래대금업틱룰예외', '거래대금', '거래대금비중']

df

index	종목코드	종목명	증권구분	공매도거래량	공매도거래량업틱룰	공매도거래량업틱룰예외	거래량	거래량비중	공매도거래대금	공매도거래대금업틱룰	공매도거래대금업틱룰예외	거래대금	거래대금비중
0	095570	AJ네트웍스	주권	0	0	0	59,739	0.00	0	0	0	335,609,280	0.00
1	006840	AK홀딩스	주권	0	0	0	20,225	0.00	0	0	0	508,366,000	0.00
2	027410	BGF	주권	147,290	0	147,290	8,276,904	1.78	959,076,130	0	959,076,130	54,013,149,770	1.78
3	282330	BGF리테일	주권	1,480	1,402	78	22,489	6.58	244,731,000	231,828,500	12,902,500	3,734,658,000	6.55
4	138930	BNK금융지주	주권	54,962	54,962	0	2,228,770	2.47	463,644,520	463,644,520	0	18,819,972,080	2.46
…	…	…	…	…	…	…	…	…	…	…	…	…	…
1028	069260	휴켐스	주권	72,498	72,073	425	1,137,325	6.37	1,919,680,550	1,908,522,050	11,158,500	30,290,522,850	6.34
1029	000540	흥국화재	주권	0	0	0	83,281	0.00	0	0	0	318,332,140	0.00
1030	000547	흥국화재2우B	주권	0	0	0	192	0.00	0	0	0	5,323,000	0.00
1031	000545	흥국화재우	주권	0	0	0	988	0.00	0	0	0	8,514,770	0.00
1032	003280	흥아해운	주권	0	0	0	1,114,059	0.00	0	0	0	3,560,429,545	0.00

거래량비중으로 내림차순 정렬을 해보면 공매도 비중이 높은 종목 순위를 확인할 수 있습니다.

df.sort_values('거래량비중', ascending=False)

index	종목코드	종목명	증권구분	공매도거래량	공매도거래량업틱룰	공매도거래량업틱룰예외	거래량	거래량비중	공매도거래대금	공매도거래대금업틱룰	공매도거래대금업틱룰예외	거래대금	거래대금비중
51	294870	HDC현대산업개발	주권	54,935	54,935	0	562,433	9.77	1,353,057,750	1,353,057,750	0	13,880,230,400	9.75
1004	008770	호텔신라	주권	66,040	56,388	9,652	684,458	9.65	5,269,414,800	4,501,247,500	768,167,300	54,557,366,500	9.66
800	039490	키움증권	주권	4,561	4,071	490	47,299	9.64	484,180,000	432,296,500	51,883,500	5,018,881,500	9.65
813	003240	태광산업	주권	67	67	0	697	9.61	66,460,000	66,460,000	0	692,149,000	9.60
940	180640	한진칼	주권	5,587	4,961	626	58,832	9.50	315,127,600	279,921,100	35,206,500	3,317,193,800	9.50
…	…	…	…	…	…	…	…	…	…	…	…	…	…
433	007210	벽산	주권	2	0	2	3,489,885	0.00	8,060	0	8,060	14,442,649,335	0.00
434	002760	보락	주권	0	0	0	230,608	0.00	0	0	0	490,745,865	0.00
436	000890	보해양조	주권	0	0	0	1,282,073	0.00	0	0	0	1,233,822,775	0.00
438	001270	부국증권	주권	0	0	0	6,828	0.00	0	0	0	166,036,950	0.00
1032	003280	흥아해운	주권	0	0	0	1,114,059	0.00	0	0	0	3,560,429,545	0.00

그런데 조금 이상합니다. 거래량비중이 생각보다 적고 9.XX 값이 상위에 랭크됩니다. 이는 데이터 형식이 문자열(str)로 되어 있을 때 자주 겪는 문제입니다. 다음과 같이 거래량비중 컬럼의 데이터 형식을 float로 변경합니다.

df['거래량비중'] = df['거래량비중'].astype(float)

다시 정렬 결과를 확인하면 다음과 같이 제대로된 랭킹이 된 것을 확인할 수 있습니다.

df.sort_values('거래량비중', ascending=False)

index	종목코드	종목명	증권구분	공매도거래량	공매도거래량업틱룰	공매도거래량업틱룰예외	거래량	거래량비중	공매도거래대금	공매도거래대금업틱룰	공매도거래대금업틱룰예외	거래대금	거래대금비중
539	068270	셀트리온	주권	150,827	133,030	17,797	488,779	30.86	31,363,423,000	27,715,592,500	3,647,830,500	101,280,970,500	30.97
1024	081660	휠라홀딩스	주권	161,370	160,878	492	665,890	24.23	5,958,633,450	5,940,402,900	18,230,550	24,692,808,600	24.13
673	214320	이노션	주권	6,994	6,856	138	30,810	22.70	403,284,700	395,322,100	7,962,600	1,776,867,000	22.70
382	011170	롯데케미칼	주권	45,956	34,176	11,780	206,116	22.30	10,110,596,000	7,520,623,000	2,589,973,000	45,414,691,500	22.26
240	002350	넥센타이어	주권	27,712	25,176	2,536	125,204	22.13	208,348,430	189,322,060	19,026,370	941,065,640	22.14
…	…	…	…	…	…	…	…	…	…	…	…	…	…
433	007210	벽산	주권	2	0	2	3,489,885	0.00	8,060	0	8,060	14,442,649,335	0.00
434	002760	보락	주권	0	0	0	230,608	0.00	0	0	0	490,745,865	0.00
436	000890	보해양조	주권	0	0	0	1,282,073	0.00	0	0	0	1,233,822,775	0.00
438	001270	부국증권	주권	0	0	0	6,828	0.00	0	0	0	166,036,950	0.00
1032	003280	흥아해운	주권	0	0	0	1,114,059	0.00	0	0	0	3,560,429,545	0.00

개별종목 공매도 잔고 데이터 수집하기

이제 개별종목 공매도 잔고 데이터를 받아 보겠습니다. 비슷하게 요청 준비를 합니다.

url = 'http://data.krx.co.kr/comm/bldAttendant/getJsonData.cmd'
headers = {
    'Accept': 'application/json, text/javascript, */*; q=0.01',
    'Accept-Language': 'ko-KR,ko;q=0.9,en-US;q=0.8,en;q=0.7',
    'Content-Type': 'application/x-www-form-urlencoded; charset=UTF-8',
    'Origin': 'http://data.krx.co.kr',
    'Referer': 'http://data.krx.co.kr/contents/MDC/MDI/mdiLoader/index.cmd?menuId=MDC0201',
}
data = [
    ('bld', 'dbms/MDC/STAT/srt/MDCSTAT30501'),
    ('searchType', '1'),
    ('mktTpCd', '1'),
    ('trdDd', '20211102'),
    ('share', '1'),
    ('money', '1'),
    ('csvxls_isNo', 'false'),
]

res = requests.post(url, headers=headers, data=data)
res

Output: <Response [200]>

다음과 같이 받아온 데이터를 DataFrame으로 변환합니다.

df_shortbalance = pd.DataFrame(json.loads(res.text)['OutBlock_1'])
df_shortbalance

index	ISU_CD	ISU_ABBRV	BAL_QTY	LIST_SHRS	BAL_AMT	MKTCAP	BAL_RTO
0	095570	AJ네트웍스	34,255	46,822,295	190,115,250	259,863,737,250	0.07
1	006840	AK홀딩스	4,593	13,247,561	121,484,850	350,397,988,450	0.03
2	027410	BGF	48,440	95,716,791	279,014,400	551,328,716,160	0.05
3	282330	BGF리테일	5,016	17,283,906	825,132,000	2,843,202,537,000	0.03
4	138930	BNK금융지주	524,715	325,935,246	4,601,750,550	2,858,452,107,420	0.16
…	…	…	…	…	…	…	…
934	069260	휴켐스	953,658	40,878,588	26,320,960,800	1,128,249,028,800	2.33
935	000540	흥국화재	33,301	64,242,645	129,540,890	249,903,889,050	0.05
936	000547	흥국화재2우B	0	153,600	0	4,331,520,000	0.00
937	000545	흥국화재우	0	768,000	0	6,673,920,000	0.00
938	003280	흥아해운	84,187	240,424,899	311,070,965	888,370,001,805	0.04

df_shortbalance.columns = ['종목코드', '종목명', '공매도잔고수량', '상장주식수', '공매도잔고금액', '시가총액', '비중']
df_shortbalance

index	종목코드	종목명	공매도잔고수량	상장주식수	공매도잔고금액	시가총액	비중
0	095570	AJ네트웍스	34,255	46,822,295	190,115,250	259,863,737,250	0.07
1	006840	AK홀딩스	4,593	13,247,561	121,484,850	350,397,988,450	0.03
2	027410	BGF	48,440	95,716,791	279,014,400	551,328,716,160	0.05
3	282330	BGF리테일	5,016	17,283,906	825,132,000	2,843,202,537,000	0.03
4	138930	BNK금융지주	524,715	325,935,246	4,601,750,550	2,858,452,107,420	0.16
…	…	…	…	…	…	…	…
934	069260	휴켐스	953,658	40,878,588	26,320,960,800	1,128,249,028,800	2.33
935	000540	흥국화재	33,301	64,242,645	129,540,890	249,903,889,050	0.05
936	000547	흥국화재2우B	0	153,600	0	4,331,520,000	0.00
937	000545	흥국화재우	0	768,000	0	6,673,920,000	0.00
938	003280	흥아해운	84,187	240,424,899	311,070,965	888,370,001,805	0.04

이번에는 비중 컬럼으로 내림차순 정렬을 해봅니다. 마찬가지로 문자열 정렬 문제가 있을 수 있으므로 이 컬럼을 float으로 변환하고 정렬합니다.

df_shortbalance['비중'] = df_shortbalance['비중'].astype(float)
df_shortbalance.sort_values('비중', ascending=False)

index	종목코드	종목명	공매도잔고수량	상장주식수	공매도잔고금액	시가총액	비중
78	034220	LG디스플레이	28,935,291	357,815,700	568,578,468,150	7,031,078,505,000	8.09
339	032350	롯데관광개발	4,726,867	69,275,662	94,300,996,650	1,382,049,456,900	6.82
910	008770	호텔신라	2,462,557	39,248,121	198,974,605,600	3,171,248,176,800	6.27
46	011200	HMM	20,968,085	405,392,487	574,525,529,000	11,107,754,143,800	5.17
523	019170	신풍제약	2,499,527	52,984,990	128,225,735,100	2,718,129,987,000	4.72
…	…	…	…	…	…	…	…
313	030720	동원수산	0	4,653,805	0	45,886,517,300	0.00
315	014825	동원시스템즈우	0	265,358	0	8,809,885,600	0.00
644	000230	일동홀딩스	0	11,540,400	0	156,949,440,000	0.00
316	163560	동일고무벨트	0	13,900,000	0	116,760,000,000	0.00
261	006340	대원전선	0	71,016,967	0	142,033,934,000	0.00

공매도 거래와 공매도 잔고 데이터 합치기

이제 두 데이터를 합쳐서 확인해 보겠습니다. df는 공매도 거래 데이터이고 df_shortbalance는 공매도 잔고 데이터입니다. 이들 둘을 pandas merge() 메소드로 합치겠습니다.

_df = df.merge(df_shortbalance, how='outer', on='종목코드', suffixes=('', '_dup'))

이 데이터로 다양한 분석을 해볼 수 있겠습니다. 여기서는 공매도 잔고는 많으면서 공매도 거래는 적은 순으로 정렬해 봅니다.

_df['score'] = _df['비중'] / (_df['거래량비중'] + 1)
_df.sort_values('score', ascending=False)

index	종목코드	종목명	증권구분	공매도거래량	공매도거래량업틱룰	공매도거래량업틱룰예외	거래량	거래량비중	공매도거래대금	공매도거래대금업틱룰	공매도거래대금업틱룰예외	거래대금	거래대금비중	종목명_dup	공매도잔고수량	상장주식수	공매도잔고금액	시가총액	비중	score
97	034220	LG디스플레이	주권	4,420	2,290	2,130	1,949,194	0.23	89,668,950	46,585,150	43,083,800	39,626,663,800	0.23	LG디스플레이	28,935,291	357,815,700	568,578,468,150	7,031,078,505,000	8.09	6.577236
620	097520	엠씨넥스	주권	30	0	30	83,676	0.04	1,333,050	0	1,333,050	3,713,085,850	0.04	엠씨넥스	435,409	17,963,282	19,332,159,600	797,569,720,800	2.42	2.326923
370	032350	롯데관광개발	주권	17,567	16,928	639	882,332	1.99	324,702,700	312,941,650	11,761,050	16,281,919,250	1.99	롯데관광개발	4,726,867	69,275,662	94,300,996,650	1,382,049,456,900	6.82	2.280936
699	006490	인스코비	주권	675	0	675	1,384,422	0.05	2,285,320	0	2,285,320	4,702,224,255	0.05	인스코비	1,824,640	109,848,100	6,541,334,400	393,805,438,500	1.66	1.580952
578	003620	쌍용차	주권	0	0	0	0	0.00	0	0	0	0	0.00	쌍용차	2,180,965	149,840,002	6,041,273,050	415,056,805,540	1.46	1.460000
…	…	…	…	…	…	…	…	…	…	…	…	…	…	…	…	…	…	…	…	…
983	75701B93	현대유퍼스트부동산25호 A	수익증권	0	0	0	0	0.00	0	0	0	0	0.00	NaN	NaN	NaN	NaN	NaN	NaN	NaN
984	75702B93	현대유퍼스트부동산25호 C-i	수익증권	0	0	0	0	0.00	0	0	0	0	0.00	NaN	NaN	NaN	NaN	NaN	NaN	NaN
985	75701BA7	현대유퍼스트부동산30호[파생형] A	수익증권	0	0	0	0	0.00	0	0	0	0	0.00	NaN	NaN	NaN	NaN	NaN	NaN	NaN
986	75702BA7	현대유퍼스트부동산30호[파생형] C-i	수익증권	0	0	0	0	0.00	0	0	0	0	0.00	NaN	NaN	NaN	NaN

공매도 잔고가 많다는 것은 다시 상환해야 할 물량이 많다는 것이고 동시에 공매도 거래 비중이 적다면 주가가 바닥에 가까워 졌다고 추측해 볼 여지가 있습니다. 주식 거래에서 확실한 것은 없습니다. 다양한 금융데이터 분석을 통해 성공적인 투자에 한걸음씩 다가가는 것이 중요하다고 봅니다.

퀀티랩 Long-Term Trading (QL) 모델 개선 작업

starlightBlog.post.date

퀀티랩 주식투자 대표 모델인 Quantylab Long-Term Trading (QL) 모델을 업데이트 했습니다. 기존 모델에 비해 다양한 시장지표 및 종목지표를 추가하고 레이블링을 조정하는 작업이었습니다.

Feature 수는 412개로 326개 시장지표 자질과 86개 종목지표 자질로 구성했습니다. 각종 지표에 Moving Average 등을 적용하여 자질 수는 부풀려진 면이 있습니다.

시장지표는 코스피/코스닥 지수, 해외 주식 시장 지수, 환율, 채권, 금리, 원자재, GSCI, 달러 지수, BDI, 필라델피아 반도체 지수, 미국시장 변동성 지수, MSCI 지수 등을 포함합니다. 종목지표는 종목 주가, 거래량, 시가총액, Bollinger Band, MACD, RSI, 수급, PER, PBR, ROE, 배당수익률, 기관/외국인/개인 수급, 공매도 비율, 대차잔고액 등을 포함합니다. 이들 시장지표 및 종목지표 자질들을 모아서 표준화 (Standardization) 했습니다.

레이블링은 수익성, 변동성, 거래규모 지표를 만들어 조합했습니다. 수익성 지표는 중장기 기간에서 종가의 변곡점을 찾아서 현재 종가와 다음 변곡점과의 차이를 기대 수익률로 삼았습니다. 변동성 지표는 변곡점 사이에서의 표준편차로 구했습니다. 거래규모 지표는 종목의 거래대금에 log를 취해 사용했습니다.

이렇게 자질과 레이블링을 마치고 적당히 심층신경망 레이어를 구성하여 학습했습니다. 중간에 이런저런 실수로 시행착오를 겪었지만 다 생략하고 결과를 바로 공유하려 합니다.

학습에는 2015~2019년 기간내의 데이터를 사용했습니다. 이렇게 학습한 모델로 2020년부터 현재까지 일단위로 종목 점수를 구하여 매수/매도를 판단해서 종가매매 백테스팅을 수행했습니다. 즉, 학습과 백테스팅 데이터가 겹쳐지지 않게하여 의미있는 백테스팅이 되도록 했습니다.

백테스팅

백테스팅 결과 2020년 부터 2021-09-17 까지의 평가 수익률은 +73.07%로 동기간 코스피 대비 30% 정도 높았습니다. QL 모델로 매수/매도를 판단한 내역은 다음과 같습니다.

날짜	매매	종목명	단가	수량	수익률	평가총액
2021-08-19	매도	현대자동차	206,500	58	+20.41%	173,831,949
2021-05-06	매수	LG전자	151,500	66		177,219,388
2021-05-06	매수	SK케미칼	256,000	39		177,220,888
2021-05-06	매수	LG화학	938,000	10		177,222,386
2021-05-06	매도	포스코	395,500	51	+103.87%	177,223,793
2021-03-23	매도	현대모비스	286,500	49	+40.79%	172,520,635
2021-03-23	매수	셀트리온	292,500	34		172,517,645
2021-03-23	매수	삼성전기	185,000	54		172,519,136
2021-01-13	매도	삼성SDI	754,000	26	+100.80%	178,728,737
2021-01-08	매도	삼성전기	193,000	112	+116.37%	179,837,188
2020-11-16	매도	NAVER	278,000	55	+53.17%	148,783,070
2020-09-24	매수	SK텔레콤	230,500	43		136,101,988
2020-09-24	매수	현대자동차	171,500	58		136,103,475
2020-09-24	매수	케이티앤지	80,400	124		136,104,967
2020-09-24	매도	셀트리온	245,502	61	+51.06%	136,106,463
2020-08-03	매도	LG화학	635,000	31	+102.23%	137,605,846
2020-07-24	매수	현대모비스	203,500	49		131,218,600
2020-07-24	매수	포스코	194,000	51		131,215,651
2020-07-24	매수	삼성SDI	375,500	26		131,217,135
2020-07-24	매도	엔씨소프트	802,000	17	+41.95%	131,220,096
2020-06-29	매도	SK케미칼	134,500	163	+120.49%	128,438,310
2020-03-23	매수	삼성전기	89,200	112		81,295,074
2020-03-23	매도	케이티앤지	63,600	108	-31.24%	81,296,573
2020-03-17	매수	SK케미칼	61,000	163		85,736,761
2020-03-17	매도	현대자동차	80,100	84	-32.12%	85,738,252
2020-03-16	매도	삼성SDI	253,000	43	+10.48%	86,948,811
2020-03-16	매도	포스코	162,000	42	-31.36%	86,977,640
2020-03-16	매수	삼성전자	48,900	204		86,945,828
2020-03-16	매수	셀트리온	162,522	61		86,947,324
2020-03-13	매도	현대모비스	171,500	40	-30.71%	91,169,271
2020-01-03	매수	이마트	122,500	81		99,845,350
2020-01-03	매수	NAVER	181,500	55		99,846,838
2020-01-03	매수	케이티앤지	92,500	108		99,848,336
2020-01-03	매수	삼성SDI	229,000	43		99,849,834
2020-01-03	매수	엔씨소프트	565,000	17		99,851,311
2020-01-02	매수	LG화학	314,000	31		99,994,081
2020-01-02	매수	현대모비스	247,500	40		99,995,541
2020-01-02	매수	현대자동차	118,000	84		99,997,026
2020-01-02	매수	LG생활건강	1,266,000	7		99,992,752
2020-01-02	매수	포스코	236,000	42		99,998,513

퀀티랩에서 매일 올라오는 QL 모델의 매매내역과 보유종목을 확인해 보세요.

[2021-08-13] 공매도 상위 종목 살펴보기

starlightBlog.post.date

공매도는 주식을 빌려서 파는 행위를 말합니다. 주가가 하락한다는 쪽에 베팅하는 것입니다. 이러한 베팅을 숏(Short) 포지션 취한다고 합니다. 주가가 하락할 것이라고 예상하고 주식을 빌려서 현재 가격에 매도하고 주가가 떨어졌을 때 다시 매수해서 빌린 주식을 갚는 것입니다.

공매도는 2020년 3월에 주가 급락을 막기 위해 금지됐었습니다. 그렇게 1년 2개월간 금지된 공매도가 2021년 5월에 재개됐습니다. 공매도는 개인투자자들이 하기 어렵고 그만큼 개인투자자들의 공매도에 대한 부정적인 인식이 강합니다.

공매도가 많다고 해서 주가가 꼭 하락한다는 보장은 없지만 공매도의 현황을 파악해 놓는 것은 중요하다고 생각합니다. 공매도의 추세가 증가하면 가급적 매수를 자제하는 것이 좋다고 생각합니다. 다만 공매도가 많다가 줄어드는 추세이고 대차잔고가 많은 상태면 주가가 바닥권이라는 예측을 해볼 수도 있습니다. 대차잔고는 주식을 빌리고 아직 갚지 않은 주식 수를 의미합니다. 즉, 대차잔고만큼 앞으로 매수가 이뤄질 것이란 의미입니다.

퀀티랩 종목지표/공매도 메뉴에서 종목별 공매도 현황을 표로 확인할 수 있습니다.

이 포스트에서는 2021-08-13 기준으로 공매도율, 대차잔고율, 대차잔고액 순위를 살펴보겠습니다.

공매도율 Top 20

종목명	주가	등락율(%)	공매도액(만원)	공매도율(%)	대차잔고액(만원)	대차잔고율(%)
티씨케이	173,400	-1.64	137,556	25.57
넷마블	127,000	-3.79	1,398,730	25.51	9,808,533	0.85
하림지주	9,580	-1.54	65,510	22.83
SK머티리얼즈	432,000	-1.5	508,959	21.26
휴온스	61,400	-1.76	76,527	19.85
금호석유화학	192,500	-2.53	1,408,193	18.88	14,948,029	2.48
엔씨소프트	786,000	-2.48	1,563,723	18.7	7,751,709	0.43
리노공업	172,400	0.17	151,018	18.69
CJ대한통운	165,500	-2.07	189,097	18.43	845,591	0.22
GS리테일	33,200	-1.92	443,432	18.12	711,763	0.2
고영	23,450	-2.09	84,659	17.43
주성엔지니어링	13,050	-1.14	326,588	17.19
SK텔레콤	306,000	-2.08	1,344,422	17.12	8,681,719	0.4
동국제약	24,700	-1.79	71,298	17.11
팬오션	7,410	-4.39	1,044,217	16.94	4,016,525	1.03
하나투어	75,600	-2.45	265,633	16.83	1,204,780	1.09
S-Oil	93,800	-1.37	360,719	16.51	2,908,925	0.28
제일기획	23,200	-0.22	108,406	15.71	429,828	0.16
이오테크닉스	112,700	-3.1	153,843	15.5
한화솔루션	38,700	-2.27	564,867	15.41	12,955,934	1.7

대차잔고율 Top 20

종목명	주가	등락율(%)	공매도액(만원)	공매도율(%)	대차잔고액(만원)	대차잔고율(%)
롯데관광개발	18,900	-2.07	56,884	6.66	9,874,871	7.25
LG디스플레이	20,800	-3.48	971,078	11.97	50,027,642	6.31
신풍제약	66,800	-6.96	867,669	3.59	14,668,319	4.31
HMM	39,150	-3.69	100,346	0.45	64,919,667	4.13
엠씨넥스	45,500	-1.62	27	0.00	3,234,984	3.81
삼성중공업	6,170	-2.68	179,177	5.73	15,810,589	3.73
OCI	107,000	-3.60	178,287	2.69	8,522,111	3.18
셀트리온	275,500	-2.13	960,199	4.45	112,924,125	3.03
부광약품	20,400	-2.86	65,716	3.80	4,234,188	2.84
일양약품	34,150	-1.73	31,317	7.04	1,721,090	2.58
호텔신라	90,000	-2.39	313,553	6.93	9,290,901	2.57
금호석유화학	192,500	-2.53	1,408,193	18.88	14,948,029	2.48
두산퓨얼셀	48,400	-2.22	38,571	1.53	8,021,749	2.43
한전기술	48,150	-3.89	42,456	2.39	3,857,609	1.99
GKL	15,700	-1.26	43,621	8.02	1,931,880	1.93
삼양식품	87,800	-0.79	19,858	6.28	1,279,720	1.90
인스코비	4,325	14.57	880	0.01	686,171	1.79
씨에스윈드	80,100	-2.44	300,555	8.81	5,912,298	1.77
CJ CGV	28,750	-2.87	46,465	2.57	1,942,759	1.72
한화솔루션	38,700	-2.27	564,867	15.41	12,955,934	1.70

대차잔고액 Top 20

종목명	주가	등락율(%)	공매도액(만원)	공매도율(%)	대차잔고액(만원)	대차잔고율(%)
셀트리온	275,500	-2.13	960,199	4.45	112,924,125	3.03
HMM	39,150	-3.69	100,346	0.45	64,919,667	4.13
LG디스플레이	20,800	-3.48	971,078	11.97	50,027,642	6.31
현대자동차	217,000	-0.91	654,372	3.51	32,678,479	0.70
삼성바이오로직스	983,000	1.13	683,405	4.81	20,547,059	0.33
아모레퍼시픽	220,500	-1.78	388,536	10.83	17,527,987	1.32
삼성중공업	6,170	-2.68	179,177	5.73	15,810,589	3.73
금호석유화학	192,500	-2.53	1,408,193	18.88	14,948,029	2.48
LG생활건강	1,444,000	1.62	498,012	7.06	14,773,656	0.66
신풍제약	66,800	-6.96	867,669	3.59	14,668,319	4.31
SK이노베이션	248,500	2.69	1,440,198	5.32	14,506,495	0.65
LG화학	896,000	2.05	1,345,033	3.79	14,318,371	0.24
한화솔루션	38,700	-2.27	564,867	15.41	12,955,934	1.70
카카오	146,000	-1.02	2,591,342	8.29	12,739,610	0.20
포스코케미칼	155,000	1.31	1,070,661	14.55	12,592,228	1.05
한국조선해양	119,000	-0.83	93,640	2.25	10,713,972	1.22
롯데관광개발	18,900	-2.07	56,884	6.66	9,874,871	7.25
두산중공업	20,800	-4.15	215,178	1.67	9,809,839	0.89
넷마블	127,000	-3.79	1,398,730	25.51	9,808,533	0.85
삼성전자	74,400	-3.38	13,590,049	3.00	9,771,279	0.02

여기서 대차잔고액은 높은데 공매도율은 낮은 종목으로는 HMM이 있습니다. HMM의 공매도 흐름을 살펴보면 다음과 같습니다.

HMM 공매도

7월달을 보면 공매도율이 무려 25% 가까이 있었다는 것을 알 수 있습니다. 이 공매도 물량을 언제 상환할 지는 모르겠지만 최근 공매도율은 낮아진 것으로 보입니다.

여기에 BDI 역시 높은 상황이라 HMM이 다시 올라갈 여지도 있어 보입니다.

BDI

주요 MSCI 지수 차트 한꺼번에 보기

starlightBlog.post.date

MSCI 지수는 모건스탠리캐피탈인터내셔널(MSCI)에서 발표하는 선진국/신흥국, 지역, 국가 기준의 주식 종합 지수입니다. MSCI 지수는 많은 펀드들이 추종하고 있어서 주식투자에 있어서 매우 중요한 지수입니다.

한국의 코스피, 미국의 S&P 500, 일본의 닛케이, 중국의 상해종합지수, 홍콩의 항셍지수 등 각 국가별로 주식 종합 지수가 존재합니다. 그럼 “왜 굳이 MSCI 지수가 필요하지?”라는 의문이 생길 수 있습니다. 각 국가에서 주식종합지수를 만드는 방법이 다르기 때문에 획일화된 방법으로 각 국가의 지수를 만들어야할 필요가 생겼습니다. 이에 모건스탠리캐피탈인터내셔널(MSCI)에서 이 역할을 수행하는 것입니다.

MSCI는 국가별 뿐만 아니라 지역(아시아, 아메리카, 유럽 등) 별로 또는 선진국/신흥국 별로 주식종합지수를 만들기도 합니다.

매우 다양한 MSCI 지수들 중에서 한국 주식 투자에 주로 참고해야 할 주요 MSCI 지수들의 차트를 퀀티랩에서 한꺼번에 볼 수 있습니다. 시장지표 / MSCI 메뉴에서 다은과 같은 차트들을 볼 수 있습니다.

MSCI

MSCI WORLD는 23개 선진 국가 주식 시장을 대상으로 합니다.
MSCI WCWI는 23개 선진 국가와 27개 신흥 국가 주식 시장을 대상으로 합니다.
MSCI EM은 26개 신흥 국가 주식 시장을 대상으로 합니다.
그 외는 각 국가별 지수 입니다.

각 지수에 포함된 국가 수, 종목, 비중 등은 변경될 수 있습니다.

한국/미국 금리 차트 보기

starlightBlog.post.date

앞서 퀀티랩에서 해외증시, 환율, 원자재 차트를 볼 수 있다고 소개 드렸는데, 중요한 지표인 금리가 빠져 있었습니다. 이제 한국과 미국 금리 차트도 퀀티랩에서 확인할 수 있습니다.

시장지표 / 금리 메뉴에서 금리 관련 차트들을 볼 수 있습니다.

현재는 한국 기준 금리, 미국 기준 금리, 미국 10년물 국채 금리를 볼 수 있는데 앞으로 한국 국채 금리를 포함해 다양한 금리 데이터도 추가될 예정입니다.

추가되었으면 하는 데이터가 있다면 메일, 카페 등의 채널을 통해 요청해 주시면 최대한 서비스에 반영하도록 하겠습니다.

해외증시, 환율, 원자재 차트 한눈에 보기

starlightBlog.post.date

퀀티랩에서 해외증시, 환율, 원자재 차트들을 볼 수 있습니다. 이러한 시장 지표들의 추세를 잘 확인하면 주식 투자에 큰 도움이 될 것입니다.

퀀티랩의 시장지표 메뉴를 누르면 나오는 해외증시, 환율, 원자재 하위 메뉴로 차트들을 볼 수 있습니다.

해외증시는 변동성지수 VIX와 다우산업, 나스닥종합, S&P 500, 니케이 225, 상해종합, 항셍, 영국 FTSE 100, 프랑스 CAC 40, 독일 DAX 30을 볼 수 있습니다. VIX는 S&P 500 지수 옵션의 30일 뒤의 기대 변동성을 입니다.

해외증시

환율 페이지에서는 미달러, 유로, 엔, 위안, 홍콩달러 환율을 볼 수 있습니다.

원자재 페이지에서는 대표적인 원자재지수인 GSCI를 비롯해 다양한 원자재 선물의 차트들을 한눈에 보여줍니다.

원자재

대신증권 크레온 API로 매수/매도 주문 넣고 확인하기

starlightBlog.post.date

이번 포스트에서는 대신증권 크레온 API로 주식 주문을 내고 실시간으로 체결을 확인하고 주문 내역을 조회하는 방법을 다룹니다.

매수/매도 주문 내기

먼저 매수 또는 매도 주문을 내는 방법을 알아보겠습니다. 주문은 크레온 API의 CpTrade.CpTd0311 모듈을 사용하면 됩니다.

다음과 같이 order() 함수를 선언하고, action, code, amount를 매수/매도 구분, 주문할 종목 코드, 주식 수로 각각 입력 받도록 했습니다. 물론 더 다양한 입력을 받을 수 있게 이 함수를 수정할 수 있습니다.

import win32com.client


class Creon:
    def __init__(self):
        self.orderevent_handler = None

    def order(self, action, code, amount):
        if not code.startswith('A'):
            code = 'A' + code
        account_no, account_gflags = self.init_trade()
        self.obj_CpTrade_CpTd0311.SetInputValue(0, action)  # 1: 매도, 2: 매수
        self.obj_CpTrade_CpTd0311.SetInputValue(1, account_no)  # 계좌번호
        self.obj_CpTrade_CpTd0311.SetInputValue(2, account_gflags[0])  # 상품구분
        self.obj_CpTrade_CpTd0311.SetInputValue(3, code)  # 종목코드
        self.obj_CpTrade_CpTd0311.SetInputValue(4, amount)  # 매수수량
        self.obj_CpTrade_CpTd0311.SetInputValue(8, '03')  # 시장가
        result = self.obj_CpTrade_CpTd0311.BlockRequest()
        if result != 0:
            print('order request failed.', file=sys.stderr)
        status = self.obj_CpTrade_CpTd0311.GetDibStatus()
        msg = self.obj_CpTrade_CpTd0311.GetDibMsg1()
        if status != 0:
            print('order failed. {}'.format(msg), file=sys.stderr)

    def buy(self, code, amount):
        return self.order('2', code, amount)

    def sell(self, code, amount):
        return self.order('1', code, amount)

매수할 때는 buy() 함수를 호출해서 action을 2로 지정하고, 매도할 때는 sell() 함수를 호출해서 action을 1로 지정하도록 했습니다.

여기서는 시장가로 매수/매도를 하도록 했는데 지정가, 최유리지정가, 최우선지정가 등으로 변경할 수 있습니다. 이 부분은 CpTrade.CpTd0311 문서에서 SetInputValue의 8 - (string) 주문호가구분코드 항목을 함고하시기 바랍니다.

이렇게 매수 또는 매도 주문을 넣고 체결 되었을 때 다음과 같이 이벤트를 받을 수 있습니다.

class Creon:
    def subscribe_orderevent(self, cb):
        obj = win32com.client.Dispatch('Dscbo1.CpConclusion')
        handler = win32com.client.WithEvents(obj, OrderEventHandler)
        handler.set_attrs(obj, cb)
        self.orderevent_handler = obj
        obj.Subscribe()

    def unsubscribe_orderevent(self):
        if self.orderevent_handler is not None:
            self.orderevent_handler.Unsubscribe()
            self.orderevent_handler = None


class OrderEventHandler(EventHandler):
    def OnReceived(self):
        item = {
            '계좌명': self.obj.GetHeaderValue(1),
            'name': self.obj.GetHeaderValue(2),
            '체결수량': self.obj.GetHeaderValue(3),
            '체결가격': self.obj.GetHeaderValue(4),
            '주문번호': self.obj.GetHeaderValue(5),
            '원주문번호': self.obj.GetHeaderValue(6),
            '계좌번호': self.obj.GetHeaderValue(7),
            '상품관리구분코드': self.obj.GetHeaderValue(8),
            '종목코드': self.obj.GetHeaderValue(9),
            '매매구분코드': self.obj.GetHeaderValue(12),
            '체결구분코드': self.obj.GetHeaderValue(14),
            '체결구분코드': self.obj.GetHeaderValue(14),
            '체결구분코드': self.obj.GetHeaderValue(14),
            '현금신용대용구분코드': self.obj.GetHeaderValue(17),
        }
        self.cb(item)

subscribe_orderevent() 함수를 호출해서 체결 이벤트를 실시간으로 받아올 수 있습니다. 매수/매도 주문이 체결되면 지정된 콜백 함수 cb로 체결 정보를 전송합니다. 이를 위해서 OrderEventHandler 클래스를 선언했고, 이 클래스의 OnReceived() 함수에서 체결 정보를 cb에 전송합니다.

다음과 같이 지금까지 주문한 내역을 확인할 수도 있습니다.

class Creon:
    def __init__(self, account_no=''):
            self.obj_CpTrade_CpTd5341 = win32com.client.Dispatch('CpTrade.CpTd5341')

    def get_trade_history(self):
        account_no, account_gflags = self.init_trade()
        self.obj_CpTrade_CpTd5341.SetInputValue(0, account_no)
        self.obj_CpTrade_CpTd5341.SetInputValue(1, account_gflags[0])  # 상품구분

        _fields = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 16, 17, 18, 19, 22, 24]
        _keys = [
            '상품관리구분코드', '주문번호', '원주문번호', '종목코드', '종목이름',
            '주문내용', '주문호가구분코드내용', '주문수량', '주문단가', '총체결수량',
            '체결수량', '체결단가', '확인수량', '정정취소구분내용 ', '거부사유내용',
            '채권매수일', '거래세과세구분내용', '현금신용대용구분내용', '주문입력매체코드내용',
            '정정취소가능수량', '매매구분',
        ]

        result = self.request(self.obj_CpTrade_CpTd5341, dict(zip(_fields, _keys)), cntidx=6)
        return result

주문 이후에 get_trade_history() 함수를 호출하면 다음과 같이 매수/매도 주문에 대한 정보들을 받아올 수 있습니다. 여기서는 삼성전자를 10주씩 매수->매도->매수한 다음 get_trade_history() 함수를 호출한 결과 입니다.

{'data': [{'상품관리구분코드': '10', '주문번호': 6095, '원주문번호': 0, '종목코드': 'A005930', '종목이름': '삼성전자', '주문내용': '정규장현금매수', '주문호가구분코드내용': '시장가', '주문수량': 10, '주문단가': 0, '총체결수량': 10, '체결수량': 10, '체결단가': 82430, '확인수량': 0, '정정취소구분내용 ': '정상주문', '거부사유내용': '', '채권매수일': '', '거래세과세구분내용': '', '현금신용대용구분내용': '', '주문입력매체코드내용': 'C8', '정정취소가능수량': 0, '매매구분': '매수'}, {'상품관리구분코드': '10', '주문번호': 6099, '원주문번호': 0, '종목코드': 'A005930', '종목이름': '삼성전자', '주문내용': '정규장현금매도', '주문호가구분코드내용': '시장가', '주문수량': 10, '주문단가': 0, '총체결수량': 10, '체결수량': 10, '체결단가': 82500, '확인수량': 0, '정정취소구분내용 ': '정상주문', '거부사유내용': '', '채권매수일': '', '거래세과세구분내용': '', '현금신용대용구분내용': '', '주문입력매체코드내용': 'C8', '정정취소가능수량': 0, '매매구분': '매도'}, {'상품관리구분코드': '10', '주문번호': 6121, '원주문번호': 0, '종목코드': 'A005930', '종목이름': '삼성전자', '주문내용': '정규장현금매수', '주문호가구분코드내용': '시장가', '주문수량': 10, '주문단가': 0, '총체결수량': 10, '체결수량': 10, '체결단가': 82500, '확인수량': 0, '정정취소구분내용 ': '정상주문', '거부사유내용': '', '채권매수일': '', '거래세과세구분내용': '', '현금신용대용구분내용': '', '주문입력매체코드내용': 'C8', '정정취소가능수량': 0, '매매구분': '매수'}]}

퀀티랩 systrader 프로젝트에서 전반적인 시스템 트레이딩 코드를 공개하고 있습니다. 앞으로 시스템 트레이딩에 필요한 주요 기능들을 퀀티랩 Github systrader 리포지토리에서 오픈소스로 개발해 나갈 예정입니다.

SysTrader의 주요 TODO 태스크는 다음과 같습니다.

주요 시스템 트레이딩 기능 구현
딥러닝 모델 기반 자동 매매
PyQt5 기반의 GUI 개발
매매 현황 리포팅

관심 있으신 모든 분들께서 이 프로젝트에 참여해 주시면 감사하겠습니다. SysTrader는 모든 개미들을 위한 견고한 시스템 트레이딩 솔루션이 되는 것을 목표로 합니다.

2021년 신규 상장 공모주

starlightBlog.post.date

2021년은 많은 대어급 기업들의 IPO(기업공개, initial public offering)가 예정되어 있습니다. 며칠 전 있었던 SK아이이테크놀로지의 청약은 엄청난 흥행으로 마쳤습니다. 확정 공모가는 105,000원이고 청약 경쟁률은 288:1에 달했습니다.

이번 포스트에서는 2021년에 공모일정이 나와있고 앞으로 공모가 예정되어 있는 기업들을 알아보겠습니다.

다음 표는 공모일정이 나와있는 기업들 입니다. SK바이오사이언스와 SK아이이테크놀로지가 엄청난 흥행으로 공모를 마친 바 있습니다.

종목명	신규상장일	공모시작	공모종료	희망공모가	확정공모가	청약경쟁률
아모센스		20210615	20210616	13,300~16,300
엘비루셈	20210611	20210602	20210603	12,000~14,000
에이디엠코리아		20210525	20210526	2,900~3,300
제주맥주		20210513	20210514	2,600~2,900
진시스템		20210513	20210514	16,000~20,000
삼영에스앤씨		20210511	20210512	7,800~10,000
NH스팩19호(유가)		20210511	20210512	2,000~2,000
삼성스팩4호		20210511	20210512	2,000~2,000
샘씨엔에스		20210510	20210511	5,000~5,700
라온테크		20210510	20210511	12,800~15,800
씨앤씨인터내셔널	20210517	20210506	20210507	35,000~47,500
에이치피오	20210514	20210503	20210504	22,200~25,400	22,200
하이스팩6호	20210510	20210428	20210429	2,000~2,000	2,000	7.63:1
SK아이이테크놀로지(유가)	20210511	20210428	20210429	78,000~105,000	105,000	288.17:1
쿠콘		20210419	20210420	31,000~40,000	45,000	1596.32:1
해성티피씨		20210412	20210413	9,500~11,500	13,000	2053.27:1
이삭엔지니어링		20210412	20210413	9,500~11,500	11,500	2262.09:1
유진스팩6호		20210330	20210331	2,000~2,000	2,000	236.23:1
유안타스팩8호		20210325	20210326	2,000~2,000	2,000	84.91:1
엔시스		20210322	20210323	13,000~16,500	19,000	2573.60:1
자이언트스텝		20210315	20210316	9,000~11,000	11,000	2342:1
제노코		20210315	20210316	27,000~33,000	36,000	2095.45:1
라이프시맨틱스		20210311	20210312	9,000~12,500	12,500	1774.57:1
SK바이오사이언스(유가)		20210309	20210310	49,000~65,000	65,000	335.36:1
바이오다인		20210308	20210309	22,500~28,700	30,000	48.36:1
디비금융스팩9호		20210305	20210308	2,000~2,000		8.56:1
네오이뮨텍		20210304	20210305	5,400~6,400		664.65:1
프레스티지바이오로직스		20210302	20210303	8,700~12,400		126.06:1
싸이버원		20210302	20210303	7,600~8,300		1880.43:1
나노씨엠에스		20210225	20210226	14,500~18,500		1243.48:1
하나머스트스팩7호		20210223	20210224	2,000~2,000		237.46:1
IBKS스팩15호		20210218	20210219	2,000~2,000		101.73:1
뷰노		20210216	20210217	15,000~19,500		1102.7:1
씨이랩		20210215	20210216	23,000~31,000		195.53:1
유일에너테크		20210215	20210216	11,000~14,000		683.55:1
오로스테크놀로지		20210215	20210216	17,000~21,000		1033.82:1
피엔에이치테크		20210203	20210204	14,000~17,000		1528.76:1
하나금융스팩17호		20210129	20210201	2,000~2,000		168.68:1
아이퀘스트		20210127	20210128	9,200~10,600		2853.34:1
프레스티지바이오파마(유가)		20210125	20210126	25,000~32,000		237.13:1
와이더플래닛		20210125	20210126	12,000~15,000		1357.98:1
레인보우로보틱스		20210125	20210126	7,000~9,000		1201.26:1
신한스팩7호		20210125	20210126	2,000~2,000		7.45:1
솔루엠(유가)		20210121	20210122	13,700~15,500		1147.76:1
핑거		20210121	20210122	13,000~15,000		939.39:1
씨앤투스성진		20210119	20210120	26,000~32,000		674.04:1
모비릭스		20210119	20210120	10,500~14,000		1485.51:1
선진뷰티사이언스		20210118	20210119	10,100~11,500		1987.74:1
엔비티		20210112	20210113	13,200~17,600		4397.67:1
한국스팩9호		20210112	20210113	2,000~2,000		46.54:1

SK바이오사이언스의 경우 따상에 성공하고 이후 주가가 큰폭으로 하락했다가 일부 회복한 상태입니다. 이번 SK아이이테크놀로지도 따상할 것이란 예측이 많은 상황입니다.

기업공개가 예정된 종목들도 이렇게 많이 있습니다. 이들 중에서 특히 크래프톤, 카카오벵크, 한컴라이프케어, 아주스틸, 카카오페이에 관심이 갑니다.

기업명	청구일	당기순이익(백만)	매출액(백만)	자본금(백만)	주업종
에스앤디	20210430	7,359	56,537	1,518	기타 식품 제조업
비트나인	20210428	-10,226	11,576	4,110	응용소프트웨어 개발 및소프트웨어
에이비온	20210428	-10,476	1,994	7,168	자연과학 및 공학 연구개발업
라이콤	20210427	3,475	30,604	1,469	통신 및 방송 장비 제조업
차백신연구소	20210426	-6,240	78	11,194	의약품 제조업
카카오페이(유가)	20210426	-25,051	284,371	56,683	기타 금융업
리파인	20210423	16,067	54,164	1,300	부동산 중개, 자문 및 감정평가업
바이오플러스	20210423	9,703	24,367	6,239	기초 의약물질 및 생물학적 제제
실리콘투	20210423	5,716	99,398	4,214	상품 종합 도매업
와이엠텍	20210423	3,866	17,037	2,387	전동기, 발전기 및 전기 변환 ·
엠로	20210423	3,389	40,302	2,687	소프트웨어 개발 및 공급업
아주스틸(유가)	20210422	11,709	569,794	11,226	1차 철강 제조업
한컴라이프케어(유가)	20210416	27,690	151,842	3,937	기타 의료용 기기 제조업
원티드랩	20210416	-9,174	14,648	1,988	소프트웨어 개발 및 공급업
카카오뱅크(유가)	20210415	113,636	804,157	2,048,251	은행 및 저축기관
브레인즈컴퍼니	20210415	3,734	14,829	1,742	시스템 소프트웨어 개발 및 공급업
엑셀세라퓨틱스	20210413	-10,124	540	4,368	의료용품 및 기타 의약 관련제품
바이젠셀	20210409	-10,455	0	3,772	의약품 제조업
크래프톤(유가)	20210408	556,267	1,670,427	4,278	소프트웨어 개발 및 공급업
일진하이솔루스(구.일진복합소재)(유가)	20210407	15,579	113,525	14,525	기타 운송장비 제조업
큐라클	20210401	-28,610	0	5,657	자연과학 및 공학 연구개발업
플래티어	20210331	2,685	39,376	3,207	소프트웨어 개발 및 공급업
에브리봇	20210330	-902	49,165	2,614	가정용 기기 제조업
오에스피	20210322	3,313	15,567	3,458	동물용 사료 및 조제식품 제조업
맥스트	20210309	-8,921	1,983	3,751	소프트웨어 개발 및 공급업
루켄테크놀러지스	20210204	-1,491	32,667	5,494	기타 전기장비 제조업
셀비온	20210204	-3,518	350	4,434	의약품 제조업
에스디바이오센서(유가)	20210126	1,399	73,728	46,659	의료용 기기 제조업
레몬헬스케어	20201228	-22,365	2,042	4,458	소프트웨어 개발 및 공급업
딥노이드	20201214	-8,606	235	2,156	소프트웨어 개발 및 공급업
디앤디파마텍	20201013	-6,421	0	4,018	자연과학 및 공학 연구개발업

특히 크래프톤, 카카오뱅크의 경우 각각 5,500억, 1,100억의 당기순이익을 기록하고 있는 만큼 현재도 이익이 높은 회사라 청약 공모 시 엄청난 경쟁이 예상됩니다. 남아있는 IPO들 잘 챙겨서 수익 얻으시길 응원합니다.

대신증권 크레온 API로 실시간 주가 데이터 받기

starlightBlog.post.date

이번 포스트에서는 대신증권 크레온 API를 이용한 실시간 주가를 획득하는 방법을 다룹니다. 여느 때와 같이 언어는 파이썬으로 진행합니다.

크레온 API는 문서화가 비교적 잘되어 있고 사용성이 좋습니다. [증권사 API 장단점 비교][/htsapi.html] 포스트에서 주요 증권사 API의 장단점을 비교해 놓았으니 참고하시기 바랍니다.

실시간 주가를 얻어오기 위한 모듈은 Dscbo1.StockCur이며 이에 대한 문서는 여기에서 확인할 수 있습니다.

실시간 데이터는 Publish/Subscribe 방식으로 데이터를 획득합니다. 크레온에서 실시간 주가 데이터를 발행(Publish)하고 사용자는 실시간 주가를 원하는 종목을 구독(Subscribe)합니다. 사용자는 크레온이 발행한 데이터를 콜백(callback)을 통해 받습니다.

그럼 파이썬으로 실시간 주가 데이터를 구독하는 함수와 데이터를 획득하는 콜백 함수를 구현해 보겠습니다.

import win32com.client


class Creon:
    def __init__(self):
        self.stockcur_handlers = {}  # 주식/업종/ELW시세 subscribe event handlers

    def subscribe_stockcur(self, code, cb):
        if not code.startswith('A'):
            code = 'A' + code
        if code in self.stockcur_handlers:
            return
        obj = win32com.client.Dispatch('DsCbo1.StockCur')
        obj.SetInputValue(0, code)
        handler = win32com.client.WithEvents(obj, StockCurEventHandler)
        handler.set_attrs(obj, cb)
        self.stockcur_handlers[code] = obj
        obj.Subscribe()

    def unsubscribe_stockcur(self, code=None):
        lst_code = []
        if code is not None:
            if not code.startswith('A'):
                code = 'A' + code
            if code not in self.stockcur_handlers:
                return
            lst_code.append(code)
        else:
            lst_code = list(self.stockcur_handlers.keys()).copy()
        for code in lst_code:
            obj = self.stockcur_handlers[code]
            obj.Unsubscribe()
            del self.stockcur_handlers[code]


class StockCurEventHandler:
    def set_attrs(self, obj, cb):
        self.obj = obj
        self.cb = cb

    def OnReceived(self):
        item = {
            'code': self.obj.GetHeaderValue(0),
            'name': self.obj.GetHeaderValue(1),
            'diffratio': self.obj.GetHeaderValue(2),
            'timestamp': self.obj.GetHeaderValue(3),
            'price_open': self.obj.GetHeaderValue(4),
            'price_high': self.obj.GetHeaderValue(5),
            'price_low': self.obj.GetHeaderValue(6),
            'bid_sell': self.obj.GetHeaderValue(7),
            'bid_buy': self.obj.GetHeaderValue(8),
            'cum_volume': self.obj.GetHeaderValue(9),  # 주, 거래소지수: 천주
            'cum_trans': self.obj.GetHeaderValue(10),
            'price': self.obj.GetHeaderValue(13),
            'contract_type': self.obj.GetHeaderValue(14),
            'cum_sellamount': self.obj.GetHeaderValue(15),
            'buy_sellamount': self.obj.GetHeaderValue(16),
            'contract_amount': self.obj.GetHeaderValue(17),
            'second': self.obj.GetHeaderValue(18),
            'price_type': chr(self.obj.GetHeaderValue(19)),  # 1: 동시호가시간 예상체결가, 2: 장중 체결가
            'market_flag': chr(self.obj.GetHeaderValue(20)),  # '1': 장전예상체결, '2': 장중, '4': 장후시간외, '5': 장후예상체결
            'premarket_volume': self.obj.GetHeaderValue(21),
            'diffsign': chr(self.obj.GetHeaderValue(22)),
            'LP보유수량':self.obj.GetHeaderValue(23),
            'LP보유수량대비':self.obj.GetHeaderValue(24),
            'LP보유율':self.obj.GetHeaderValue(25),
            '체결상태(호가방식)':self.obj.GetHeaderValue(26),
            '누적매도체결수량(호가방식)':self.obj.GetHeaderValue(27),
            '누적매수체결수량(호가방식)':self.obj.GetHeaderValue(28),
        }
        self.cb(item)

이렇게 Creon 클래스에 실시간 주가를 구독하는 함수인 subscribe_stockcur와 구독을 취소하는 unsubscribe_stockcur 함수를 구현했습니다. subscribe_stockcur 함수에서 발행되는 주가 데이터를 처리하기 위한 StockCurEventHandler 클래스를 이어서 정의하였습니다.

subscribe_stockcur 함수에서 구독하는 종목마다 StockCurEventHandler를 할당해 주었습니다. 크레온이 주식 데이터를 발행하면 StockCurEventHandler의 OnReceived 함수가 호출됩니다.

여기서 필요한 데이터를 획득할 수 있습니다. 여기서는 이렇게 획득한 데이터를 StockCurEventHandler 객체를 생성할 때 인자로 넘겨준 cb 함수로 전달하고 있습니다.

다음과 같이 종목명과 가격을 출력하는 간단한 cb 함수를 선언하고 NAVER와 미래에셋증권 두 종목의 실시간 주가를 구독해 보았습니다.

from quantylab.systrader.creon import Creon

c = Creon()

def cb(item):
    print(item['name'], item['price'])

c.subscribe_stockcur('035420', cb)
c.subscribe_stockcur('006800', cb)

# ...

c.unsubscribe_stockcur()

그러면 이런식으로 종목명과 주가가 출력되는 것을 볼 수 있습니다.

NAVER 389500
미래에셋증권 9990
미래에셋증권 10000
NAVER 390000
NAVER 389500
NAVER 389500
미래에셋증권 9990
NAVER 389500
NAVER 389500
미래에셋증권 9990
미래에셋증권 9990
미래에셋증권 9990
미래에셋증권 10000
미래에셋증권 9990
NAVER 390000
NAVER 389500
NAVER 389500
미래에셋증권 9990

퀀티랩 systrader 프로젝트에서 실시간 주가 확인 외에도 다양한 크레온 API 기능을 연결하고 있습니다. 퀀티랩 Github systrader 리포지토리에서 전체 코드를 확인할 수 있습니다. 문의는 이 리포지토리 이슈로 또는 네이버 카페로 주세요.

파이썬으로 DART에서 재무제표 수집하기

starlightBlog.post.date

이번 포스트에서는 전자공시시스템(DART)에서 제공하는 재무제표를 파이썬으로 다운로드하고 파싱하는 방법을 다룹니다.

DART에서 재무제표를 얻어오는 방법은 다양한데 여기서는 두 가지 방법을 다룹니다.

DART Open API 상장기업 재무정보

첫 번째로 단일회사 주요계정 API를 활용한 방법입니다.

DART Open API를 사용하려면 인증키가 필요합니다. 인증키 획득 방법은 이 포스트에서 확인하세요.

다음은 단일회사 주요계정 API를 호출하여 재무제표 정보를 획득하는 함수 입니다. 인증키, 회사 고유번호, 사업연도, 보고서 코드를 입력하여 재무제표를 받아올 수 있습니다.

def get_fs(crtfc_key, corp_code, bsns_year, reprt_code):
    # 단일회사 주요계정
    # crtfc_key  API 인증키  STRING(40)  Y  발급받은 인증키(40자리)
    # corp_code  고유번호  STRING(8)  Y  공시대상회사의 고유번호(8자리)
    # ※ 개발가이드 > 공시정보 > 고유번호 API조회 가능
    # bsns_year  사업연도  STRING(1)  Y  사업연도(4자리)
    # ※ 2015년 이후 부터 정보제공
    # reprt_code  보고서 코드  STRING(5)  Y  1분기보고서 : 11013
    # 반기보고서 : 11012
    # 3분기보고서 : 11014
    # 사업보고서 : 11011
    api = 'https://opendart.fss.or.kr/api/fnlttSinglAcnt.json'
    params = {
        'crtfc_key': crtfc_key,
        'corp_code': corp_code,
        'bsns_year': bsns_year,
    }
    data = []
    reprt_name = REPRT_NAMES.get(reprt_code, "")
    params['reprt_code'] = reprt_code
    res = self._request(api, params=params)
    if res is None:
        return None
    if res.status_code != 200:
        return None
    item = json.loads(res.text)
    if item.get('status', '') != '000':
        return None
    for _item in item.get('list'):
        _item['corp_code'] = corp_code
        _item['reprt_code'] = reprt_code
        _item['reprt_name'] = reprt_name
        data.append(_item)
    return data

get_fs(crtfc_key, '00266961', 2015, '11011')와 같이 호출하면 다음과 같은 결과를 받아올 수 있습니다.

[{'account_nm': '자산총계', 'bfefrmtrm_amount': '9,881,190,909,324', 'bfefrmtrm_dt': '2018.12.31 현재', 'bfefrmtrm_nm': '제 20 기', 'bsns_year': '2020', 'corp_code': '00266961', 'frmtrm_amount': '12,299,527,120,786', 'frmtrm_dt': '2019.12.31 현재', 'frmtrm_nm': '제 21 기', ...}, {'account_nm': '부채총계', 'bfefrmtrm_amount': '3,932,050,396,031', 'bfefrmtrm_dt': '2018.12.31 현재', 'bfefrmtrm_nm': '제 20 기', 'bsns_year': '2020', 'corp_code': '00266961', 'frmtrm_amount': '5,795,601,052,206', 'frmtrm_dt': '2019.12.31 현재', 'frmtrm_nm': '제 21 기', ...}, ...]

DART Open API 재무정보 일괄 다운로드

두 번째는 재무정보 일괄 다운로드로 한꺼번에 전체 기업의 재무제표 데이터를 받아오는 방법입니다. Open DART 사이트에서 공시정보 활용마당 / 재무정보 일괄다운로드를 클릭하면 다음과 같은 테이블을 볼 수 있습니다.

재무정보 일괄다운로드

여기서 다운로드 하면 해당 연도와 분기의 네 종류의 재무제표를 압축파일로 다운 받을 수 있습니다. 여기서는 다운로드, 압축해제를 포함하여 파이썬에서 재무제표를 읽어오는 방법을 다룹니다.

다음은 Selenium으로 다운로드 버튼을 클릭하여 파일을 다운로드하고 압축을 해제하는 코드입니다.

options = webdriver.ChromeOptions()
options.add_experimental_option("prefs", {
    "download.default_directory": self.job_base,
    "download.prompt_for_download": False,
    "download.directory_upgrade": True,
    "safebrowsing.enabled": True
})
options.add_argument("disable-infobars")
options.add_argument("--disable-extensions")
browser = webdriver.Chrome(executable_path=os.path.join(settings.QUANTYLAB_BASE, 'drivers/chromedriver'), chrome_options=options)

try:
    browser.get('https://opendart.fss.or.kr/disclosureinfo/fnltt/dwld/main.do')
    elem = browser.find_element_by_css_selector('table.tb01')
    for elem_a in elem.find_elements_by_link_text('다운로드'):
        filename = re.findall(r'.*\(.*\'(.+)\'\).*', elem_a.get_attribute('onclick'))[0]
        # 파일 다운로드
        elem_a.click()
        time.sleep(10)
        # 압축파일 로드
        filepath = os.path.join(base, filename)
        z = zipfile.ZipFile(filepath)
        for info in z.infolist():
            # 한글 파일명 인코딩 수정
            _filename = info.filename.encode('cp437').decode('euc-kr')
            _filepath = os.path.join(base, _filename)
            if os.path.exists(_filepath):
                continue
            info.filename = _filename
            # 압축해제
            z.extract(info, base)
        z.close()
except Exception as e:
    print(str(e))
finally:
    browser.quit()

이렇게 압축해제까지 하면 2020_1분기보고서_04_현금흐름표_20210211.txt과 같은 파일들이 생성되어 있을 것입니다.

이 텍스트 파일은 다음과 같이 pandas로 쉽게 DataFrame으로 읽어올 수 있습니다. 다만 sep과 encoding을 다음과 같이 적절하게 정해주는 것이 중요합니다.

df = pd.read_csv(filepath, sep='\t', encoding='cp949')

여기서 당기, 당기 1분기, 당기 반기 등의 다양한 컬럼이 생기는데 저는 이들을 당기로 통합하여 정리했습니다.

다음은 포괄손익계산서의 일부 항목을 나타낸 것입니다.

항목명	결산기준일	보고서종류	당기
영업수익	2018-12-31	사업보고서	5,586,904,533,355
영업이익(손실)	2018-12-31	사업보고서	942,532,561,543
당기순이익(손실)	2018-12-31	사업보고서	627,901,873,332

그런데 재무제표를 볼 때 항목의 흐름을 보는 것이 중요합니다. 예를 들어 영업 이익이 꾸준히 증가하고 있는지를 보고 싶은 것입니다.

그래서 동일 항목에 대해서 결산기준일 순서대로 DataFrame을 재구성하고자 합니다. 이를 위해 DataFrame의 pivot 함수를 사용합니다.

df_pivot = df.pivot(values='value', index='항목명', columns='결산기준일')

동일 항목이지만 항목명이 다르게 적혀있는 경우가 있어서 이를 맞춰주는 처리를 했습니다.

그럼 다음과 같이 동일 항목의 값을 분기 순서대로 볼 수 있습니다.

항목명	2015-12-31	2016-03-31	2016-06-30	2016-09-30	2016-12-31	2017-03-31	2017-06-30	2017-09-30	2017-12-31	2018-03-31	2018-06-30	2018-09-30	2018-12-31	2019-03-31	2019-06-30	2019-09-30	2019-12-31	2020-03-31	2020-06-30	2020-09-30
매출액	3,251,157,100,000	937,280,220,152	987,281,364,295	1,013,075,223,770	4,022,629,619,982	1,082,247,281,196	1,129,631,366,847	1,200,676,275,220	4,678,468,928,032	1,309,059,864,248	1,363,615,953,332	1,397,713,834,674	5,586,904,533,355	1,510,861,770,282	1,630,275,004,395	1,664,815,000,078	6,593,400,065,244	1,732,064,462,097	1,902,467,957,491	1,360,779,374,259
영업이익	762,203,849,000	256,827,536,675	272,663,961,847	282,298,051,525	1,102,040,475,792	290,797,289,304	285,213,522,180	312,084,238,444	1,179,187,806,331	256,980,563,870	250,583,189,279	221,718,402,565	942,532,561,543	206,244,504,954	128,334,709,480	202,086,039,366	710,070,173,513	221,495,078,328	230,597,573,115	291,726,798,004
당기순이익	516,986,279,000	165,036,146,535	213,223,506,226	198,000,157,034	759,072,951,187	210,876,050,870	171,420,229,303	215,798,264,368	770,101,670,207	153,751,654,038	281,758,577,701	68,386,763,908	627,901,873,332	87,585,903,290	27,756,852,975	85,268,053,088	396,821,062,465	134,874,581,865	90,682,203,810	235,342,965,699