[한국은행 API] 예금 대출 금리 스프레드 및 가계-기업대출 스프레드와 국채 수익률

한국은행 API를 이용해서 예금 대출 금리와 국채 수익률(3년, 10년) 데이터를 수집하고

예금 대출 금리 스프레드를 계산 후 그래프로 확인해 보겠습니다.

또 가계대출금리와 기업대출금리의 스프레드도 확인하겠습니다.
확인을 위해서는 한국은행 API에 가입이 되어 있어야 합니다.

1. 한국은행 API 가입
2. 예금 금리 수집

3. 대출 금리 수집(기업대출, 가계대출)
4. 국채 수익률(3년, 10년)

5. 예금-대출 스프레드와 국채 수익률

6. 가계대출-기업대출 스프레드와 국채 수익률

 

 

1. 한국은행 API 가입

https://yenpa.tistory.com/80

[한국은행 API] 인증키 신청 및 100대 통계 지표 수집

 

 

2. 예금 금리 수집

한국은행 API의 통계조회 조건 설정의 서비스에서 통계항목코드 1을 '121 Y002'로
지정하면 1.3.3.1.1. 예금은행 수신금리(신규취급액 기준) 데이터를 불러올 수 있습니다.
아래는 금리에 대한 정보(121Y002)를 202201~202302 기간에서 월별로 조회한 코드입니다.

import requests

url = 'https://ecos.bok.or.kr/api/StatisticSearch/' + apikey \
        + '/json/kr/1/100/121Y002/M/202201/202302'
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 + '/121Y002/M/202201/202302'
    response = requests.get(url)
    result = response.json()
    rows = rows + result['StatisticSearch']['row']
    
df=pd.DataFrame(rows)
df

어떤 예금 금리를 제공하는지 확인하겠습니다.

df['ITEM_NAME1'].unique()

 

이 중에서 정기예금 데이터만 따로 수집하는데 

ITEM_CODE1 = 'BEABAA211'입니다. 그럼 정기예금 데이터만 2006년 1월부터 2023년 2월까지 수집하겠습니다.

url = 'https://ecos.bok.or.kr/api/StatisticSearch/' + apikey \
        + '/json/kr/1/100/121Y002/M/200601/202302/BEABAA211'
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 + '/121Y002/M/200601/202302/BEABAA211'
    response = requests.get(url)
    result = response.json()
    rows = rows + result['StatisticSearch']['row']
    
df1=pd.DataFrame(rows)
df1

정기예금만 수집된 것을 알 수 있습니다.

 

TIME Column이 YYYYMMDD의 object형식인데 Datetime Column으로 만들고,

Data_value는 float으로 변경 후 필요한 Column만 따로 저장했습니다.

df2=df1[['ITEM_NAME1','TIME','DATA_VALUE']]
df2['date']=pd.to_datetime((df2['TIME'].str[:4] + '-' + df2['TIME'].str[4:6] + '-' + '01'))
df2=df2.astype({'DATA_VALUE':'float'})
df2=df2.drop_duplicates()
df2

 

반응형

 

3. 대출 금리 수집

다음으로는 대출 금리를 수집하겠습니다.

통계항목코드 1을 '121Y006'로 지정하면 1.3.3.2.1. 예금은행 대출금리(신규취급액 기준) 데이터를 불러올 수 있습니다.

2006년 1월부터 2023년 2월까지 데이터를 수집하고, 데이터 중에서 기업대출, 가계대출만 따로 df4에 저장했습니다.

url = 'https://ecos.bok.or.kr/api/StatisticSearch/' + apikey \
        + '/json/kr/1/100/121Y006/M/200601/202302'
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 + '/121Y006/M/200601/202302'
    response = requests.get(url)
    result = response.json()
    rows = rows + result['StatisticSearch']['row']
    
df3=pd.DataFrame(rows)

df4=df3.loc[df3['ITEM_NAME1'].isin(['기업대출','가계대출'])]
df4

TIME Column이 YYYYMMDD의 object형식인데 Datetime Column으로 만들고,

Data_value는 float으로 변경 후 필요한 Column만 따로 저장했습니다.

df5=df4[['ITEM_NAME1','TIME','DATA_VALUE']]
df5['date']=pd.to_datetime((df5['TIME'].str[:4] + '-' + df5['TIME'].str[4:6] + '-' + '01'))
df5=df5.astype({'DATA_VALUE':'float'})
df5=df5.drop_duplicates()
df5

 

 

예금금리와 대출금리를 그래프로 확인해 보겠습니다.

dfc=df5.loc[df5['ITEM_NAME1']=='기업대출']
dfh=df5.loc[df5['ITEM_NAME1']=='가계대출']

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

fig = go.Figure()


fig.add_trace(
    go.Scatter(x=df2['date'], y=df2['DATA_VALUE'], name="예금금리"),
)
fig.add_trace(
    go.Scatter(x=dfc['date'], y=dfc['DATA_VALUE'], name="기업대출"),
)
fig.add_trace(
    go.Scatter(x=dfh['date'], y=dfh['DATA_VALUE'], name="가계대출"),
)

fig.update_layout(title_text='예금금리와 대출금리(기업,가계)', title_x=0.5)

fig.show()

 

반응형

 

 

4. 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.

url = 'https://ecos.bok.or.kr/api/StatisticSearch/' + apikey \
        + '/json/kr/1/100/817Y002/D/20060101/20230228/010200000'
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/20060101/20230228/010200000'
    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

 

 

마찬가지로 10년 데이터를 수집하겠습니다.

url = 'https://ecos.bok.or.kr/api/StatisticSearch/' + apikey \
        + '/json/kr/1/100/817Y002/D/20060101/20230228/010210000'
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/20060101/20230228/010210000'
    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

 

국채 3년 10년 수익률을 그래프로 보겠습니다.

fig = go.Figure()


fig.add_trace(
    go.Scatter(x=df3y['date'], y=df3y['DATA_VALUE'], name="3년"),
)
fig.add_trace(
    go.Scatter(x=df10y['date'], y=df10y['DATA_VALUE'], name="10년"),
)

fig.update_layout(title_text='한국 국채 수익률(3년,10년)', title_x=0.5)

fig.show()

반응형

 

5. 예금-대출 스프레드와 국채 수익률

예금 - 대출 스프레드를 계산하겠습니다. 예금-기업대출, 예금-가계대출을 각각 구하겠습니다.

comspread=pd.concat([df2.set_index('date')[['DATA_VALUE']],dfc.set_index('date')[['DATA_VALUE']]], axis=1)
comspread.columns=['예금금리','기업대출금리']
comspread['스프레드']=comspread['예금금리']-comspread['기업대출금리']
comspread

hospread=pd.concat([df2.set_index('date')[['DATA_VALUE']],dfh.set_index('date')[['DATA_VALUE']]], axis=1)
hospread.columns=['예금금리','가계대출금리']
hospread['스프레드']=hospread['예금금리']-hospread['가계대출금리']
hospread

 

예금금리 - 기업대출금리의 스프레드와 국채수익률을 그래프로 보겠습니다.

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

fig.add_trace(
    go.Scatter(x=df3y['date'], y=df3y['DATA_VALUE'], name="3년"),
    secondary_y=True,
)
fig.add_trace(
    go.Scatter(x=df10y['date'], y=df10y['DATA_VALUE'], name="10년"),
    secondary_y=True,
)


fig.add_trace(
    go.Scatter(x=comspread.index, y=comspread['스프레드'], name="예금금리-기업대출금리_스프레드"),
    secondary_y=False,
)

fig.update_layout(title_text='예금금리-기업대출금리_스프레드와 국채 수익률(3년,10년)', title_x=0.5)

fig.show()

 

예금금리 - 가계대출금리의 스프레드와 국채수익률을 그래프로 보겠습니다.

 

반응형

 

6. 가계대출-기업대출 스프레드와 국채 수익률

마지막으로 가계대출금리에서 기업대출금리의 스프레드를 구하고 

국책 수익률과 비교해 보겠습니다.

spread=pd.concat([dfh.set_index('date')[['DATA_VALUE']],dfc.set_index('date')[['DATA_VALUE']]], axis=1)
spread.columns=['가계대출금리','기업대출금리']
spread['스프레드']=spread['가계대출금리']-spread['기업대출금리']
spread

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

fig.add_trace(
    go.Scatter(x=df3y['date'], y=df3y['DATA_VALUE'], name="3년"),
    secondary_y=True,
)
fig.add_trace(
    go.Scatter(x=df10y['date'], y=df10y['DATA_VALUE'], name="10년"),
    secondary_y=True,
)


fig.add_trace(
    go.Scatter(x=spread.index, y=spread['스프레드'], name="가계대출금리-기업대출금리_스프레드"),
    secondary_y=False,
)

fig.update_layout(title_text='가계대출금리-기업대출금리_스프레드와 국채 수익률(3년,10년)', title_x=0.5)

fig.show()

 

예금 대출 금리 및 국채 수익률(3년, 10년) 데이터를 수집하고,

예금 대출 금리 스프레드 및 가계대출금리와 기업대출금리의 스프레드를 계산 후 그래프로 확인해 봤습니다.