실물경기 지표¶

전산업생산, 설비투자, 경기종합지수, 소매판매 등 실물경기 흐름을 보여주는 지표를 조회하는 방법을 설명합니다.

전산업생산지수¶

전산업생산지수(통계표 901Y033)를 조회합니다. 광공업뿐 아니라 서비스업, 건설업 등을 포함한 전체 산업의 생산 활동 수준을 나타내는 월별 지수(기준 2020=100)입니다.

기본 사용법¶

import ecos

# 전산업생산지수 (원계열)
df = ecos.get_industrial_production()
print(df.tail())

옵션 지정¶

# 기간 지정
df = ecos.get_industrial_production(
    start_date="202001",
    end_date="202412"
)

# 계절조정 계열
df = ecos.get_industrial_production(seasonal=True)

get_industrial_production(start_date=None, end_date=None, seasonal=False, frequency="monthly") 의 seasonal=True 를 지정하면 원계열 대신 계절조정 계열을 조회합니다. frequency 로 월(monthly, 기본)·분기(quarterly)·연(annual) 주기를 선택합니다.

# 연간 주기
df = ecos.get_industrial_production(frequency="annual")

날짜 형식

frequency 가 monthly 이면 YYYYMM, quarterly 이면 YYYYQn, annual 이면 YYYY 형식을 사용합니다. 기간을 생략하면 주기별 기본 범위가 적용됩니다.

계절조정 + 연간 조합 불가

seasonal=True 와 frequency="annual" 을 함께 지정하면 ValueError 가 발생합니다. ECOS가 계절조정 연간 계열을 제공하지 않기 때문입니다(연간 데이터엔 계절성이 없음). seasonal=False 또는 frequency="monthly"/"quarterly" 를 사용하세요.

반환 데이터 구조¶

컬럼	타입	설명
`date`	datetime	조회 월
`value`	float	전산업생산지수 (2020=100)
`unit`	str	단위

설비투자지수¶

설비투자지수(통계표 901Y066)를 조회합니다. 기업의 기계·운송장비 등 설비 투자 동향을 나타내는 월별 지수(기준 2020=100)입니다.

기본 사용법¶

import ecos

df = ecos.get_facility_investment()
print(df.tail())

옵션 지정¶

# 기간 지정
df = ecos.get_facility_investment(start_date="202001", end_date="202412")

# 계절조정 계열
df = ecos.get_facility_investment(seasonal=True)

# 연간 주기
df = ecos.get_facility_investment(frequency="annual")

get_facility_investment(start_date=None, end_date=None, seasonal=False, frequency="monthly") 의 인자 구조는 전산업생산지수와 동일합니다. frequency 로 월(monthly, 기본)·분기(quarterly)·연(annual) 주기를 선택합니다.

계절조정 + 연간 조합 불가

전산업생산지수와 동일하게 seasonal=True 와 frequency="annual" 조합은 ValueError 가 발생합니다. seasonal=False 또는 frequency="monthly"/"quarterly" 를 사용하세요.

반환 데이터 구조¶

컬럼	타입	설명
`date`	datetime	조회 월
`value`	float	설비투자지수 (2020=100)
`unit`	str	단위

경기종합지수¶

경기종합지수(CI, 통계표 901Y067)를 조회합니다. 경기의 국면과 전환점을 판단하기 위해 작성하는 월별 지수입니다.

기본 사용법¶

import ecos

# 동행종합지수 (기본값)
df = ecos.get_composite_index()
print(df.tail())

옵션 지정¶

# 선행종합지수
df = ecos.get_composite_index(index="leading")

# 후행종합지수, 기간 지정
df = ecos.get_composite_index(index="lagging", start_date="202001", end_date="202412")

get_composite_index(index="coincident", start_date=None, end_date=None) 의 index 인자는 다음 값을 받습니다.

`index`	설명
`"coincident"`	동행종합지수 (기본값)
`"leading"`	선행종합지수
`"lagging"`	후행종합지수

날짜 형식

월별 데이터이므로 YYYYMM 형식을 사용합니다.

반환 데이터 구조¶

컬럼	타입	설명
`date`	datetime	조회 월
`value`	float	경기종합지수
`unit`	str	단위

소매판매액지수¶

소매판매액지수(재별 및 상품군별, 통계표 901Y100)를 상품군별로 조회합니다. 소비 동향을 나타내는 지수(기준 2020=100)이며, 월·분기·연 주기를 지원합니다. partial-coverage 규약(#56)에 따라 sub_category 미지정 시 전체 상품군을 long-format으로, 지정 시 해당 상품군 단일 시계열만 반환합니다.

기본 사용법¶

import ecos

# 불변지수, 월별, 전체 상품군 long-format (date, category_value, value, unit)
df = ecos.get_retail_sales()
print(df.tail())

옵션 지정¶

# 음식료품 단일 시계열
df = ecos.get_retail_sales(sub_category="음식료품")

# 경상지수, 음식료품, 연 주기 조합
df = ecos.get_retail_sales("nominal", sub_category="음식료품", frequency="annual")

# 계절조정지수, 분기 주기
df = ecos.get_retail_sales(index="seasonal", frequency="quarterly")

get_retail_sales(index="real", sub_category=None, start_date=None, end_date=None, frequency="monthly") 의 인자는 다음과 같습니다.

`index`	설명
`"real"`	불변지수 (기본값)
`"nominal"`	경상지수
`"seasonal"`	계절조정지수

`frequency`	날짜 형식
`"monthly"`	`YYYYMM` (기본값)
`"quarterly"`	`YYYYQn` (예: `2024Q1`)
`"annual"`	`YYYY`

sub_category 는 상품군 분류명(예: 총지수, 내구재, 음식료품) 또는 item_code(예: G31)로 지정합니다.

날짜 형식

start_date / end_date 형식은 frequency 설정에 따라 달라집니다. 기간을 생략하면 주기별 기본 범위가 적용됩니다.

계절조정 + 연간 조합 불가

index="seasonal" 과 frequency="annual" 을 함께 지정하면 ValueError 가 발생합니다. ECOS가 계절조정 연간 계열을 제공하지 않기 때문입니다. index="nominal"/"real" 또는 frequency="monthly"/"quarterly" 를 사용하세요.

반환 데이터 구조¶

sub_category 미지정 시 long-format(상품군별), 지정 시 단일 시계열을 반환합니다. 통계표는 계층형(총지수+내구재/준내구재/비내구재+세부품목)이라 상품군 간 단순 합산은 금지합니다.

컬럼	타입	설명
`date`	datetime	조회 시점
`category_value`	str	상품군명 (long-format, `sub_category` 미지정 시)
`value`	float	소매판매액지수 (2020=100)
`unit`	str	단위

실전 활용 예제¶

동행지수와 선행지수 비교¶

import ecos
import pandas as pd

coincident = ecos.get_composite_index(index="coincident", start_date="202001")
leading = ecos.get_composite_index(index="leading", start_date="202001")

merged = pd.merge(
    coincident[["date", "value"]].rename(columns={"value": "동행"}),
    leading[["date", "value"]].rename(columns={"value": "선행"}),
    on="date",
)

print(merged.tail())

merged.set_index("date").plot(
    title="경기종합지수 동행 vs 선행",
    figsize=(12, 6),
    grid=True,
)

생산과 소비 동향 결합¶

import ecos

production = ecos.get_industrial_production(start_date="202001")
retail = ecos.get_retail_sales(sub_category="총지수", start_date="202001")

print("전산업생산 최근 값:", production["value"].iloc[-1])
print("소매판매 총지수 최근 값:", retail["value"].iloc[-1])

다음 단계¶

심리 지표 - 기업·소비자 심리지수
성장 지표 - GDP 등 경제성장 지표
무역(수출입) 지표 - 통관기준 수출입금액