[한국은행 API] 한국 기준금리와 국채 수익률 스프레드

한국은행 API를 이용해서 우리나라 기준 금리데이터와 국채 수익률(3년, 10년) 데이터를 수집하고

각 스프레드 데이터를 계산 후 그래프로 확인해 보겠습니다.
확인을 위해서는 한국은행 API에 가입이 되어 있어야 합니다.

1. 한국은행 API 가입
2. 기준금리
3. 국채 수익률(3년, 10년)

4. 기준금리-국채수익률 스프레드

5. 스프레드와 코스피

 

 

1. 한국은행 API 가입

https://yenpa.tistory.com/80

[한국은행 API] 인증키 신청 및 100대 통계 지표 수집

 

 

 

2. 기준금리

한국은행 API의 통계조회 조건 설정의 서비스에서 통계항목코드 1을 '722Y001'로
지정하면 한국은행 기준 금리 및 여수신 금리에 대한 정보를 불러올 수 있습니다.
아래는 금리에 대한 정보(722Y001)를 20221201~20221217 기간에서 일별로 조회한 코드입니다.

수집가능한 데이터 항목을 확인하기 위해 단기로 우선 수집했고, 나중에 한국은행 기준금리만 장기로 수집하겠습니다.

import requests

url = 'https://ecos.bok.or.kr/api/StatisticSearch/' + apikey \
        + '/json/kr/1/100/722Y001/D/20221201/20221217'
response = requests.get(url)
result = response.json()
list_total_count=(int)(result['StatisticSearch']['list_total_count'])
list_count=(int)(list_total_count/100) + 1


rows=[]
for i in range(0,list_count):
    start = str(i * 100 + 1)
    end = str((i + 1) * 100)
    
    url = 'https://ecos.bok.or.kr/api/StatisticSearch/' + apikey + '/json/kr/' \
            + start + '/' + end + '/722Y001/D/20221201/20221217'
    response = requests.get(url)
    result = response.json()
    rows = rows + result['StatisticSearch']['row']
    
df=pd.DataFrame(rows)
df

 

수집된 데이터의 ITEM_NAME1에서 항목을 확인할 수 있는데 한국은행 기준금리 외에도 여러 가지 데이터가 수집이 가능합니다.

df['ITEM_NAME1'].unique()

 

한국은행 기준금리의 ITEM_CODE1이 0101000인데 이 코드로 장기데이터(20060101~20230315)를 수집하겠습니다.

#장기데이터수집
url = 'https://ecos.bok.or.kr/api/StatisticSearch/' + apikey \
        + '/json/kr/1/100/722Y001/D/20060101/20230315/0101000'
response = requests.get(url)
result = response.json()
list_total_count=(int)(result['StatisticSearch']['list_total_count'])
list_count=(int)(list_total_count/100) + 1


rows=[]
for i in range(0,list_count):
    start = str(i * 100 + 1)
    end = str((i + 1) * 100)
    
    url = 'https://ecos.bok.or.kr/api/StatisticSearch/' + apikey + '/json/kr/' \
            + start + '/' + end + '/722Y001/D/20060101/20230315/0101000'
    response = requests.get(url)
    result = response.json()
    rows = rows + result['StatisticSearch']['row']
    
df=pd.DataFrame(rows)
df

TIME Column이 YYYYMMDD의 object형식인데 Datetime Column으로 만들고, 

Data_value는 float으로 변경 후 필요한 Column만 따로 저장했습니다.

df1=df[['ITEM_NAME1','TIME','DATA_VALUE']]
df1['date']=pd.to_datetime((df1['TIME'].str[:4] + '-' + df1['TIME'].str[4:6] + '-' + df1['TIME'].str[6:8]))
df1=df1.astype({'DATA_VALUE':'float'})
df1=df1.drop_duplicates()
df1

 

 

그래프로 확인하겠습니다.

 

 

반응형

 

 

3. 국채 수익률(3년, 10년)

국채 3년과 10년에 대한 수익률을 수집하겠습니다.

3년은 통계항목코드 1을 '722Y001'와 ITEM_CODE1 '010200000'이고,

10년은 ITEM_CODE1 '010200000'로 수집이 가능합니다.

 

국채 3년 데이터를 수집하고 기준 금리와 동일하게 DataFrame을 수정하겠습니다.

url = 'https://ecos.bok.or.kr/api/StatisticSearch/' + apikey \
        + '/json/kr/1/100/817Y002/D/20060101/20230315/010200000'
response = requests.get(url)
result = response.json()
list_total_count=(int)(result['StatisticSearch']['list_total_count'])
list_count=(int)(list_total_count/100) + 1


rows=[]
for i in range(0,list_count):
    start = str(i * 100 + 1)
    end = str((i + 1) * 100)
    
    url = 'https://ecos.bok.or.kr/api/StatisticSearch/' + apikey + '/json/kr/' \
            + start + '/' + end + '/817Y002/D/20060101/20230315/010200000'
    response = requests.get(url)
    result = response.json()
    rows = rows + result['StatisticSearch']['row']
    
df3y=pd.DataFrame(rows)

df3y=df3y[['ITEM_NAME1','TIME','DATA_VALUE']]
df3y['date']=pd.to_datetime((df3y['TIME'].str[:4] + '-' + df3y['TIME'].str[4:6] + '-'+ df3y['TIME'].str[6:8]))
df3y=df3y.astype({'DATA_VALUE':'float'})
df3y=df3y.drop_duplicates()
df3y

 

 

10년도 동일하게 수집 후 처리하겠습니다.

url = 'https://ecos.bok.or.kr/api/StatisticSearch/' + apikey \
        + '/json/kr/1/100/817Y002/D/20060101/20230315/010210000'
response = requests.get(url)
result = response.json()
list_total_count=(int)(result['StatisticSearch']['list_total_count'])
list_count=(int)(list_total_count/100) + 1


rows=[]
for i in range(0,list_count):
    start = str(i * 100 + 1)
    end = str((i + 1) * 100)
    
    url = 'https://ecos.bok.or.kr/api/StatisticSearch/' + apikey + '/json/kr/' \
            + start + '/' + end + '/817Y002/D/20060101/20230315/010210000'
    response = requests.get(url)
    result = response.json()
    rows = rows + result['StatisticSearch']['row']
    
df10y=pd.DataFrame(rows)

df10y=df10y[['ITEM_NAME1','TIME','DATA_VALUE']]
df10y['date']=pd.to_datetime((df10y['TIME'].str[:4] + '-' + df10y['TIME'].str[4:6] + '-' + df10y['TIME'].str[6:8]))
df10y=df10y.astype({'DATA_VALUE':'float'})
df10y=df10y.drop_duplicates()
df10y

 

 

그래프로 보겠습니다.

반응형

 

 

4. 기준금리-국채수익률 스프레드

기준금리와 국채 수익률의 스프레드를 계산하겠습니다.

우선 국채 3년과 10년를 병합하고, 기준금리 데이터와 inner방식으로 병합했습니다.

그리고 각각 3년-기준금리, 10년-기준금리의 column을 계산했습니다.

dfbond=pd.concat([df3y.set_index('date')[['DATA_VALUE']],df10y.set_index('date')[['DATA_VALUE']]], axis=1)
dfbond.columns=['국채3년','국채10년']
dfall=pd.merge(left=dfbond,right=df1.set_index('date')[['DATA_VALUE']],how='inner',left_index=True, right_index=True)
dfall=dfall.rename(columns={'DATA_VALUE':'기준금리'})
dfall['3년-기준금리']=dfall['국채3년']- dfall['기준금리']
dfall['10년-기준금리']=dfall['국채10년']- dfall['기준금리']
dfall

 

그래프로 보겠습니다.

fig = go.Figure()


fig.add_trace(
    go.Scatter(x=dfall.index, y=dfall['3년-기준금리'], name="3년-기준금리"),
)
fig.add_trace(
    go.Scatter(x=dfall.index, y=dfall['10년-기준금리'], name="10년-기준금리"),
)

fig.update_layout(title_text='국채수익률과 기준금리 스프레드', title_x=0.5)

fig.show()

 

 

반응형

 

 

5. 스프레드와 코스피

yahoo finance를 이용해서 코스피 데이터를 수집하겠습니다.

기간은 금리데이터와 동일하게 설정했습니다.

import yfinance as yf
from datetime import datetime

enddate=datetime.now().strftime('%Y-%m-%d')
kospi=yf.download('^KS11', '2006-01-01', '2023-03-16', auto_adjust=True)
kospi

 

그래프로 확인하겠습니다.

 

이상으로 기준 금리데이터와 국채 수익률(3년, 10년) 데이터를 수집하고 그래프로 확인하고,

코스피 데이터와 비교해 봤습니다.