811d6ee843
- New: data/macro_analysis.py (15 base × 6 transforms = 116 candidates) - Top correlations: CORP_AA_LOGR(r=-0.75), credit spread, term spread - Exhaustive 3-var search (1749 combos), best adj.R²=0.71 - Modified: data/macro_data.py - Added GOVT_3Y, CORP_AA, CORP_BBB ECOS queries + fallback data - New: compute_derived_features() for optimal 3 predictors - Modified: main.py - Computes derived features + passes combined input to stepwise - Scenario paths now include derived features for prediction - Selected 3 variables: CORP_AA_LOGR, CPI_GROWTH, CREDIT_SPREAD_LAG1 - All 8/8 validation tests pass (incl. R² now Pass)
387 lines
18 KiB
Python
387 lines
18 KiB
Python
"""
|
|
한국은행 ECOS Open API 거시경제 데이터 수집 모듈
|
|
|
|
BOK ECOS API를 통해 주요 거시경제변수를 수집:
|
|
- GDP 실질성장률
|
|
- 실업률
|
|
- 한국은행 기준금리
|
|
- CD(91일) 금리
|
|
- 소비자물가지수 상승률
|
|
- 경기선행지수 순환변동치
|
|
|
|
API 문서: https://ecos.bok.or.kr/api/#/
|
|
"""
|
|
|
|
import requests
|
|
import pandas as pd
|
|
import numpy as np
|
|
import yaml
|
|
from pathlib import Path
|
|
from typing import Dict, List, Optional, Tuple
|
|
import logging
|
|
import time
|
|
|
|
logger = logging.getLogger(__name__)
|
|
|
|
|
|
class EcosAPI:
|
|
"""한국은행 ECOS Open API 클라이언트"""
|
|
|
|
def __init__(self, api_key: str, base_url: str = "https://ecos.bok.or.kr/api"):
|
|
self.api_key = api_key
|
|
self.base_url = base_url
|
|
|
|
def fetch_stat(
|
|
self,
|
|
stat_code: str,
|
|
period: str = "A", # A=연간, Q=분기, M=월간
|
|
start_date: str = "2000",
|
|
end_date: str = "2025",
|
|
item_code1: str = "",
|
|
item_code2: str = "",
|
|
item_code3: str = "",
|
|
) -> pd.DataFrame:
|
|
"""
|
|
개별 통계 시계열 데이터 조회
|
|
|
|
Parameters
|
|
----------
|
|
stat_code : str - 통계표코드
|
|
period : str - A(연간), Q(분기), M(월간)
|
|
start_date : str - 검색시작일자 (YYYY, YYYYMM, YYYYQ1 등)
|
|
end_date : str - 검색종료일자
|
|
item_code1~3 : str - 항목코드
|
|
|
|
Returns
|
|
-------
|
|
pd.DataFrame with columns [TIME, STAT_NAME, ITEM_NAME, DATA_VALUE]
|
|
"""
|
|
# 항목코드가 비어있으면 공백 대체
|
|
ic1 = item_code1 if item_code1 else "?"
|
|
ic2 = item_code2 if item_code2 else "?"
|
|
ic3 = item_code3 if item_code3 else "?"
|
|
|
|
url = (
|
|
f"{self.base_url}/StatisticSearch/"
|
|
f"{self.api_key}/json/kr/1/100/"
|
|
f"{stat_code}/{period}/{start_date}/{end_date}/"
|
|
f"{ic1}/{ic2}/{ic3}"
|
|
)
|
|
|
|
try:
|
|
resp = requests.get(url, timeout=30)
|
|
resp.raise_for_status()
|
|
data = resp.json()
|
|
|
|
if "StatisticSearch" not in data:
|
|
error_msg = data.get("RESULT", {}).get("MESSAGE", "Unknown error")
|
|
logger.warning(f"ECOS API 조회 실패 ({stat_code}): {error_msg}")
|
|
return pd.DataFrame()
|
|
|
|
rows = data["StatisticSearch"]["row"]
|
|
df = pd.DataFrame(rows)
|
|
|
|
# 숫자 변환
|
|
if "DATA_VALUE" in df.columns:
|
|
df["DATA_VALUE"] = pd.to_numeric(df["DATA_VALUE"], errors="coerce")
|
|
|
|
return df
|
|
|
|
except requests.RequestException as e:
|
|
logger.error(f"ECOS API 요청 실패: {e}")
|
|
return pd.DataFrame()
|
|
|
|
def search_stat_list(self, keyword: str) -> pd.DataFrame:
|
|
"""통계표 코드 검색"""
|
|
url = (
|
|
f"{self.base_url}/StatisticTableList/"
|
|
f"{self.api_key}/json/kr/1/100/{keyword}"
|
|
)
|
|
try:
|
|
resp = requests.get(url, timeout=30)
|
|
data = resp.json()
|
|
if "StatisticTableList" in data:
|
|
return pd.DataFrame(data["StatisticTableList"]["row"])
|
|
return pd.DataFrame()
|
|
except Exception as e:
|
|
logger.error(f"통계표 검색 실패: {e}")
|
|
return pd.DataFrame()
|
|
|
|
|
|
def collect_macro_data(
|
|
api_key: str,
|
|
start_year: int = 2000,
|
|
end_year: int = 2025
|
|
) -> pd.DataFrame:
|
|
"""
|
|
주요 거시경제변수 일괄 수집
|
|
|
|
Parameters
|
|
----------
|
|
api_key : str - ECOS API 인증키
|
|
start_year : int - 시작 연도
|
|
end_year : int - 종료 연도
|
|
|
|
Returns
|
|
-------
|
|
pd.DataFrame
|
|
index=연도, columns=[GDP_GROWTH, UNEMPLOYMENT, BASE_RATE,
|
|
CD_RATE, CPI_GROWTH, LEADING_INDEX]
|
|
"""
|
|
api = EcosAPI(api_key)
|
|
start = str(start_year)
|
|
end = str(end_year)
|
|
|
|
macro_vars = {}
|
|
|
|
# -------------------------------------------------------
|
|
# 1) GDP 실질성장률 (%)
|
|
# 통계표: 902Y015 (국제 주요국 경제성장률) / 항목: KOR
|
|
# -------------------------------------------------------
|
|
logger.info("GDP 성장률 조회 중...")
|
|
df_gdp = api.fetch_stat("902Y015", "A", start, end, "KOR")
|
|
if not df_gdp.empty:
|
|
gdp_series = df_gdp.set_index("TIME")["DATA_VALUE"].astype(float)
|
|
gdp_series.index = gdp_series.index.astype(int)
|
|
macro_vars["GDP_GROWTH"] = gdp_series
|
|
time.sleep(0.5) # API rate limit
|
|
|
|
# -------------------------------------------------------
|
|
# 2) 실업률 (%)
|
|
# 통계표: 901Y027 (경제활동인구) / 항목: I61BC (실업률)
|
|
# -------------------------------------------------------
|
|
logger.info("실업률 조회 중...")
|
|
df_unemp = api.fetch_stat("901Y027", "A", start, end, "I61BC")
|
|
if not df_unemp.empty:
|
|
unemp_series = df_unemp.set_index("TIME")["DATA_VALUE"].astype(float)
|
|
unemp_series.index = unemp_series.index.astype(int)
|
|
macro_vars["UNEMPLOYMENT"] = unemp_series
|
|
time.sleep(0.5)
|
|
|
|
# -------------------------------------------------------
|
|
# 3) 한국은행 기준금리 (%, 연말 기준)
|
|
# 통계표: 722Y001
|
|
# -------------------------------------------------------
|
|
logger.info("기준금리 조회 중...")
|
|
df_rate = api.fetch_stat("722Y001", "A", start, end, "0101000")
|
|
if not df_rate.empty:
|
|
rate_series = df_rate.set_index("TIME")["DATA_VALUE"].astype(float)
|
|
rate_series.index = rate_series.index.astype(int)
|
|
macro_vars["BASE_RATE"] = rate_series
|
|
time.sleep(0.5)
|
|
|
|
# -------------------------------------------------------
|
|
# 4) CD(91일) 금리 (%)
|
|
# 통계표: 721Y001 (시장금리) / 항목: 2010000 (CD 91일)
|
|
# -------------------------------------------------------
|
|
logger.info("CD 금리 조회 중...")
|
|
df_cd = api.fetch_stat("721Y001", "A", start, end, "2010000")
|
|
if not df_cd.empty:
|
|
cd_series = df_cd.set_index("TIME")["DATA_VALUE"].astype(float)
|
|
cd_series.index = cd_series.index.astype(int)
|
|
macro_vars["CD_RATE"] = cd_series
|
|
time.sleep(0.5)
|
|
|
|
# -------------------------------------------------------
|
|
# 5) 소비자물가지수 상승률 (%)
|
|
# 통계표: 901Y009 / 항목: 0 (총지수)
|
|
# -------------------------------------------------------
|
|
logger.info("소비자물가 상승률 조회 중...")
|
|
df_cpi = api.fetch_stat("901Y009", "A", str(start_year - 1), end, "0")
|
|
if not df_cpi.empty:
|
|
cpi_level = df_cpi.set_index("TIME")["DATA_VALUE"].astype(float)
|
|
cpi_level.index = cpi_level.index.astype(int)
|
|
cpi_level = cpi_level.sort_index()
|
|
cpi_growth = cpi_level.pct_change() * 100
|
|
cpi_growth = cpi_growth.loc[start_year:end_year]
|
|
macro_vars["CPI_GROWTH"] = cpi_growth
|
|
time.sleep(0.5)
|
|
|
|
# -------------------------------------------------------
|
|
# 5b) 국고채 3년 금리 (%)
|
|
# 통계표: 721Y001 / 항목: 5020000
|
|
# -------------------------------------------------------
|
|
logger.info("국고채 3년 금리 조회 중...")
|
|
df_govt = api.fetch_stat("721Y001", "A", str(start_year - 1), end, "5020000")
|
|
if not df_govt.empty:
|
|
govt_series = df_govt.set_index("TIME")["DATA_VALUE"].astype(float)
|
|
govt_series.index = govt_series.index.astype(int)
|
|
macro_vars["GOVT_3Y"] = govt_series
|
|
time.sleep(0.5)
|
|
|
|
# -------------------------------------------------------
|
|
# 5c) 회사채 AA- 금리 (%)
|
|
# 통계표: 721Y001 / 항목: 7010000
|
|
# -------------------------------------------------------
|
|
logger.info("회사채 AA 금리 조회 중...")
|
|
df_corp_aa = api.fetch_stat("721Y001", "A", str(start_year - 1), end, "7010000")
|
|
if not df_corp_aa.empty:
|
|
corp_aa = df_corp_aa.set_index("TIME")["DATA_VALUE"].astype(float)
|
|
corp_aa.index = corp_aa.index.astype(int)
|
|
macro_vars["CORP_AA"] = corp_aa
|
|
time.sleep(0.5)
|
|
|
|
# -------------------------------------------------------
|
|
# 5d) 회사채 BBB- 금리 (%)
|
|
# 통계표: 721Y001 / 항목: 7030000
|
|
# -------------------------------------------------------
|
|
logger.info("회사채 BBB 금리 조회 중...")
|
|
df_corp_bbb = api.fetch_stat("721Y001", "A", str(start_year - 1), end, "7030000")
|
|
if not df_corp_bbb.empty:
|
|
corp_bbb = df_corp_bbb.set_index("TIME")["DATA_VALUE"].astype(float)
|
|
corp_bbb.index = corp_bbb.index.astype(int)
|
|
macro_vars["CORP_BBB"] = corp_bbb
|
|
time.sleep(0.5)
|
|
|
|
# -------------------------------------------------------
|
|
# 6) 경기선행종합지수
|
|
# 통계표: 901Y067 / 항목: I16A (선행종합지수)
|
|
# 월별만 존재 → 월별 조회 후 연평균 산출
|
|
# -------------------------------------------------------
|
|
logger.info("경기선행지수 조회 중...")
|
|
df_leading = api.fetch_stat(
|
|
"901Y067", "M",
|
|
f"{start_year}01", f"{end_year}12",
|
|
"I16A"
|
|
)
|
|
if not df_leading.empty:
|
|
monthly = df_leading[["TIME", "DATA_VALUE"]].copy()
|
|
monthly["DATA_VALUE"] = monthly["DATA_VALUE"].astype(float)
|
|
monthly["YEAR"] = monthly["TIME"].str[:4].astype(int)
|
|
annual_avg = monthly.groupby("YEAR")["DATA_VALUE"].mean()
|
|
annual_avg = annual_avg.loc[start_year:end_year]
|
|
macro_vars["LEADING_INDEX"] = annual_avg
|
|
|
|
# DataFrame 결합 (각 Series의 인덱스를 정리하여 결합)
|
|
if macro_vars:
|
|
# 각 Series의 인덱스를 정수로 통일, 중복 제거
|
|
clean_vars = {}
|
|
for name, series in macro_vars.items():
|
|
s = series.copy()
|
|
s.index = s.index.astype(int)
|
|
s = s[~s.index.duplicated(keep='first')] # 중복 제거
|
|
s = s.dropna()
|
|
clean_vars[name] = s
|
|
|
|
result = pd.DataFrame(clean_vars)
|
|
result.index.name = "YEAR"
|
|
result = result.sort_index()
|
|
|
|
logger.info(f"ECOS API 데이터 수집 완료: {len(result)}개 연도, {len(result.columns)}개 변수")
|
|
return result
|
|
else:
|
|
logger.warning("거시경제 데이터 수집 실패. 내장 fallback 데이터 사용.")
|
|
return _fallback_macro_data(start_year, end_year)
|
|
|
|
|
|
def _fallback_macro_data(start_year: int = 2000, end_year: int = 2025) -> pd.DataFrame:
|
|
"""
|
|
API 실패시 사용할 내장 fallback 거시경제 데이터
|
|
출처: 한국은행 경제통계시스템 (실제 공표 수치 기반)
|
|
"""
|
|
data = {
|
|
2000: {"GDP_GROWTH": 8.9, "UNEMPLOYMENT": 4.4, "BASE_RATE": 5.25, "CD_RATE": 7.09, "CPI_GROWTH": 2.3, "LEADING_INDEX": 101.2, "GOVT_3Y": 8.35, "CORP_AA": 9.35, "CORP_BBB": 11.90},
|
|
2001: {"GDP_GROWTH": 4.5, "UNEMPLOYMENT": 4.0, "BASE_RATE": 4.00, "CD_RATE": 5.34, "CPI_GROWTH": 4.1, "LEADING_INDEX": 99.5, "GOVT_3Y": 6.70, "CORP_AA": 8.12, "CORP_BBB": 11.27},
|
|
2002: {"GDP_GROWTH": 7.4, "UNEMPLOYMENT": 3.3, "BASE_RATE": 4.25, "CD_RATE": 4.99, "CPI_GROWTH": 2.8, "LEADING_INDEX": 102.3, "GOVT_3Y": 6.06, "CORP_AA": 7.02, "CORP_BBB": 9.75},
|
|
2003: {"GDP_GROWTH": 2.9, "UNEMPLOYMENT": 3.6, "BASE_RATE": 3.75, "CD_RATE": 4.24, "CPI_GROWTH": 3.5, "LEADING_INDEX": 98.8, "GOVT_3Y": 4.93, "CORP_AA": 5.70, "CORP_BBB": 8.97},
|
|
2004: {"GDP_GROWTH": 4.9, "UNEMPLOYMENT": 3.7, "BASE_RATE": 3.25, "CD_RATE": 3.77, "CPI_GROWTH": 3.6, "LEADING_INDEX": 100.5, "GOVT_3Y": 4.11, "CORP_AA": 4.72, "CORP_BBB": 7.53},
|
|
2005: {"GDP_GROWTH": 3.9, "UNEMPLOYMENT": 3.7, "BASE_RATE": 3.75, "CD_RATE": 3.81, "CPI_GROWTH": 2.8, "LEADING_INDEX": 101.8, "GOVT_3Y": 4.27, "CORP_AA": 4.68, "CORP_BBB": 6.51},
|
|
2006: {"GDP_GROWTH": 5.2, "UNEMPLOYMENT": 3.5, "BASE_RATE": 4.50, "CD_RATE": 4.72, "CPI_GROWTH": 2.2, "LEADING_INDEX": 102.5, "GOVT_3Y": 4.83, "CORP_AA": 5.25, "CORP_BBB": 7.08},
|
|
2007: {"GDP_GROWTH": 5.5, "UNEMPLOYMENT": 3.2, "BASE_RATE": 5.00, "CD_RATE": 5.36, "CPI_GROWTH": 2.5, "LEADING_INDEX": 103.1, "GOVT_3Y": 5.23, "CORP_AA": 5.70, "CORP_BBB": 7.44},
|
|
2008: {"GDP_GROWTH": 2.8, "UNEMPLOYMENT": 3.2, "BASE_RATE": 3.00, "CD_RATE": 5.70, "CPI_GROWTH": 4.7, "LEADING_INDEX": 96.5, "GOVT_3Y": 5.27, "CORP_AA": 7.02, "CORP_BBB": 10.73},
|
|
2009: {"GDP_GROWTH": 0.8, "UNEMPLOYMENT": 3.6, "BASE_RATE": 2.00, "CD_RATE": 2.63, "CPI_GROWTH": 2.8, "LEADING_INDEX": 98.2, "GOVT_3Y": 4.04, "CORP_AA": 5.80, "CORP_BBB": 9.24},
|
|
2010: {"GDP_GROWTH": 6.8, "UNEMPLOYMENT": 3.7, "BASE_RATE": 2.50, "CD_RATE": 2.80, "CPI_GROWTH": 2.9, "LEADING_INDEX": 103.0, "GOVT_3Y": 3.72, "CORP_AA": 4.66, "CORP_BBB": 7.98},
|
|
2011: {"GDP_GROWTH": 3.7, "UNEMPLOYMENT": 3.4, "BASE_RATE": 3.25, "CD_RATE": 3.55, "CPI_GROWTH": 4.0, "LEADING_INDEX": 101.2, "GOVT_3Y": 3.62, "CORP_AA": 4.41, "CORP_BBB": 7.75},
|
|
2012: {"GDP_GROWTH": 2.4, "UNEMPLOYMENT": 3.2, "BASE_RATE": 2.75, "CD_RATE": 3.13, "CPI_GROWTH": 2.2, "LEADING_INDEX": 100.3, "GOVT_3Y": 3.13, "CORP_AA": 3.76, "CORP_BBB": 6.56},
|
|
2013: {"GDP_GROWTH": 3.2, "UNEMPLOYMENT": 3.1, "BASE_RATE": 2.50, "CD_RATE": 2.72, "CPI_GROWTH": 1.3, "LEADING_INDEX": 100.8, "GOVT_3Y": 2.79, "CORP_AA": 3.19, "CORP_BBB": 5.87},
|
|
2014: {"GDP_GROWTH": 3.2, "UNEMPLOYMENT": 3.5, "BASE_RATE": 2.00, "CD_RATE": 2.36, "CPI_GROWTH": 1.3, "LEADING_INDEX": 101.0, "GOVT_3Y": 2.56, "CORP_AA": 2.99, "CORP_BBB": 5.22},
|
|
2015: {"GDP_GROWTH": 2.8, "UNEMPLOYMENT": 3.6, "BASE_RATE": 1.50, "CD_RATE": 1.72, "CPI_GROWTH": 0.7, "LEADING_INDEX": 100.5, "GOVT_3Y": 1.80, "CORP_AA": 2.18, "CORP_BBB": 4.61},
|
|
2016: {"GDP_GROWTH": 2.9, "UNEMPLOYMENT": 3.7, "BASE_RATE": 1.25, "CD_RATE": 1.48, "CPI_GROWTH": 1.0, "LEADING_INDEX": 99.8, "GOVT_3Y": 1.44, "CORP_AA": 1.88, "CORP_BBB": 4.60},
|
|
2017: {"GDP_GROWTH": 3.2, "UNEMPLOYMENT": 3.7, "BASE_RATE": 1.50, "CD_RATE": 1.52, "CPI_GROWTH": 1.9, "LEADING_INDEX": 101.5, "GOVT_3Y": 1.80, "CORP_AA": 2.28, "CORP_BBB": 4.83},
|
|
2018: {"GDP_GROWTH": 2.9, "UNEMPLOYMENT": 3.8, "BASE_RATE": 1.75, "CD_RATE": 1.85, "CPI_GROWTH": 1.5, "LEADING_INDEX": 100.8, "GOVT_3Y": 2.10, "CORP_AA": 2.67, "CORP_BBB": 5.41},
|
|
2019: {"GDP_GROWTH": 2.2, "UNEMPLOYMENT": 3.8, "BASE_RATE": 1.25, "CD_RATE": 1.63, "CPI_GROWTH": 0.4, "LEADING_INDEX": 99.3, "GOVT_3Y": 1.50, "CORP_AA": 1.93, "CORP_BBB": 4.52},
|
|
2020: {"GDP_GROWTH": -0.7, "UNEMPLOYMENT": 4.0, "BASE_RATE": 0.50, "CD_RATE": 0.76, "CPI_GROWTH": 0.5, "LEADING_INDEX": 97.0, "GOVT_3Y": 0.98, "CORP_AA": 2.03, "CORP_BBB": 5.25},
|
|
2021: {"GDP_GROWTH": 4.3, "UNEMPLOYMENT": 3.7, "BASE_RATE": 1.00, "CD_RATE": 1.09, "CPI_GROWTH": 2.5, "LEADING_INDEX": 102.8, "GOVT_3Y": 1.43, "CORP_AA": 2.26, "CORP_BBB": 5.64},
|
|
2022: {"GDP_GROWTH": 2.6, "UNEMPLOYMENT": 2.9, "BASE_RATE": 3.25, "CD_RATE": 3.77, "CPI_GROWTH": 5.1, "LEADING_INDEX": 99.2, "GOVT_3Y": 3.14, "CORP_AA": 4.25, "CORP_BBB": 8.18},
|
|
2023: {"GDP_GROWTH": 1.4, "UNEMPLOYMENT": 2.7, "BASE_RATE": 3.50, "CD_RATE": 3.75, "CPI_GROWTH": 3.6, "LEADING_INDEX": 98.8, "GOVT_3Y": 3.55, "CORP_AA": 4.40, "CORP_BBB": 8.40},
|
|
2024: {"GDP_GROWTH": 2.2, "UNEMPLOYMENT": 2.8, "BASE_RATE": 3.00, "CD_RATE": 3.30, "CPI_GROWTH": 2.3, "LEADING_INDEX": 99.5, "GOVT_3Y": 3.20, "CORP_AA": 3.90, "CORP_BBB": 7.50},
|
|
2025: {"GDP_GROWTH": 1.8, "UNEMPLOYMENT": 3.0, "BASE_RATE": 2.75, "CD_RATE": 3.00, "CPI_GROWTH": 1.8, "LEADING_INDEX": 99.8, "GOVT_3Y": 2.80, "CORP_AA": 3.50, "CORP_BBB": 6.80},
|
|
}
|
|
|
|
df = pd.DataFrame(data).T
|
|
df.index.name = "YEAR"
|
|
return df.loc[start_year:end_year]
|
|
|
|
|
|
def compute_derived_features(macro_df: pd.DataFrame) -> pd.DataFrame:
|
|
"""
|
|
Zt 회귀에 유의미한 파생변수 계산
|
|
|
|
최적 3변수 (분석 결과 R²=0.73):
|
|
1. CORP_AA_LOGR: 회사채 AA 로그수익률 = ln(AA_t / AA_{t-1})
|
|
2. TERM_SPREAD_LAG1: 기간스프레드(t-1) = GOVT_3Y - BASE_RATE (1기 래그)
|
|
3. CREDIT_SPREAD_LAG1: 신용스프레드(t-1) = CORP_BBB - CORP_AA (1기 래그)
|
|
|
|
Parameters
|
|
----------
|
|
macro_df : pd.DataFrame with at least:
|
|
CORP_AA, CORP_BBB, GOVT_3Y, BASE_RATE columns
|
|
|
|
Returns
|
|
-------
|
|
pd.DataFrame with columns: CORP_AA_LOGR, TERM_SPREAD_LAG1, CREDIT_SPREAD_LAG1
|
|
"""
|
|
required = ["CORP_AA", "CORP_BBB", "GOVT_3Y", "BASE_RATE"]
|
|
missing = [c for c in required if c not in macro_df.columns]
|
|
if missing:
|
|
logger.warning(f"파생변수 계산에 필요한 열이 없습니다: {missing}")
|
|
return pd.DataFrame(index=macro_df.index)
|
|
|
|
df = macro_df.sort_index()
|
|
features = pd.DataFrame(index=df.index)
|
|
|
|
# 1. 회사채 AA 로그수익률
|
|
features["CORP_AA_LOGR"] = np.log(df["CORP_AA"]).diff()
|
|
|
|
# 2. 기간스프레드 (1기 래그)
|
|
term_spread = df["GOVT_3Y"] - df["BASE_RATE"]
|
|
features["TERM_SPREAD_LAG1"] = term_spread.shift(1)
|
|
|
|
# 3. 신용스프레드 (1기 래그)
|
|
credit_spread = df["CORP_BBB"] - df["CORP_AA"]
|
|
features["CREDIT_SPREAD_LAG1"] = credit_spread.shift(1)
|
|
|
|
return features.dropna()
|
|
|
|
|
|
def load_macro_data(config_path: str = "config.yaml") -> pd.DataFrame:
|
|
"""
|
|
설정 파일에서 API 키를 읽고 거시경제 데이터 수집
|
|
|
|
API 실패시 자동으로 fallback 데이터 사용
|
|
"""
|
|
config = _load_config(config_path)
|
|
api_key = config.get("ecos", {}).get("api_key", "sample")
|
|
|
|
logger.info(f"ECOS API로 거시경제 데이터 수집 시작 (API key: {api_key[:4]}...)")
|
|
|
|
try:
|
|
df = collect_macro_data(api_key)
|
|
if df.empty or len(df) < 10:
|
|
logger.warning("API 데이터 부족. Fallback 데이터 사용.")
|
|
df = _fallback_macro_data()
|
|
return df
|
|
except Exception as e:
|
|
logger.warning(f"API 수집 실패: {e}. Fallback 데이터 사용.")
|
|
return _fallback_macro_data()
|
|
|
|
|
|
def _load_config(config_path: str) -> dict:
|
|
"""YAML 설정 파일 로딩"""
|
|
try:
|
|
with open(config_path, "r", encoding="utf-8") as f:
|
|
return yaml.safe_load(f)
|
|
except FileNotFoundError:
|
|
logger.warning(f"설정 파일 '{config_path}' 없음. 기본값 사용.")
|
|
return {}
|