市場データ API 連携
リアルタイムデータと過去データの取得に Alpha Vantage、Yahoo Finance、Polygon.io を利用します。
「市場データ API 連携」はCoddyKit上の無料AI Agentsレッスンです。 これはレッスン1/4です。 下記で完全なレッスンを無料で読むことができます。その後、ブラウザ内の組み込みコードエディタと24時間対応のAIチューターでハンズオン演習できます。 これはAI Agents学習パスの一部であり、ウェブとCoddyKitアプリ全体で進捗が同期されます。 AI Agentsコースには全4レッスンが含まれています。
金融エージェントにおける市場データ
金融分析エージェントには、リアルタイムおよび過去の市場データへのアクセスが必要です。一般的なデータの種類には、OHLCV（Open/High/Low/Close/Volume）、決算発表日、ファンダメンタル指標、オプションチェーンなどがあります。
このデータを提供するAPIには、yfinance（無料、Yahoo Finance）、Polygon.io（有料で信頼性が高い）、Alpha Vantage（無料プランあり）などがあります。
yfinance：過去の価格データ
yfinanceはYahoo Finance APIをラップしており、最も手早く使い始められる方法です。Ticker.history()は、OHLCVデータを格納したpandasのDataFrameを返します。
import yfinance as yf
ticker = yf.Ticker('AAPL')
# 1 year of daily data
history = ticker.history(period='1y')
print(history.tail(3))
# Open High Low Close Volume
# Date
# 2026-05-27 189.1500 190.3200 188.9200 190.0500 55234000
# 2026-05-28 190.4200 191.5600 189.7800 191.1200 62345000
print(f'Rows: {len(history)}')yfinance：カスタム日付範囲
任意の日付範囲にはstartおよびendパラメーターを使用し、日中足データにはinterval（1m、5m、1h）を使用します。日中足データは、間隔によっては過去60日分に制限される点に注意してください。
import yfinance as yf
ticker = yf.Ticker('MSFT')
# Custom date range
history = ticker.history(start='2024-01-01', end='2024-12-31')
print(f'Trading days in 2024: {len(history)}')
# Batch multiple tickers
tickers = yf.download(['AAPL', 'MSFT', 'GOOGL'],
start='2025-01-01', end='2025-12-31')
print(tickers['Close'].head())Polygon.io REST API
Polygon.ioは、無料のデータソースよりも高いレート制限と安定した稼働時間を備えた、プロフェッショナル向けの市場データを提供します。本番環境の金融エージェントにはPolygon.ioを使用してください。
import requests
POLYGON_KEY = 'YOUR_POLYGON_API_KEY'
def get_polygon_daily(ticker: str, from_date: str, to_date: str) -> list[dict]:
url = f'https://api.polygon.io/v2/aggs/ticker/{ticker}/range/1/day/{from_date}/{to_date}'
resp = requests.get(url, params={'apiKey': POLYGON_KEY, 'limit': 365})
resp.raise_for_status()
data = resp.json()
return data.get('results', [])
bars = get_polygon_daily('AAPL', '2025-01-01', '2025-12-31')
print(f'Bars returned: {len(bars)}')
if bars:
print('Latest close:', bars[-1]['c'])Alpha Vantage TIME_SERIES_DAILY
Alpha Vantageには無料プラン（1日25回の呼び出し）と有料プランがあります。TIME_SERIES_DAILYエンドポイントは、オプションで調整後価格も含めたOHLCVデータを返します。
import requests
ALPHA_KEY = 'YOUR_ALPHA_VANTAGE_KEY'
def get_alpha_vantage_daily(symbol: str, outputsize: str = 'compact') -> dict:
# outputsize: 'compact' (100 days) or 'full' (20+ years)
resp = requests.get('https://www.alphavantage.co/query', params={
'function': 'TIME_SERIES_DAILY_ADJUSTED',
'symbol': symbol,
'outputsize': outputsize,
'apikey': ALPHA_KEY
})
resp.raise_for_status()
data = resp.json()
series = data.get('Time Series (Daily)', {})
return series # dict: {date_str: {open, high, low, close, volume, ...}}レート制限とリトライロジック
すべての市場データAPIにはレート制限があります。制限を超えると、429（Too Many Requests）が返されます。必ず指数バックオフを実装し、制限を遵守してください。
import time, requests
from requests.adapters import HTTPAdapter
from urllib3.util.retry import Retry
def make_rate_limited_session(calls_per_minute: int = 5) -> requests.Session:
session = requests.Session()
retry = Retry(
total=3,
backoff_factor=2, # 1s, 2s, 4s waits
status_forcelist=[429, 500, 502, 503, 504]
)
adapter = HTTPAdapter(max_retries=retry)
session.mount('https://', adapter)
session._calls_per_min = calls_per_minute
session._min_interval = 60.0 / calls_per_minute
session._last_call = 0.0
return session
def rate_limited_get(session, url, **kwargs):
elapsed = time.time() - session._last_call
if elapsed < session._min_interval:
time.sleep(session._min_interval - elapsed)
session._last_call = time.time()
return session.get(url, **kwargs)市場データのキャッシュ
過去のデータは不変です。昨日の終値が変わることはありません。重複したAPI呼び出しを避けるため、データをキャッシュしてください。(ticker, date_range)をキーとするシンプルなディスクキャッシュを使用します。
import hashlib, json, os
CACHE_DIR = '/tmp/market_cache'
os.makedirs(CACHE_DIR, exist_ok=True)
def cache_key(ticker: str, start: str, end: str) -> str:
return hashlib.md5(f'{ticker}_{start}_{end}'.encode()).hexdigest()
def get_cached(ticker: str, start: str, end: str):
key = cache_key(ticker, start, end)
path = os.path.join(CACHE_DIR, f'{key}.json')
if os.path.exists(path):
with open(path) as f:
return json.load(f)
return None
def set_cached(ticker: str, start: str, end: str, data):
key = cache_key(ticker, start, end)
path = os.path.join(CACHE_DIR, f'{key}.json')
with open(path, 'w') as f:
json.dump(data, f)
if __name__ == '__main__':
set_cached('AAPL', '2024-01-01', '2024-01-31', {'close': [150, 151, 149]})
cached = get_cached('AAPL', '2024-01-01', '2024-01-31')
print('Cached data for AAPL:', cached)
print('Cache miss for MSFT:', get_cached('MSFT', '2024-01-01', '2024-01-31'))
取引時間と市場の空白への対応
市場は週末や祝日には閉場します。取引のない日をまたぐ日付範囲では、データに空白が生じます。日次データが連続していると仮定せず、必ずこのような空白を検出して処理してください。
import pandas as pd
from pandas.tseries.offsets import BDay
def detect_gaps(history: pd.DataFrame) -> list[str]:
if history.empty:
return []
date_range = pd.date_range(
start=history.index.min(),
end=history.index.max(),
freq=BDay() # Business days only
)
missing = date_range.difference(history.index)
return [str(d.date()) for d in missing]
import yfinance as yf
history = yf.Ticker('AAPL').history(start='2024-12-23', end='2025-01-07')
gaps = detect_gaps(history)
print('Missing business days (holidays):', gaps)エージェント向け市場データツールの構築
市場データ取得処理をエージェントツールとして登録します。LLMはこのツールを呼び出してデータを取得し、その後、別のツール（分析）を使って結果を処理できます。
import yfinance as yf, json
def get_market_data_tool(ticker: str, period: str = '1y') -> str:
cached = get_cached(ticker, period, 'yfinance')
if cached:
return json.dumps(cached)
try:
hist = yf.Ticker(ticker).history(period=period)
if hist.empty:
return json.dumps({'error': f'No data for {ticker}'})
result = {
'ticker': ticker,
'period': period,
'start': str(hist.index.min().date()),
'end': str(hist.index.max().date()),
'latest_close': float(hist['Close'].iloc[-1]),
'pct_change_ytd': float((hist['Close'].iloc[-1] / hist['Close'].iloc[0] - 1) * 100),
'rows': len(hist)
}
set_cached(ticker, period, 'yfinance', result)
return json.dumps(result)
except Exception as e:
return json.dumps({'error': str(e)})yfinanceから取得するファンダメンタルデータ
yfinanceは価格データだけでなく、P/Eレシオ、1株当たり利益、時価総額などのファンダメンタルデータも提供します。ファンダメンタルデータによって、価格変動だけに依存しない、より深いエージェント分析が可能になります。
import yfinance as yf
ticker = yf.Ticker('AAPL')
info = ticker.info
print('Market Cap: ', info.get('marketCap'))
print('P/E Ratio: ', info.get('trailingPE'))
print('EPS: ', info.get('trailingEps'))
print('52-Week High: ', info.get('fiftyTwoWeekHigh'))
print('52-Week Low: ', info.get('fiftyTwoWeekLow'))
print('Dividend Yield: ', info.get('dividendYield'))
print('Analyst Target: ', info.get('targetMeanPrice'))エラー処理：上場廃止銘柄と無効なティッカー
すべてのティッカーシンボルが有効で、現在も取引されているとは限りません。上場廃止企業では、空の履歴が返されます。分析を進める前に、必ずレスポンスを検証してください。
import yfinance as yf
def safe_fetch(ticker_symbol: str, period: str = '1y') -> dict:
try:
ticker = yf.Ticker(ticker_symbol)
history = ticker.history(period=period)
if history.empty:
return {
'error': f'No data for {ticker_symbol}. May be delisted or invalid.',
'ticker': ticker_symbol
}
return {
'ticker': ticker_symbol,
'latest_close': float(history['Close'].iloc[-1]),
'data_start': str(history.index.min().date()),
'bars': len(history)
}
except Exception as e:
return {'error': str(e), 'ticker': ticker_symbol}
print(safe_fetch('AAPL')) # valid
print(safe_fetch('INVALID')) # returns error dictAlpha Vantage TIME_SERIES_DAILYエンドポイントの「compact」outputsizeは何を返しますか
APIの出力サイズパラメーターを理解することは、金融エージェントで帯域幅、レイテンシー、APIクォータを管理するうえで重要です。
市場データAPI統合のまとめ
迅速なプロトタイピングにはyfinance（無料）、本番環境にはPolygon.io（信頼性が高く有料）、無料プランの選択肢にはAlpha Vantageを使用します。必ずレート制限、過去データ用のディスクキャッシュ、取引のない日に対応する空白の検出を実装してください。
データ取得処理をエージェントツールとして公開し、必要なときにLLMがデータを要求できるようにします。
よくある質問
「市場データ API 連携」レッスンは無料ですか？
はい。「市場データ API 連携」の完全なテキストはこのウェブで無料で読めます。インタラクティブに演習し（組み込みコードエディタと24時間対応のAIチューター）、AI Agentsコースの残りをアンロックするには、CoddyKit PROにアップグレードしてください。 AI Agentsコースには全4レッスンが含まれています。
「市場データ API 連携」で何を学びますか？
リアルタイムデータと過去データの取得に Alpha Vantage、Yahoo Finance、Polygon.io を利用します。 ブラウザで直接実行するハンズオンコードでAI Agentsを演習し、24時間対応のAIチューターがレッスンを進める中での質問に答えます。
AI Agentsを始めるのに経験は必要ですか？
事前経験は必要ありません。CoddyKitのAI Agentsは初級者から上級者向けに構成されているため、ここから始めるか最初から始めて、自分のペースで進むことができます。 これはレッスン1/4です。
「市場データ API 連携」レッスンにはどのくらい時間がかかりますか？
ほとんどのCoddyKitレッスンは約5～10分かかります。各レッスンはコンパクトでインタラクティブなので、着実に進歩し、ウェブとアプリ全体で正確に前回の場所から再開できます。
このAI Agentsレッスンでコードを書いて実行できますか？
はい。すべてのAI Agentsレッスンに組み込みコードエディタが含まれているため、ブラウザでリアルコードを書いて実行し、即座のAIフィードバックを取得できます。ローカル設定は不要です。