このパッケージはYahoo!ファイナンスの株価データをウェブスクレイピングするときに便利な関数を提供する。 このパッケージの特徴は以下の通り。
- JPXの公開データを用いて、企業名から銘柄コードを検索できる
- 複数の銘柄コードもしくは企業名を指定することで、一つの関数で複数の企業の株価データを取得できる
ウェブスクレイピングの際に、tidyverse/rvestパッケージを使用する。
このパッケージはCRANに登録していないので、 GitHubからインストールする。
# install.packages("devtools")
devtools::install_github("KatoPachi/YahooFinance")このパッケージで主に使用する関数は三つ
scrape_onefirm: 1社分の株価データを取得する関数scrape_more2firm: 1社以上の株価データを同時に取得する関数code_detect: 企業名から銘柄コードを調べる関数
ソニーと任天堂の2014年上半期の月次単位の株価データを取得する例を示す。
取得したい株価データの期間はstart_date・end_date引数を用いて”yyyymmdd”の形で指定する。
start_date: 取得期間の開始日end_date: 取得期間の最終日
ここでは、start_date = 20140101とend_date = 20140630となる。
Yahoo!ファイナンスは日単位・週単位・月単位のデータを提供している。
データの種類はdatatype引数で指定できる。
datatype = "d": 日次株価データを取得できるdatatype = "w": 週単位の株価データを取得できるdatatype = "m": 月次株価データを取得できる
ここでは、datatype = "m"となる。
ソニーの銘柄コードは6758、任天堂の銘柄コードは7974である。
ここでは、二社の株価データを取得することを試みるので、scrape_more2firmを使う。
library(YahooFinance)
scrape_more2firm(
c(6758, 7974),
start_date = 20140101,
end_date = 20140630,
datatype = "m"
)
#> # A tibble: 12 x 8
#> date open_price high_price low_price close_price volume
#> <date> <dbl> <dbl> <dbl> <dbl> <dbl>
#> 1 2014-06-02 1643 1738 1622 1682 162011200
#> 2 2014-05-01 1785 1817 1588 1627 222949000
#> 3 2014-04-01 1993 2030 1787 1792 217527200
#> 4 2014-03-03 1738 1985 1704 1972 262043800
#> 5 2014-02-03 1603 1797 1514 1780 274025200
#> 6 2014-01-06 1815 1920 1609 1626 273398500
#> 7 2014-06-02 11775 12595 11380 12125 12380900
#> 8 2014-05-01 10685 11940 10070 11770 13270400
#> 9 2014-04-01 12340 12350 10610 10740 11923600
#> 10 2014-03-03 12355 12875 11360 12260 16621700
#> 11 2014-02-03 11985 13185 11215 12555 27340900
#> 12 2014-01-06 14000 16150 11935 12150 51986300
#> # ... with 2 more variables: split_up_adjust_close_price <dbl>, brand <dbl>取得されたデータの詳細は以下の通り
date: 日付open_price: 始値high_price: 高値low_price: 安値close_price: 終値volume: 出来高split_up_adjust_close_price: 調整後終値。詳細はYahoo!ファイナンスのヘルプセンターで確認すること。brand: 銘柄コード
append = FALSEを引数に加えると、銘柄別にデータを取得することもできる。
sepdt <- scrape_more2firm(
c(6758, 7974),
start_date = 20140101,
end_date = 20140630,
datatype = "m",
append = FALSE
)各銘柄のデータはsepdt$b(銘柄コード)で取り出せる。
たとえば、ソニーの銘柄コードは6758なので、sepdt$b6758でソニーの株価データを取り出せる
sepdt$b6758
#> # A tibble: 6 x 8
#> date open_price high_price low_price close_price volume split_up_adjust~
#> <date> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
#> 1 2014-06-02 1643 1738 1622 1682 1.62e8 1682
#> 2 2014-05-01 1785 1817 1588 1627 2.23e8 1627
#> 3 2014-04-01 1993 2030 1787 1792 2.18e8 1792
#> 4 2014-03-03 1738 1985 1704 1972 2.62e8 1972
#> 5 2014-02-03 1603 1797 1514 1780 2.74e8 1780
#> 6 2014-01-06 1815 1920 1609 1626 2.73e8 1626
#> # ... with 1 more variable: brand <dbl>scrape_more2firmはscrape_onefirmをfor
loop構文で繰り返し処理をしているだけなので、
1社だけの株価データもスクレピングできる。
scrape_more2firm(
6758,
start_date = 20140101,
end_date = 20140630,
datatype = "m"
)
#> # A tibble: 6 x 8
#> date open_price high_price low_price close_price volume split_up_adjust~
#> <date> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
#> 1 2014-06-02 1643 1738 1622 1682 1.62e8 1682
#> 2 2014-05-01 1785 1817 1588 1627 2.23e8 1627
#> 3 2014-04-01 1993 2030 1787 1792 2.18e8 1792
#> 4 2014-03-03 1738 1985 1704 1972 2.62e8 1972
#> 5 2014-02-03 1603 1797 1514 1780 2.74e8 1780
#> 6 2014-01-06 1815 1920 1609 1626 2.73e8 1626
#> # ... with 1 more variable: brand <dbl>これは、scrape_onefirmと同じ結果となる。
scrape_onefirm(
6758,
start_date = 20140101,
end_date = 20140630,
datatype = "m"
)
#> # A tibble: 6 x 8
#> date open_price high_price low_price close_price volume split_up_adjust~
#> <date> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
#> 1 2014-06-02 1643 1738 1622 1682 1.62e8 1682
#> 2 2014-05-01 1785 1817 1588 1627 2.23e8 1627
#> 3 2014-04-01 1993 2030 1787 1792 2.18e8 1792
#> 4 2014-03-03 1738 1985 1704 1972 2.62e8 1972
#> 5 2014-02-03 1603 1797 1514 1780 2.74e8 1780
#> 6 2014-01-06 1815 1920 1609 1626 2.73e8 1626
#> # ... with 1 more variable: brand <dbl>scrape_more2firmは企業名を指定するname引数を備えている。
この引数を指定してスクレイピングする場合、scrape_more2firmは以下のようなプロセスを実行する。
code_detect関数を使って、銘柄コードを検索するscrape_onefirm関数の繰り返し処理
code_detect関数はname引数で指定した企業名と部分的に一致する企業を
JPXの公開データから探し、
部分マッチした企業の銘柄コードを返す関数である。
find <- code_detect(c("ソニー", "任天堂"))
find$code
#> ソニーグループ 任天堂
#> 6758 7974企業名から正しく銘柄コードを発見出来ていることがわかる。
また、find$infoでマッチしたデータを確認できる。
さらに、JPXの公開データはdata(BrandCode)で確認できる。
name引数を用いたスクレイピングは以下のコードで実行できる。
scrape_more2firm(
name = c("ソニー", "任天堂"),
start_date = 20140101,
end_date = 20140630,
datatype = "m"
)
#> # A tibble: 12 x 8
#> date open_price high_price low_price close_price volume
#> <date> <dbl> <dbl> <dbl> <dbl> <dbl>
#> 1 2014-06-02 1643 1738 1622 1682 162011200
#> 2 2014-05-01 1785 1817 1588 1627 222949000
#> 3 2014-04-01 1993 2030 1787 1792 217527200
#> 4 2014-03-03 1738 1985 1704 1972 262043800
#> 5 2014-02-03 1603 1797 1514 1780 274025200
#> 6 2014-01-06 1815 1920 1609 1626 273398500
#> 7 2014-06-02 11775 12595 11380 12125 12380900
#> 8 2014-05-01 10685 11940 10070 11770 13270400
#> 9 2014-04-01 12340 12350 10610 10740 11923600
#> 10 2014-03-03 12355 12875 11360 12260 16621700
#> 11 2014-02-03 11985 13185 11215 12555 27340900
#> 12 2014-01-06 14000 16150 11935 12150 51986300
#> # ... with 2 more variables: split_up_adjust_close_price <dbl>, brand <dbl>name引数を指定したとき、銘柄コードを指定する必要はない。
仮に企業名と銘柄コードを同時に指定したならば、企業名が優先されることに注意されたい。
scrape_more2firm(
c(6785, 7947),
name = c("ソニー", "任天堂"),
start_date = 20140101,
end_date = 20140630,
datatype = "m"
)
#> # A tibble: 12 x 8
#> date open_price high_price low_price close_price volume
#> <date> <dbl> <dbl> <dbl> <dbl> <dbl>
#> 1 2014-06-02 1643 1738 1622 1682 162011200
#> 2 2014-05-01 1785 1817 1588 1627 222949000
#> 3 2014-04-01 1993 2030 1787 1792 217527200
#> 4 2014-03-03 1738 1985 1704 1972 262043800
#> 5 2014-02-03 1603 1797 1514 1780 274025200
#> 6 2014-01-06 1815 1920 1609 1626 273398500
#> 7 2014-06-02 11775 12595 11380 12125 12380900
#> 8 2014-05-01 10685 11940 10070 11770 13270400
#> 9 2014-04-01 12340 12350 10610 10740 11923600
#> 10 2014-03-03 12355 12875 11360 12260 16621700
#> 11 2014-02-03 11985 13185 11215 12555 27340900
#> 12 2014-01-06 14000 16150 11935 12150 51986300
#> # ... with 2 more variables: split_up_adjust_close_price <dbl>, brand <dbl>企業名が1つである場合、scrape_more2firmとscrape_onefirmの両方を使用できる。
scrape_more2firm(
name = "ソニー",
start_date = 20140101,
end_date = 20140630,
datatype = "m"
)
#> # A tibble: 6 x 8
#> date open_price high_price low_price close_price volume split_up_adjust~
#> <date> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
#> 1 2014-06-02 1643 1738 1622 1682 1.62e8 1682
#> 2 2014-05-01 1785 1817 1588 1627 2.23e8 1627
#> 3 2014-04-01 1993 2030 1787 1792 2.18e8 1792
#> 4 2014-03-03 1738 1985 1704 1972 2.62e8 1972
#> 5 2014-02-03 1603 1797 1514 1780 2.74e8 1780
#> 6 2014-01-06 1815 1920 1609 1626 2.73e8 1626
#> # ... with 1 more variable: brand <dbl>日本空港ビルデングの2019年~2021年の日次株価データを取得し、始値の時系列データをプロットしてみる。
dt <- scrape_more2firm(
name = "日本空港ビルデング",
start_date = 20190101,
end_date = 20211231,
datatype = "d"
)
library(ggplot2)
ggplot(dt, aes(x = date, y = open_price)) +
geom_line() +
scale_x_date(date_labels = "%Y-%b") +
theme_classic()
注意したいことは、スクレイピングは時間がかかるという点である。 なぜなら、スクレイピングする必要があるページ数が増えるほど、 for loopによる繰り返し処理の時間がかかるからである。 例として、さきほどの例のスクレイピングの実行時間を記しておく。 経過という名前の時間がコマンドの起動から終了までに要した時間であり、 単位は秒。
system.time(
dt <- scrape_more2firm(
name = "日本空港ビルデング",
start_date = 20190101,
end_date = 20211231,
datatype = "d"
)
)
#> ユーザ システム 経過
#> 1.62 0.14 49.41