Python で外貨データ処理！リアルタイムデータと履歴データをスムーズに統合する方法

外貨のクォンツ分析や価格トレンド調査を仕事にしている方なら、こんな悩みにぶつかったことがあるのではないでしょうか？過去に保存した履歴レートデータはタイムスタンプがバラバラ、列名も統一されていないため、ストラテジーのバックテストに使えない。手元にリアルタイム行情の API はあるのに、履歴データと綺麗に連携させられず、データ整理だけで何時間も時間を取られ、本番の分析作業が進まない……

企業の金融データアナリストとして長年外貨データに携わり、数え切れないくらいデータ処理の罠にハマってきました。そこで試行錯誤の末、Python の DataFrame にリアルタイムデータと履歴データを統合する実践的な方法を開発しました。今回は無料で使える AllTick API を活用し、コピペで直ぐに使えるコード付きで、外貨データの取得からリアルタイム＋履歴データの融合まで、一連のフローを詳しく解説します。初心者でも追えるステップ構成にしているので、ぜひ最後まで読んで自分の分析業務に活かしてください！

① AllTick API を選ぶ理由？外貨データ処理に最適なポイント

外貨データを扱う際、API の選び方が作業効率を大きく左右します。私が数多くの API を試した末に定着したのが AllTick API で、その理由は 2 つの強みにあります。✅ WebSocket によるリアルタイムインターフェースと REST による履歴インターフェースが連携し、フィールドが完全に標準化されているので、後からフィールドの調整作業が不要✅ 返却されるデータに冗長な情報がなく、価格・タイムスタンプ・始値 / 高値 / 安値 / 終値など分析に必要な核心的な情報のみを取得でき、データ処理がスムーズ

Python で数行のコードで呼び出せるので、クォンツ開発やデータ分析の初心者でも導入しやすいのも大きなメリットです。

② WebSocket で外貨のリアルタイム行情を取得

外貨分析はリアルタイム性が命！価格の変動を瞬時にキャッチするには、WebSocket によるプッシュ型のデータ取得が最適です。AllTick API の WebSocket インターフェースを使うと、通貨ペアの価格やタイムスタンプなどの核心情報をリアルタイムで受信でき、余分なデータに邪魔されることがありません。

以下はEURUSD のリアルタイム行情を購読するコードで、コピーして実行するだけで直ぐに動作します。他の通貨ペアに変更したい場合は、symbol の値を調整するだけ OK です。

import websocket
import json

def on_message(ws, message):
    data = json.loads(message)
    print(f"{data['s']} 現在価格: {data['p']} 時間: {data['ts']}")

def on_open(ws):
    ws.send(json.dumps({"type": "subscribe", "symbol": "EURUSD"}))

ws = websocket.WebSocketApp("wss://ws.alltick.co/realtime",
on_message=on_message, on_open=on_open)
ws.run_forever()

③ 粒度別に標準化された履歴 K 線データを取得

ストラテジーのバックテストや長期的なトレンド分析には、履歴 K 線データが不可欠です。AllTick API の履歴インターフェースを使うと、日足・時間足・分足を指定してデータを取得でき、返却されるのは始値 (o)・高値 (h)・安値 (l)・終値 (c)・タイムスタンプ (t) の標準化されたデータなので、Pandas で直ぐに DataFrame に変換可能です。

以下はEURUSD の 1 時間足の履歴データ 100 件を取得するコードで、タイムスタンプを日時形式に変換する処理も含まれています。分析の目的に合わせて interval（粒度）や limit（取得件数）を調整してください。

import pandas as pd
import requests

url = "https://apis.alltick.co/historical"
params = {"symbol": "EURUSD", "interval": "1h", "limit": 100}

res = requests.get(url, params=params).json()
df = pd.DataFrame(res['candles'])
df['t'] = pd.to_datetime(df['t'], unit='s')
print(df.head()) # 先頭5行を表示

粒度別の使い分けテクニック

初心者の方は目的に合わせて粒度を選ぶと、分析が効率的に進みます。📈 日足：長期的な外貨トレンドの把握に適し、中長期ストラテジーの検証に📊 時間足：中頻度のクォンツ分析に、市場の中期的な価格変動を捉えるのに📉 分足：短期的な価格変動の観察に、超短期トレードの分析に最適

④ 核心的なステップ！リアルタイムデータと履歴データを統合

外貨データ処理の最大の痛みは「タイムスタンプの形式が統一されていない」「リアルタイムと履歴データが分断されている」この 2 点です。今回の解決策は、履歴データを標準化処理した後、WebSocket のコールバック関数でリアルタイムデータを同じフィールド形式で自動的に DataFrame に追加する方法です。

これにより、履歴データとリアルタイムデータが一つの DataFrame にまとまり、市場の価格変動に合わせてデータが動的に更新されます。手動でデータを結合する手間が完全に省け、分析作業に集中できます。

以下は統合処理のフルコードで、コメント不要で直ぐに実行可能。実行後は最新の 3 件のデータがリアルタイムで表示され、データの追加状況を確認できます。

import websocket
import json
import pandas as pd
from datetime import datetime
import requests

# 履歴データの取得とタイムスタンプの標準化
url = "https://apis.alltick.co/historical"
params = {"symbol": "EURUSD", "interval": "1h", "limit": 100}
res = requests.get(url, params=params).json()
df = pd.DataFrame(res['candles'])
df['t'] = pd.to_datetime(df['t'], unit='s')

# リアルタイムデータ処理関数：履歴DataFrameに自動追加
def on_message(ws, message):
    global df
    data = json.loads(message)
    new_row = {
    'o': data['o'], 't': datetime.fromtimestamp(data['ts']),
    'h': data['h'],
    'l': data['l'], 'c': data['p']
    }
    df = pd.concat([df, pd.DataFrame([new_row])], ignore_index=True)
    print(df.tail(3)) # 最新3行を表示

def on_open(ws):
    ws.send(json.dumps({"type": "subscribe", "symbol": "EURUSD"}))

# リアルタイム購読の開始
ws = websocket.WebSocketApp("wss://ws.alltick.co/realtime",
on_message=on_message, on_open=on_open)
ws.run_forever()

⑤ 実践効果！この方法で分析効率がどう変わるのか？

私が日常的にこの方法を使うようになってから、外貨データ分析の作業効率が飛躍的にアップしました。具体的なメリットは以下の 3 点で、どれも仕事の質を高める上で大きな影響があります。

  1. データクリーニングの時間が 8 割以上削減：一つの DataFrame に標準化されたデータがまとまるので、バラバラなデータを手動で整える手間がなくなる
  2. データの連続性が保たれる：リアルタイムデータが自動的に追加されるので、動的な行情分析やリアルタイムのバックテストに最適
  3. 分析作業がスムーズに：グラフ作成・統計分析・ストラテジー検証など、全ての作業を一つのデータセットで行え、ファイルの切り替えが不要に

最後に：外貨データ処理のコツをまとめ

外貨データ処理を難しく感じる必要は全くありません。核心的なコツはたった 2 つで、これを守れば作業効率が大きく向上します。✨ 標準化された API を選ぶ：AllTick API のように、リアルタイムと履歴インターフェースのフィールドが統一された API を使うと、データ処理の初期段階での手間が大幅に減る✨ データ形式を徹底的に統一する：タイムスタンプやフィールド名を統一し、リアルタイムと履歴データを分断させないことで、分析の基盤が安定する

今回解説した方法は、初心者から企業の資格アナリストまで誰でも活用でき、コードは通貨ペアや粒度を調整するだけで自分の業務にカスタマイズ可能です。無料の AllTick API と Python を組み合わせることで、外貨データ処理の手間を省き、本当に重要な「データの解釈」「ストラテジーの構築」に時間を使うことができます。

ぜひ今回のコードを活用して、自分の外貨分析業務を効率化してください！もしコードの使い方や外貨データ処理の疑問があれば、コメント欄で質問してください、できる限り回答します😊

おまけ：関連する作業効率化ポイント

  • 頻繁に使うコードは Python のスクリプトファイルに保存し、パラメーターだけ調整して使う
  • Pandas の plot 機能を使って、統合した DataFrame から直ぐに価格トレンドグラフを作成
  • 複数の通貨ペアを分析する場合は、ループ処理でデータ取得を自動化