스프쌤
스레드

12 Python libraries for free market data everyone sh

✍ @quantscience_⏱ 7분 소요2026-09-11👁
← 목록으로 돌아가기

무료 시장 데이터 라이브러리는 이름보다 역할이 먼저다. 무엇을 받아오고 무엇을 보장하지 않는지 확인하지 않으면 백테스트 숫자는 조용히 달라진다.

✦ AI Key Summary & Global Takeaways

이 아티클의 핵심 내용 요약과 글로벌 검색·AI 엔진을 위한 테이크어웨이입니다.

✦ KR 주제: 무료 시장 데이터용 파이썬 라이브러리 선택 기준

✦ KR 핵심 요약: 무료 데이터 라이브러리는 API 래퍼, 거시지표 전용, 거래소 통합, 원시 수집 도구로 층위가 다르므로 호출 제한과 수정주가·스키마 변경 가능성까지 확인해 고르는 것이 핵심이다.

🌐 Global Takeaway: Free market data libraries differ in what they wrap and what they actually guarantee. Choose by data source, rate limits and reproducibility rather than by popularity alone.

원문에서 확인되는 것과 확인되지 않는 것

원문은 "12 Python libraries for free market data everyone should know"라는 제목의 스레드로, 무료 시장 데이터에 쓸 수 있는 파이썬 라이브러리 12개를 소개하는 구성을 취하고 있다. 다만 확인되는 범위에서는 제목과 링크 외에 라이브러리 이름, 각 도구의 기능, 사용 예시가 본문에 제시되어 있지 않다. 그래서 이 글은 원문의 12개 목록을 그대로 옮기는 대신, 같은 목적을 가진 라이브러리들을 유형별로 묶고 선택 기준을 설명하는 방식으로 정리한다. 만약 원문 목록을 그대로 인용해야 하는 상황이라면 링크의 원문을 직접 확인하는 편이 안전하다.

무료 데이터를 다룰 때 생기는 문제는 대개 라이브러리 자체가 아니라 데이터 제공자와의 약속에서 발생한다. 호출 횟수 제한, 지연 시세 여부, 티커 표기법, 결측치 처리 방식이 제공자마다 다르기 때문이다. 같은 종목을 두 라이브러리로 받아 비교해 보면 종가가 몇 원 차이 나는 일도 흔하다. 이 차이를 모른 채 백테스트를 돌리면 성과가 좋아진 이유를 설명하지 못하게 된다.

무료 데이터 라이브러리는 역할별로 나뉜다

무료라고 해서 모두 같은 층위의 도구가 아니다. 어떤 라이브러리는 특정 제공자의 API를 감싼 얇은 래퍼(wrapper)이고, 어떤 것은 여러 거래소를 하나의 인터페이스로 묶는 통합 계층이며, 또 어떤 것은 HTTP 요청과 HTML 파싱을 직접 처리하는 저수준 도구다. 이 구분을 알고 나면 "설치했는데 갑자기 안 된다"는 상황의 원인이 라이브러리 버그가 아니라 데이터 제공 정책 변경이라는 점을 빠르게 파악할 수 있다.

대표적인 유형과 쓰임

유형 주로 쓰는 접근 잘 맞는 상황 확인해야 할 점
글로벌 주가·ETF 시세 포털을 감싼 래퍼 일봉 백테스트, 빠른 프로토타이핑 비공식 엔드포인트 의존, 응답 스키마 변경 가능성
국내 주식 KRX 데이터를 다루는 전용 패키지 종목 목록, 수정주가 시계열 종목 코드 체계, 상장폐지·거래정지 처리
거시경제 지표 중앙은행·통계기관 API 래퍼 금리·물가·고용 시계열 분석 시리즈 ID, 발표 주기와 리비전 정책
암호화폐 다수 거래소 통합 커넥터 거래소 간 가격 비교, 틱 데이터 거래소별 심볼 표기와 레이트리밋 차이
원시 수집 HTTP 클라이언트, HTML 파서 공개 API·공시 페이지 수집 이용약관, robots 정책, 라이선스

표에 적은 항목은 특정 라이브러리를 원문의 12개로 지정하기 위한 것이 아니라, 무료 데이터 생태계에서 반복적으로 등장하는 접근을 정리한 것이다. 실제로는 한 라이브러리가 여러 유형에 걸쳐 있기도 하고, 유지보수가 중단된 패키지도 섞여 있다. 설치 전에 최근 커밋 이력과 이슈 응답 속도를 보는 습관이 생각보다 큰 차이를 만든다.

수집 코드보다 어려운 것은 재현성이다

시세 데이터를 한 번 받아오는 일은 어렵지 않다. 문제는 같은 분석을 몇 달 뒤에 다시 돌렸을 때다. 무료 데이터는 제공자가 사전 예고 없이 필드명을 바꾸거나, 과거 데이터를 수정하거나, 호출 제한을 조인다. 액면분할과 배당을 반영한 수정주가 적용 여부가 달라지면 백테스트 수익률은 조용히 달라진다. 그래서 실무에서는 어떤 라이브러리를 쓰는지보다, 받아온 원본을 그대로 저장해 두고 있는지가 더 중요해진다.

무료 시장 데이터의 진짜 비용은 호출 횟수가 아니라, 어제 받은 데이터와 오늘 받은 데이터가 같은 정의를 갖는다는 보장이 없다는 점이다.

이 문제를 줄이는 방법은 화려하지 않다. 수집 시각과 파라미터를 함께 기록하고, 원본 응답을 가공 전 형태로 보관하고, 분석용 데이터셋은 별도로 만들어 버전을 남기는 것이다. 라이브러리는 언제든 교체될 수 있지만, 원본 로그는 한 번 남기면 계속 쓸 수 있는 자산이 된다.

핵심 정리

  • 원문은 12개 라이브러리를 소개하는 제목의 스레드이며, 확인되는 범위에서는 개별 목록과 설명이 본문에 담겨 있지 않다. 따라서 목록을 그대로 인용하려면 원문 확인이 필요하다.
  • 무료 데이터 도구는 API 래퍼, 거시지표 전용, 거래소 통합, 원시 수집 도구로 층위가 다르며, 층위를 먼저 파악해야 장애 원인을 빠르게 찾을 수 있다.
  • 라이브러리 선택보다 중요한 것은 수정주가 적용 여부, 시간대, 레이트리밋, 원본 보관 정책이며 이 네 가지가 분석의 재현성을 좌우한다.

실무 적용 포인트

첫째, 데이터 정의를 코드보다 먼저 문서화한다. 종가가 수정주가인지 원주가인지, 시간대가 거래소 현지 시간인지 UTC인지, 결측일을 채울지 버릴지를 정해 두지 않으면 같은 코드가 다른 결과를 낸다. 둘째, 수집 계층을 분리한다. 데이터를 가져오는 함수와 분석하는 함수를 나눠 두면 제공자 API가 바뀌어도 수정 범위가 좁아진다. 셋째, 호출 제한을 코드에 반영한다. 재시도와 백오프를 넣지 않은 수집기는 대량 요청에서 쉽게 차단된다. 넷째, 이용약관과 라이선스를 확인한다. 무료로 접근 가능하다는 것과 재배포가 허용된다는 것은 전혀 다른 문제다.

예를 들어 널리 쓰이는 래퍼 중 하나를 사용한 최소 수집 예시는 다음과 같다. 라이브러리마다 인자 이름이 다르므로, 실제 사용 시에는 해당 버전의 문서를 확인해야 한다.

import yfinance as yf

df = yf.download("AAPL", start="2024-01-01", end="2024-02-01", auto_adjust=True)
print(df.head())

마지막으로, 서로 다른 두 소스에서 같은 종목의 종가를 받아 교차 검증해 보는 것을 권한다. 값이 어긋나는 지점이 곧 데이터 정의가 다른 지점이며, 그 차이를 설명할 수 있게 되는 순간 데이터 파이프라인을 이해했다고 봐도 좋다.

스레드 첨부 이미지
원본 스레드 첨부 이미지

자주 묻는 질문

Q. 원문에 나온 12개 라이브러리 목록을 그대로 알 수 있나요?
A. 확인되는 범위에서는 원문에 제목과 링크 외의 개별 목록과 설명이 담겨 있지 않다. 목록을 그대로 인용해야 한다면 링크의 원문을 직접 확인하는 것이 안전하다.

Q. 무료 데이터 라이브러리를 고를 때 가장 먼저 볼 것은 무엇인가요?
A. 데이터 정의다. 수정주가가 반영된 값인지, 시간대가 무엇인지, 결측치를 어떻게 처리하는지가 분석 결과를 바꾼다. 다음으로 레이트리밋과 최근 유지보수 이력을 확인한다.

Q. 같은 종목인데 라이브러리마다 종가가 다르게 나오는 이유는 무엇인가요?
A. 수정주가 적용 여부, 데이터 제공자, 집계 시점이 다르기 때문이다. 두 소스를 교차 검증해 어긋나는 지점을 확인하면 데이터 정의 차이를 파악할 수 있다.

원본

https://www.threads.com/@quantscience_/post/Dapu3c2Fndl

함께 보면 좋은 글

댓글 0개