본문 바로가기

API

[Fred API] 실업률과 비농업고용 및 기준금리 비교

반응형

Fred API를 이용해서 실업률과 비농업고용 및 기준금리 데이터를 수집하고 비교해 보겠습니다.

Fredpy로 데이터를 수집하는데 Fred API Key가 필요합니다.

 

1. Fred 가입 후 API KEY 신청 및 확인하기

2. 실업률과 기준금리

3. 비 농업고용과 실업률, 기준금리

 

 

 

1. Fred 가입 후 API KEY 신청 및 확인하기

https://yenpa.tistory.com/65

 

[Fred API] 가입 후 API KEY 신청 및 확인하기

Fred 사이트에 가입 후 API Key 확인하는 방법을 알아보겠습니다. 1. Fred 사이트 가입 아래의 사이트에 접속합니다 https://fred.stlouisfed.org/ Federal Reserve Economic Data | FRED | St. Louis Fed Welcome to FRED, your trust

yenpa.tistory.com

 

 

 

 

2. 실업률과 기준금리

필요 라이브러리를 import 합니다. API_KEY는 본인의 데이터가 필요합니다.

데이터의 기간을 1954-07-01부터로 설정하겠습니다.

import pandas as pd
import fredpy as fp
from datetime import datetime
#fp.api_key = 'YOUR_API_KEY'

startdate='1954-07-01'
enddate=datetime.now().strftime('%Y-%m-%d')

 

실업률 데이터를 수집하겠습니다. symbol은 'UNRATE'입니다.

#실업률
df1 = fp.series('UNRATE',enddate)
df1.data

 

 

symbol 'FEDFUNDS'를 이용해서 기준금리 데이터를 수집하겠습니다.

df2 = fp.series('FEDFUNDS',enddate)
df2.data

 

기간을 1954-07-01에서 오늘까지로 지정하겠습니다.

df11=df1.data.loc[(df1.data.index>=startdate) & (df1.data.index<=enddate)]
df22=df2.data.loc[(df2.data.index>=startdate) & (df2.data.index<=enddate)]

 

그래프로 확인해 보겠습니다.

import plotly.express as px
import plotly.graph_objects as go
from plotly.subplots import make_subplots

fig = make_subplots(specs=[[{'secondary_y':True}]])

fig.add_trace(
    go.Scatter(x=df11.index, y=df11.values, name='실업률'),
    secondary_y=True
)

fig.add_trace(
    go.Bar(x=df22.index, y=df22.values, name='기준금리'),
    secondary_y=False
)

fig.update_layout(
    title_text = '실업률과 기준금리',
    title = {'x':0.5, 'y':0.9}
)

fig.show()

기준 금리가 먼저 정점에 이르고 실업률이 그다음에 정점이 되는 것처럼 보입니다.

 

반응형

 

 

1990년 이후로 기간을 축소해서 보겠습니다.

 

 

 

3. 비 농업고용과 실업률, 기준금리

비농업 고용 데이터 수집하겠습니다. symbol은 'PAYEMS'입니다.

지난해 동월 대비(YOY)의 데이터로 변경하고, 기간은 1954-07-01부터로 하겠습니다.

#비농업고용
df3 = fp.series('PAYEMS',enddate)
df3yoy = df3.apc().data
df33=df3yoy.loc[(df3yoy.index>=startdate) & (df3yoy.index<=enddate)]
df33

 

비 농업 고용(YOY)과 실업률 데이터를 보겠습니다.

fig = make_subplots(specs=[[{'secondary_y':True}]])

fig.add_trace(
    go.Scatter(x=df11.index, y=df11.values, name='실업률'),
    secondary_y=True
)

fig.add_trace(
    go.Bar(x=df33.index, y=df33.values, name='비농업고용(YOY)'),
    secondary_y=False
)

fig.update_layout(
    title_text = '실업률과 비농업고용(YOY)',
    title = {'x':0.5, 'y':0.9}
)

fig.show()

 

반응형

 

 

비 농업 고용(YOY)와 기준 금리 데이터를 그래프로 확인하겠습니다.

fig = make_subplots(specs=[[{'secondary_y':True}]])

fig.add_trace(
    go.Scatter(x=df33.index, y=df33.values, name='비농업고용(YOY)'),
    secondary_y=True
)

fig.add_trace(
    go.Bar(x=df22.index, y=df22.values, name='기준금리'),
    secondary_y=False
)

fig.update_layout(
    title_text = '비농업고용(YOY)과 기준금리',
    title = {'x':0.5, 'y':0.9}
)

fig.show()

 

 

1990년대 이후로 축소해서 보겠습니다.

df333=df3.data.loc[(df3.data.index>=startdate1) & (df3.data.index<=enddate)]

fig = make_subplots(specs=[[{'secondary_y':True}]])

fig.add_trace(
    go.Scatter(x=df333.index, y=df333.values, name='비농업고용(YOY)'),
    secondary_y=True
)

fig.add_trace(
    go.Bar(x=df222.index, y=df222.values, name='기준금리'),
    secondary_y=False
)

fig.update_layout(
    title_text = '비농업고용(YOY)과 기준금리(1990년대 이후)',
    title = {'x':0.5, 'y':0.9}
)

fig.show()

반응형