「うちの売上は景気と連動してる？」「同業他社の株価と一緒に動いてる？」 ── 経営会議で時々出る話題ですが、いざ調べようとすると「日経平均の過去データってどこで取るんだ」で止まりがちです。実は と を使えば、 キーなしで世界中の株価・指数の長期ヒストリカルが 5 行で取得できます。
データソースの選択肢を整理する
「過去の株価データ」と一口に言っても、ソースによってカバレッジ・更新頻度・商用利用可否がまったく違います。最初に整理しておきます。
| ソース | コスト | カバレッジ | 履歴 | API キー | 商用利用 |
|---|---|---|---|---|---|
| 無料 | 日米欧アジア全銘柄、指数、為替、先物 | 20年以上 | 不要 | ⚠️ Yahoo 規約による（個人/研究は OK、再配布は NG） | |
| 無料 | 日米欧、指数、為替、先物、商品 | 30年以上 | 不要 | ⚠️ 同上（出典明記推奨） | |
| Free〜Premium | 日本株のみ | Free=12週、上位プランで遡る | 必要 | ✅ JPX 公式（個人投資家向け） | |
| JPX 直配信 | 個別契約（高額） | 日本株フル | 全期間 | 必要 | ✅ |
| Bloomberg / Refinitiv | 月数十万円〜 | 全市場 | 全期間 | 必要 | ✅ プロ仕様 |
まずは で動かす → うまく取れない銘柄や落ちた時のバックアップに → 商用ダッシュボードに組み込む段階で へ移行、というステップが実用的。
1. yfinance で日経平均を取得する（30秒）
で `pip install yfinance` するだけ。コードは本当に 5 行で済みます。
!pip install -q yfinanceimport yfinance as yf
# 日経225 のヒストリカル（過去5年）n225 = yf.Ticker("^N225").history(period="5y")print(n225.tail())print(f"\n期間: {n225.index.min().date()} 〜 {n225.index.max().date()}, {len(n225)} 営業日")Yahoo Finance の検索窓に銘柄名を入れて、上部に表示される `^N225` `7203.T` のような記号がティッカーです。日本株は `<証券コード>.T`（東証）、米国株はそのまま（例: AAPL, MSFT）。
2. 移動平均と出来高を可視化する
ヒストリカルデータが取れたら、次は 移動平均（MA: Moving Average） を引いてトレンドを見ます。25日 MA は短期、200日 MA は長期トレンドの定番。ゴールデンクロス（25日が200日を下から抜ける）は買いシグナル、デッドクロス（上から下に抜ける）は売りシグナルとして語られます。
import matplotlib.pyplot as pltimport japanize_matplotlib # noqa: F401
n225["MA25"] = n225["Close"].rolling(25).mean()n225["MA200"] = n225["Close"].rolling(200).mean()
fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(12, 7), sharex=True, gridspec_kw={"height_ratios": [3, 1]})ax1.plot(n225.index, n225["Close"], label="終値", linewidth=1.2, color="#1f77b4")ax1.plot(n225.index, n225["MA25"], label="25日 MA", color="#ff7f0e", linewidth=1)ax1.plot(n225.index, n225["MA200"], label="200日 MA", color="#d62728", linewidth=1.2)ax1.set_ylabel("価格（円）"); ax1.set_title("日経225 の終値と移動平均")ax1.legend(); ax1.grid(alpha=0.3)
ax2.bar(n225.index, n225["Volume"], color="#999", width=1.0)ax2.set_ylabel("出来高"); ax2.grid(alpha=0.3)plt.tight_layout(); plt.show()3. 個別銘柄を取って業界を比べる
次は個別企業を比較してみます。「自社が属する業界全体が伸びているのか、自社だけ伸びているのか」を判断する基本動作です。
import yfinance as yfimport pandas as pdimport matplotlib.pyplot as pltimport japanize_matplotlib # noqa: F401
tickers = {"7203.T": "トヨタ", "7201.T": "日産", "7267.T": "ホンダ"}df = yf.download(list(tickers.keys()), period="3y", auto_adjust=True)["Close"]
# 開始日=100 で正規化（リターン比較）norm = df / df.iloc[0] * 100
fig, ax = plt.subplots(figsize=(11, 5))for code, label in tickers.items(): ax.plot(norm.index, norm[code], label=label, linewidth=1.5)ax.set_title("自動車3社の株価推移（開始日=100で正規化）")ax.set_ylabel("正規化リターン"); ax.axhline(100, color="gray", linestyle="--", alpha=0.4)ax.legend(); ax.grid(alpha=0.3); plt.tight_layout(); plt.show()株価は銘柄ごとに桁が違うため（トヨタは数千円、日産は数百円）、そのまま重ねるとスケールが噛み合わず、トレンドが読めません。開始日を 100 に揃えることで「期間内の上昇率」を比較できます。これは投資レポートの常套手段。
4. Stooq でバックアップ取得（商品先物 / 為替も同じ流れ）
yfinance はたまに不安定（Yahoo の HTML が変わると壊れる）になります。そんな時のバックアップが 。`pandas-datareader` 経由で同じインターフェースで使えます。
!pip install -q pandas-datareaderimport pandas_datareader.data as webimport datetime as dt
end = dt.date.today()start = end - dt.timedelta(days=365 * 5)
# Stooq のシンボル: 日経225 = ^nkx, 米ドル円 = jpyusd（逆数）n225 = web.DataReader("^nkx", "stooq", start, end).sort_index()usd = web.DataReader("usdjpy", "stooq", start, end).sort_index()
print("日経225:", n225.tail(3))print("\nUSD/JPY:", usd.tail(3))5. 自社売上 × 株価指数の相関を見る（実用例）
ここまでが「データの取り方」。本題は 自社データに重ねて使うところ。例えば BtoC 企業なら「TOPIX が上がると消費が増えるか？」、輸出企業なら「ドル円と売上の相関は？」が分かります。
# 自社売上（仮データ：実際は社内 DWH から取得）sales_monthly = pd.DataFrame({ "month": pd.date_range("2020-01", "2025-12", freq="MS"), "sales": [...], # 月次売上}).set_index("month")
# TOPIX 月次（^TPX は yfinance ではダメなので Stooq か日経のミラーを使う）topix = yf.Ticker("^TPX").history(period="6y")["Close"].resample("MS").last()
# 月次変化率df = pd.DataFrame({"sales": sales_monthly["sales"], "topix": topix})df_pct = df.pct_change().dropna()
fig, ax = plt.subplots(figsize=(7, 6))ax.scatter(df_pct["topix"]*100, df_pct["sales"]*100, alpha=0.6, s=50)ax.set_xlabel("TOPIX 月次変化率（%）"); ax.set_ylabel("売上 月次変化率（%）")corr = df_pct["topix"].corr(df_pct["sales"])ax.set_title(f"TOPIX × 自社売上の月次相関（r={corr:.2f}）")ax.axhline(0, color="gray", linewidth=0.5); ax.axvline(0, color="gray", linewidth=0.5)ax.grid(alpha=0.3); plt.tight_layout(); plt.show()ローソク足チャートで描く（mplfinance）
「ローソク足」（）は金融データの定番表現。`mplfinance` でデフォルト設定が綺麗です。
!pip install -q mplfinanceimport mplfinance as mpf
n225_6m = yf.Ticker("^N225").history(period="6mo")mpf.plot(n225_6m, type="candle", style="yahoo", volume=True, mav=(5, 25), title="日経225（直近6ヶ月）", figsize=(12, 7))留意点（重要）
yfinance は Yahoo Finance の非公開エンドポイントを叩く非公式ライブラリです。Yahoo の利用規約上、データの大量取得・再配布・商用販売は禁止されています。社内分析や研究は問題ありませんが、顧客向けダッシュボードに組み込む段階では やデータベンダーへの切替を検討してください。
- レート制限: yfinance は短時間に大量リクエストすると Yahoo に弾かれる。`time.sleep(0.1)` を挟むか、まとめて取得（`yf.download(list_of_tickers)`）する
- Adjust 補正: 配当・株式分割の補正には `auto_adjust=True` を使う。生の終値（`Close`）と補正済（`Adj Close`）は意味が異なる
- 営業日カレンダー: 日本市場の祝日・年末年始は土日扱いではないため、月次集計時はカレンダーを意識する
- 通貨: 外国株はドル建て・現地通貨建てで返るため、JPY 換算が必要
- データの正確性は保証されない: yfinance / Stooq とも個人データ。重要な意思決定の根拠にする場合は JPX や Bloomberg の公式ソースで再確認する
ふくふくの進め方
BtoC や輸出比率の高い企業から「自社の売上と景気指標の関係を見える化したい」というご相談を頂きます。1〜2ヶ月で月次の相関ダッシュボード（ / ）、3〜6ヶ月で売上予測モデル（ や を特徴量に組み込み）が現実的なロードマップ。社内 （ / ）に金融データを定期取り込みする の設計も併せて承ります。
次回予告
EP.16 では、コモディティ・為替・先物データを使ったマクロ環境分析。 と為替、（恐怖指数）から景気の風向きを読み、自社の在庫・調達計画にフィードバックする実践レシピを扱います。
この記事の感想を教えてください
あなたの 1 クリックで、本当にこの記事は更新されます。「もっと詳しく」「続編希望」が一定数集まった記事は、 ふくふくが 実際に内容を拡充したり続編記事を公開 します。 送信したリアクションはお使いのブラウザに記録され、再カウントされません。