[Python] 파이썬, 시계열 주식 예측 fbprophet

파이썬을 이용하여 주식 종목의 OHLC 주가 정보를 불러오고,

 

fbprophet을 이용하여 시계열 주식 가격을 예측하겠습니다.

 

<완성본>

 

1. 준비물

VScode, Anaconda

 

 

2. 설치 과정

 

아나콘다를 설치합니다.

https://www.anaconda.com/products/individual

Anaconda | Individual Edition

 

https://visualstudio.microsoft.com/visual-cpp-build-tools/

Microsoft C++ Build Tools - Visual Studio

 

Visual Studio Build Tools에서 C++ 항목을 설치합니다.

 

 

 

사용한 파이썬 버전은 python 3.6 입니다.

 

Anaconda Prompt를 실행하고,

---

conda create -n env_3.6 python=3.6
conda activate env_3.6

---

conda create env_3.6 python=3.6

# 아나콘다 가상 환경 env_3.6을 만들고, 파이썬 3.6 버전으로 설치합니다.

---

pip install convertdate
pip install lunarcalendar
pip install holidays
pip install cython
pip install wheel
pip install pystan
pip install fbprophet

---

또한 Anaconda Prompt에 각종 패키지와 fbprophet를 설치합니다.

 

이제, VScode를 열고 인터프리터를 가상환경 env_3.6으로 변경해줍니다.

 

3. 전체 종목 데이터 가져오기

---

from fbprophet import Prophet
from pykrx import stock
import pandas as pd
import matplotlib.pyplot as plt

---

from pykrx import stock

# pykrx를 통해 국내 주식 정보를 가져올 수 있습니다.

 

https://github.com/sharebook-kr/pykrx

GitHub - sharebook-kr/pykrx: KRX 주식 정보 스크래핑

 

---

# 종목 가져오기
def stock_stock(stock_code, stock_from, stock_to):
    ''' 종목 가져오기'''
    global ticker
    global stock_name

    # 종목
    try:    
        # 전체 종목코드와 종목명 가져오기
        stock_list = pd.DataFrame({'종목코드':stock.get_market_ticker_list(market="ALL")})
        stock_list['종목명'] = stock_list['종목코드'].map(lambda x: stock.get_market_ticker_name(x))
        ticker = stock_code
        stock_name = stock_list.loc[stock_list['종목코드']==stock_code]['종목명'].values
        # ETF인 경우 예외 발생
        if stock_name[0] == '':
            raise Exception
        df = stock.get_market_ohlcv_by_date(fromdate=stock_from, todate=stock_to, ticker=ticker)
        df = stock_before(df)

    # ETF
    except Exception as ex:     
        # 전체 종목코드와 종목명 가져오기
        stock_list = pd.DataFrame({'종목코드':stock.get_etf_ticker_list(stock_to)})
        stock_list['종목명'] = stock_list['종목코드'].map(lambda x: stock.get_etf_ticker_name(x))
        ticker = stock_code
        stock_name = stock_list.loc[stock_list['종목코드']==stock_code]['종목명'].values
        df = stock.get_etf_ohlcv_by_date(fromdate=stock_from, todate=stock_to, ticker=ticker)
        df = stock_before(df)

    return df

---

def stock_stock(stock_code, stock_from, stock_to):

# stock_from부터 stock_to까지 stock_code의 OHLC를 가져옵니다.

 

---

# 종목 전처리
def stock_before(df):
    # 칼럼명을 영문명으로 변경
    df = df.rename(columns={'시가':'open', '고가':'high', '저가':'low', '종가':'close', '거래량':'volume'})
    # 거래정리 시
    for i in range(len(df)):
        if df['open'].iloc[i] == 0:
            df['open'].iloc[i] = df['close'].iloc[i]
            df['high'].iloc[i] = df['close'].iloc[i]
            df['low'].iloc[i] = df['close'].iloc[i]
    df = df.drop(['open','high','low','volume'],axis=1)
    df = df.reset_index()
    df = df.rename(columns={'날짜':'ds','close':'y'})

    return df

---

fbprophet은 날짜를 컬럼 ds로, 종가를 y로 사용하기 때문에 종목 데이터를 전처리를 해줍니다.

 

---

stock_code = '005930'
stock_from = '20170116'
stock_to = '20220116'

df = stock_stock(stock_code,stock_from,stock_to)

---

4. fbprophet

---

model = Prophet()
model.fit(df)
future = model.make_future_dataframe(periods=10, freq='D')
forecast = model.predict(future)

fig1 = model.plot(forecast)
fig2 = model.plot_components(forecast)

plt.show()

---

future = model.make_future_dataframe(periods=10, freq='D')

# 예측할 날짜는 10일이며, 시간 단위로 하고자 하면 freq='H'로 변경해줍니다.