本記事はPython学習・情報提供を目的としています。投資判断はご自身の責任で行ってください。
先に結論
Pythonで株価データを取る方法を比較した記事は多いのですが、日本株を前提にすると結論がかなり変わります。海外向けの定番であるAlpha Vantageは、無料枠が1日25リクエストかつ直近100本のみに制限されており、バックテスト用途では実質的に使えません。
日本株なら、用途に応じてこう選ぶのが現実的です。
| 用途 | 選ぶべきもの | 費用 |
|---|---|---|
| 学習・試行錯誤 | yfinance | 無料 |
| 本気のバックテスト（日本株） | J-Quants API（JPX公式） | 無料〜月1,650円 |
| 長期の日足を無料で欲しい | Stooq（pandas-datareader経由） | 無料 |
| 経済指標・金利 | FRED（pandas-datareader経由） | 無料 |
| 財務諸表の原本 | EDINET API（金融庁） | 無料 |
| リアルタイム・発注 | 証券会社のAPI | 口座条件あり |
以下、それぞれの実態と使い分けを整理します。
📘 外部参考：yfinance 公式GitHub ／ J-Quants API（JPX公式） ／ pandas-datareader ドキュメント
比較一覧
| 項目 | yfinance | J-Quants | Stooq | Alpha Vantage |
|---|---|---|---|---|
| 提供元 | 非公式 | JPX公式 | 非公式 | 公式（米企業） |
| APIキー | 不要 | 必要 | 不要 | 必要 |
| 日本株 | ◎ | ◎（全上場） | ○ | △（欠落あり） |
| 無料での履歴 | 実質無制限 | 2年（12週遅延） | 長期 | 直近100本のみ |
| 無料の回数制限 | 明示なし | 5回/分 | 明示なし | 25回/日 |
| 財務データ | △（欠損多い） | ◎ | ✕ | ○ |
| 分割・配当調整 | ◎ | ◎（調整前も） | ○ | 有料 |
| 安定性 | △（仕様変更） | ◎ | △ | ◎ |
yfinance：学習と試行錯誤には最適
APIキー不要で、日本株も米国株も為替も1行で取れます。ここから始めるのが正解です。
import pandas as pd
import yfinance as yf
def fetch_yf(ticker: str, period: str = "10y") -> pd.DataFrame:
df = yf.download(ticker, period=period, auto_adjust=True, progress=False)
if isinstance(df.columns, pd.MultiIndex): # 1銘柄でもMultiIndexで返る
df.columns = df.columns.get_level_values(0)
return df.dropna()
print(fetch_yf("7203.T").tail(3))弱点は非公式であることに尽きます。Yahoo! Finance側の都合でいつ止まってもおかしくありませんし、実際にレート制限（YFRateLimitError）で弾かれることが増えています。ライブラリ自体の仕様変更も頻繁で、auto_adjustの既定値変更や列のMultiIndex化で、過去記事のコードは軒並み動かなくなりました。
「壊れてもいい用途」に限定するのが健全な付き合い方です。運用に組み込むなら別の手段を併用してください。
J-Quants API：日本株ならこれが本命
東京証券取引所を運営するJPXが公式に提供しているAPIです。日本株の分析をするなら、無料プランだけでも登録する価値があります。
| プラン | 月額（税込） | 期間 | 呼び出し |
|---|---|---|---|
| 無料 | ¥0 | 2年（12週間遅延） | 5回/分 |
| ライト | ¥1,650 | 5年 | 60回/分 |
| スタンダード | ¥3,300 | 10年 | 120回/分 |
| プレミアム | ¥16,500 | 全期間 | 500回/分 |
無料プランは12週間の遅延があります。直近3ヶ月弱のデータは取れません。これは制約ですが、バックテストなら何の問題もないので、検証用途では無料プランで十分です。逆にシグナル生成に使うならライト以上が必要になります。
# pip install jquants-api-client
import jquantsapi
cli = jquantsapi.ClientV2(api_key="YOUR_API_KEY") # V2はAPIキー方式
df = cli.get_eq_bars_daily_range(
code="7203", start_dt="2024-01-01", end_dt="2025-12-31")
print(df.head())
listed = cli.get_eq_listed_info() # 全上場銘柄の一覧
print(len(listed), "銘柄")yfinanceに対する優位点がはっきりしています。
- 全上場銘柄の一覧が取れる。スクリーニングの母集団を正しく作れる
- 上場廃止銘柄も含まれる。生存バイアスを避けられる
- 調整前と調整後の両方が提供される
- 決算発表予定日が取れる。イベント回避や検証に必須
- 財務情報が欠損なく揃う
2つ目が特に重要です。yfinanceで現在の上場銘柄だけを対象にバックテストすると、「潰れなかった会社」だけを選んで検証していることになり、成績が実際より良く出ます。これは生存バイアスと呼ばれる古典的な落とし穴です。
なお、2025年12月のV2リリースで認証方式が変わりました。リフレッシュトークン方式は廃止され、ダッシュボードで発行するAPIキー方式に統一されています。古い記事のコードは動きません。
pandas-datareader：FREDとStooqのために使う
このライブラリの「Yahoo!からデータを取る」機能は、事実上使えなくなっています。メンテナンスも活発ではありません。ただし、2つのデータソースのために今でも価値があります。
FRED（米セントルイス連銀）
import pandas_datareader.data as web
import datetime as dt
start, end = dt.datetime(2015, 1, 1), dt.datetime.today()
series = {
"DGS10": "米10年債利回り",
"DGS2": "米2年債利回り",
"VIXCLS": "VIX指数",
"DEXJPUS": "ドル円",
"T10Y2Y": "長短金利差",
}
macro = web.DataReader(list(series), "fred", start, end).rename(columns=series)
print(macro.tail())APIキー不要で、金利・為替・VIXなどのマクロ指標がまとめて取れます。個別株の予測モデルに外部変数を足したいとき、いちばん手軽な供給源です。
Stooq（日本株の長期日足）
def fetch_stooq(code: str, start="2000-01-01") -> pd.DataFrame:
"""Stooqの日本株は '7203.JP' 形式。降順で返るので並べ替える。"""
df = web.DataReader(f"{code}.JP", "stooq", start)
return df.sort_index()
try:
s = fetch_stooq("7203")
print(f"Stooq: {s.index[0].date()} 〜 {s.index[-1].date()} {len(s)}行")
except Exception as e:
print("Stooqから取得できませんでした:", e)Stooqは無料・APIキー不要で、日本株の長期日足が取れます。yfinanceが不調なときの代替として持っておくと安心です。ただし非公式であることと、銘柄によって欠落があることには注意してください。取得結果が日付の降順で返る点も、そのまま使うと事故ります。
Alpha Vantage：無料枠では厳しい
公式APIで安定性は高いのですが、無料枠の制限が実用に耐えません。
- 1日25リクエスト（毎分5リクエストまで）
outputsize=fullは有料プラン限定。無料では直近100本しか取れない- 米国のリアルタイム／15分遅延データも有料
- 日本株は
.Tで指定できるが、取得できない銘柄がある
100本＝約5ヶ月ぶんです。これでバックテストはできません。また、25銘柄を1回ずつ取っただけで1日の枠を使い切ります。有料プランは月49.99ドルからで、日本株が主目的ならJ-Quantsのライトプラン（月1,650円）のほうが圧倒的に有利です。
import requests
def fetch_alpha(symbol: str, api_key: str) -> pd.DataFrame:
r = requests.get("https://www.alphavantage.co/query", timeout=30, params={
"function": "TIME_SERIES_DAILY",
"symbol": symbol,
"outputsize": "compact", # full は有料プランのみ
"apikey": api_key,
})
data = r.json()
# 制限に達すると 200 で Note / Information が返る。例外にならないので要確認
for key in ("Note", "Information", "Error Message"):
if key in data:
raise RuntimeError(f"{key}: {data[key]}")
df = pd.DataFrame(data["Time Series (Daily)"]).T.astype(float)
df.index = pd.to_datetime(df.index)
df.columns = ["Open", "High", "Low", "Close", "Volume"]
return df.sort_index()このエラーチェックが必須です。Alpha Vantageは制限に達してもHTTPステータス200を返し、本文にNoteやInformationを入れて返します。素朴にdata["Time Series (Daily)"]を読むとKeyErrorになり、原因が分かりません。
財務データはEDINETから
意外と知られていませんが、金融庁のEDINET APIは無料・登録のみで、有価証券報告書や四半期報告書の原本（XBRL）が取得できます。yfinanceの財務データは日本株では欠損が多いので、真面目にやるならこちらです。
def edinet_documents(date: str, api_key: str) -> pd.DataFrame:
"""指定日に提出された書類の一覧を取得する。"""
r = requests.get(
"https://api.edinet-fsa.go.jp/api/v2/documents.json",
params={"date": date, "type": 2, "Subscription-Key": api_key},
timeout=30)
r.raise_for_status()
docs = pd.DataFrame(r.json().get("results", []))
if docs.empty:
return docs
return docs[["docID", "filerName", "docDescription",
"secCode", "submitDateTime"]]ただし、XBRLの解析はそれなりに手間がかかります。「決算数値を正確に押さえたい」という段階に来てから取り組めば十分です。
複数ソースを突き合わせて検品する
どのソースにも欠損や誤りがあります。重要な分析の前に、2つのソースを突き合わせるのが安全です。
import numpy as np
def cross_check(code: str = "7203") -> None:
a = fetch_yf(f"{code}.T", period="5y")["Close"]
try:
b = fetch_stooq(code)["Close"]
except Exception as e:
print("比較先が取得できません:", e)
return
both = pd.DataFrame({"yf": a, "stooq": b}).dropna()
if both.empty:
print("共通の日付がありません")
return
# 調整方法が違うと水準がずれるので、リターンで比べる
ra, rb = both["yf"].pct_change(), both["stooq"].pct_change()
diff = (ra - rb).abs()
print(f"共通日数 : {len(both)}")
print(f"リターン相関 : {ra.corr(rb):.6f}")
print(f"日次差の中央値 : {diff.median() * 100:.4f}%")
print(f"0.5%以上ずれた日: {int((diff > 0.005).sum())}日")
if (diff > 0.005).sum() > 0:
print(diff.sort_values(ascending=False).head(5))
cross_check()水準ではなくリターンで比較するのがコツです。分割や配当の調整方法が違えば価格の水準はずれますが、日々のリターンは一致するはずです。相関が0.999を下回るなら、どちらかにデータの欠陥があります。
ずれた日のリストを見ると、たいてい株式分割の前後か特別配当の権利落ち日です。そこを確認すれば、どちらのソースが正しいか判断できます。
現実的な組み合わせ
1つに絞る必要はありません。自分は次のように使い分けています。
| 段階 | 使うもの | 理由 |
|---|---|---|
| アイデアを試す | yfinance | 1行で書ける |
| 本格的な検証 | J-Quants（無料） | 全銘柄・生存バイアス回避 |
| 外部変数を足す | FRED | 金利・VIX・為替が無料 |
| データ検品 | Stooq | 突き合わせ用の第2ソース |
| 運用シグナル | J-Quants（ライト） | 遅延なし・安定 |
| 発注 | 証券会社API | ほかに手段がない |
大事なのは、取得処理を関数の裏に隠しておくことです。fetch(ticker, period)という共通の入口を1つ作っておけば、ソースを乗り換えるときに分析コードを触らずに済みます。yfinanceの仕様変更で全スクリプトが止まった経験があると、この設計のありがたみが分かります。
まとめ
- 学習はyfinance。1行で書けるのが最大の価値。ただし壊れる前提で使う
- 日本株の本気の検証はJ-Quants。無料プランでも全上場銘柄と決算予定日が取れる
- Alpha Vantageの無料枠は使えない。25回/日、直近100本のみ
- pandas-datareaderはFREDとStooqのために残しておく
- 財務データの原本が要るならEDINET API
- 重要な分析の前に2ソースをリターンで突き合わせる
データの質は分析の質の上限を決めます。無料で始められる選択肢が揃っているので、まずyfinanceで手を動かし、真剣に検証する段になったらJ-Quantsに登録する。この順番がおすすめです。
