매크로 대시보드는 가장 중요한 중앙 은행 및 경제 지표를 한 곳에 배치하여 데이터 터미널 사이에 반등하는 대신 몇 초 만에 시장 조건을 스캔 할 수 있습니다. 이 가이드는 파이썬에서 완전히 인터랙티브, 멀티 패널 대시 보드를 구축하는 과정을 안내합니다. 다, 그리고 을 음모로모든 패널은 하나의 API 키와 몇 개의 함수 호출에서 업데이트됩니다.

당신 이 건축 할 것

A self-contained Python script that pulls policy rates, inflation, unemployment, and PMI for four major FX currencies (USD, EUR, GBP, AUD), assembles a clean pandas DataFrame for each indicator, and renders a four-panel Plotly dashboard — all in under 150 lines of code.

필수 조건

시작 하기 전 에 다음 과 같은 것 들 이 필요 합니다.

파이썬 3.9+
FXMacroData API 키 등록하세요 / 가입 그리고 대시보드에서 키를 복사
파이썬 패키지 requests pandas plotly

하나의 명령어로 의존성을 설치합니다:

pip install requests pandas plotly

환경 변수로 API 키를 저장합니다. 스크립트에서 하드 코드 인증서를 절대 저장하지 마십시오.

export FXMD_API_KEY="YOUR_API_KEY"

단계 1 지표 최종점 형태를 이해

모든 FXMacroData 지표는 동일한 REST 패턴을 따르고, 이는 단일 가져오는 함수로 일반화하는 것이 사소한 것으로 보입니다. USD에 대한 정책율 요청은 다음과 같습니다:

GET https://fxmacrodata.com/api/v1/announcements/usd/policy_rate?api_key=YOUR_API_KEY&start=2020-01-01

JSON 응답은 와 같은 평면 객체입니다. data 배열:

{
  "data": [
    { "date": "2025-03-19", "val": 4.25, "announcement_datetime": "2025-03-19T18:00:00Z" },
    { "date": "2025-01-29", "val": 4.25, "announcement_datetime": "2025-01-29T19:00:00Z" },
    { "date": "2024-12-18", "val": 4.25, "announcement_datetime": "2024-12-18T19:00:00Z" }
  ]
}

모든 레코드는 date (YYY-MM-DD), 숫자 val, 그리고 가능한 경우 두 번째 수준의 UTC announcement_datetime모든 지표의 일관된 형태가 하나의 기능이 대시보드의 모든 패널에 서비스를 제공하도록 합니다.

단계 2 재사용 가능한 가져오기 함수를 작성

란 모듈을 만들자 macro_fetch.py아래 함수는 어떤 통화에 대한 모든 지표를 요청하고, 응답을 판다 시리즈로 변환하고, 날짜에 의해 인덱스 된 것을 반환합니다.

import os
import requests
import pandas as pd

BASE_URL = "https://fxmacrodata.com/api/v1"
API_KEY = os.environ["FXMD_API_KEY"]


def fetch_indicator(currency: str, indicator: str, start: str = "2020-01-01") -> pd.Series:
    """
    Fetch a single indicator series from FXMacroData and return it as a
    pandas Series with a DatetimeIndex, named '{currency.upper()}_{indicator}'.
    """
    url = f"{BASE_URL}/announcements/{currency}/{indicator}"
    resp = requests.get(url, params={"api_key": API_KEY, "start": start}, timeout=15)
    resp.raise_for_status()

    records = resp.json().get("data", [])
    if not records:
        return pd.Series(name=f"{currency.upper()}_{indicator}", dtype=float)

    series = (
        pd.DataFrame(records)
        .assign(date=lambda df: pd.to_datetime(df["date"]))
        .set_index("date")["val"]
        .sort_index()
        .rename(f"{currency.upper()}_{indicator}")
    )
    return series

왜 하나의 지표에 따라 시리즈를 선택해야 할까요?

다른 통화에서 표시자는 다른 날짜에 출시됩니다. 그래서 그들은 절대 완벽하게 정렬 된 인덱스를 공유하지 않습니다. 각각의 별도의 시리즈로 저장하고 와 함께 결합 pd.concat(..., axis=1) 칸다가 날짜 정렬을 자동으로 처리하도록 합니다. NaN 아직 보고되지 않은 통화입니다.

단계 3 대시보드에 있는 모든 지표를 가져오

가져오기 보조자가 설치되어 있으면, 네 개의 통화에 대한 네 개의 지표를 뽑는 것은 간결한 루프입니다. 일시적인 네트워크 고개를 처리하기 위해 작은 재시험 포장을 추가합니다:

import time

CURRENCIES = ["usd", "eur", "gbp", "aud"]
INDICATORS = {
    "policy_rate": "Policy Rate (%)",
    "inflation": "CPI Inflation (% YoY)",
    "unemployment": "Unemployment Rate (%)",
    "pmi": "Manufacturing PMI",
}


def fetch_all(start: str = "2020-01-01", retries: int = 3) -> dict[str, pd.DataFrame]:
    """
    Return a dict mapping each indicator slug to a wide DataFrame where
    each column is one currency (e.g. USD_policy_rate, EUR_policy_rate).
    """
    frames: dict[str, list[pd.Series]] = {ind: [] for ind in INDICATORS}

    for currency in CURRENCIES:
        for indicator in INDICATORS:
            for attempt in range(retries):
                try:
                    s = fetch_indicator(currency, indicator, start=start)
                    frames[indicator].append(s)
                    break
                except requests.HTTPError as exc:
                    if attempt == retries - 1:
                        print(f"Warning: could not fetch {currency}/{indicator}: {exc}")
                    else:
                        time.sleep(1.5 ** attempt)

    return {ind: pd.concat(series, axis=1) for ind, series in frames.items() if series}

렌더링 전에 데이터의 모양을 확인하기 위해 어떤 데이터 프레임을 상호 작용적으로 검사할 수 있습니다:

data = fetch_all(start="2021-01-01")
print(data["policy_rate"].tail())
# Output (example):
#             USD_policy_rate  EUR_policy_rate  GBP_policy_rate  AUD_policy_rate
# date
# 2025-01-29             4.25              NaN              NaN              NaN
# 2025-02-06              NaN              NaN             4.50              NaN
# 2025-02-18              NaN              NaN              NaN             4.10
# 2025-03-06              NaN             2.50              NaN              NaN
# 2025-03-19             4.25              NaN              NaN              NaN

단계 4 차트 작성 자료를 구성

음모가 가장 잘 작동합니다 전면 채우기 라인 차트에 대한 시리즈, 그래서 가장 최근에 알려진 값은 다음 출시까지 전진합니다. 차트 만들기 전에 전진 채우는 단계를 추가합니다:

def prepare_for_chart(df: pd.DataFrame) -> pd.DataFrame:
    """
    Forward-fill each column so lines in the chart step at each release date
    rather than showing gaps between announcements.
    Resample to a monthly frequency for a cleaner visual.
    """
    return (
        df
        .ffill()
        .resample("ME")      # month-end
        .last()
        .dropna(how="all")
    )

월간 지표인 PMI의 경우, 전속 채우는 것이 덜 중요하지만, 기능은 이미 달별 데이터를 변경하지 않고 단순히 전달함으로써 우아하게 처리합니다.

5단계 플롯리 대시보드를 구축

리 make_subplots 이 유틸리티는 하나의 도형 객체에 여러 도표를 배치할 수 있습니다. 브라우저에서 표시하거나 HTML로 내보낼 수 있습니다

import plotly.graph_objects as go
from plotly.subplots import make_subplots

# Palette aligned with FXMacroData brand colours
COLORS = {
    "usd": "#3B82F6",   # finance blue
    "eur": "#D97706",   # gold
    "gbp": "#16A34A",   # green
    "aud": "#7C3AED",   # purple
}

SUBPLOT_TITLES = list(INDICATORS.values())


def build_dashboard(data: dict[str, pd.DataFrame]) -> go.Figure:
    fig = make_subplots(
        rows=2, cols=2,
        subplot_titles=SUBPLOT_TITLES,
        shared_xaxes=False,
        vertical_spacing=0.12,
        horizontal_spacing=0.08,
    )

    positions = [(1, 1), (1, 2), (2, 1), (2, 2)]

    for (indicator, label), (row, col) in zip(INDICATORS.items(), positions):
        df = prepare_for_chart(data[indicator])
        for col_name in df.columns:
            currency = col_name.split("_")[0].lower()
            fig.add_trace(
                go.Scatter(
                    x=df.index,
                    y=df[col_name],
                    mode="lines",
                    name=currency.upper(),
                    line=dict(color=COLORS[currency], width=2),
                    legendgroup=currency,
                    showlegend=(indicator == "policy_rate"),  # one legend entry per currency
                    hovertemplate=f"%{{x|%b %Y}}: %{{y:.2f}}{통화.올라기 (upper)) }",
                ),
                row=row, col=col,
            )

    fig.update_layout(
        title=dict(
            text="G4 Central Bank Macro Dashboard",
            font=dict(size=22, color="#1e3a5f"),
            x=0.5,
        ),
        paper_bgcolor="#f8fafc",
        plot_bgcolor="#f1f5f9",
        font=dict(family="Inter, system-ui, sans-serif", size=12, color="#334155"),
        legend=dict(
            orientation="h",
            yanchor="bottom",
            y=1.04,
            xanchor="center",
            x=0.5,
        ),
        height=700,
        margin=dict(t=100, b=50, l=60, r=40),
    )

    fig.update_xaxes(showgrid=True, gridcolor="#e2e8f0", zeroline=False)
    fig.update_yaxes(showgrid=True, gridcolor="#e2e8f0", zeroline=False)

    return fig

단계 6 대시보드를 실행

모든 것을 연결시켜 dashboard.py 입력 포인트 스크립트 fig.show() 기본 브라우저에서 대시보드를 열고, fig.write_html() 자율적인 HTML 파일을 저장하여 어디서나 공유하거나 임베스트할 수 있습니다.

if __name__ == "__main__":
    print("Fetching macro data …")
    data = fetch_all(start="2021-01-01")

    print("Building dashboard …")
    fig = build_dashboard(data)

    # Option A: open in browser
    fig.show()

    # Option B: save as portable HTML file
    fig.write_html("macro_dashboard.html", include_plotlyjs="cdn")
    print("Saved macro_dashboard.html")

터미널에서 실행해

python dashboard.py

플롯리는 네 개의 라이브 패널과 함께 두 줄, 두 열의 대시보드를 보여주는 브라우저 창을 열 것입니다. 각 지표에 한 개의 색상 코딩을 통해 통화로 표시됩니다.

더 많은 지표를 초 내에 추가합니다.

대시보드는 확장할 수 있도록 설계되었습니다. INDICATORS 예를 들어, "core_inflation": "Core CPI (% YoY)" 아니면 "gdp_quarterly": "GDP Growth (% QoQ)" 및 검색, 모양 및 차트 단계 모두 자동으로 검색합니다. 전체 지표 카탈로그는 API 문서-

단계 7 출시 시간 에 대한 설명 을 추가 (선택)

가장 유용한 대시보드 개선 중 하나는 겹치는 것입니다. 방출 표시기 각 발표가 정확히 언제 이루어졌는지 보여주는 수직선이나 점. FXMacroData는 두 번째 레벨을 가지고 있습니다. announcement_datetime 시간표, 그래서 당신은 어떤 추측없이 그들을 추가 할 수 있습니다:

def fetch_release_datetimes(currency: str, indicator: str, start: str) -> pd.Series:
    """Return a Series of UTC announcement datetimes for a given indicator."""
    url = f"{BASE_URL}/announcements/{currency}/{indicator}"
    resp = requests.get(url, params={"api_key": API_KEY, "start": start}, timeout=15)
    resp.raise_for_status()
    records = resp.json().get("data", [])
    if not records:
        return pd.Series(dtype="datetime64[ns, UTC]")
    df = pd.DataFrame(records)
    if "announcement_datetime" not in df.columns:
        return pd.Series(dtype="datetime64[ns, UTC]")
    return pd.to_datetime(df["announcement_datetime"], utc=True)


def add_release_markers(fig: go.Figure, currency: str, indicator: str,
                         start: str, row: int, col: int) -> None:
    """Overlay vertical dashed lines on a subplot at each release datetime."""
    datetimes = fetch_release_datetimes(currency, indicator, start)
    for dt in datetimes:
        fig.add_vline(
            x=dt.timestamp() * 1000,  # Plotly uses ms since epoch for datetime axes
            line_width=1,
            line_dash="dot",
            line_color=COLORS[currency],
            opacity=0.35,
            row=row, col=col,
        )

전화해 add_release_markers 그 후 build_dashboard 그리고 그 전에도 fig.show() 분석에 가장 관련 있는 패널을 설명할 수 있습니다. 릴리스 마커는 정책금리 패널에서 특히 유용합니다. 결정 날짜가 드물지만 큰 영향을 미치는 경우입니다.

단계 8 개별 이미지로 패널을 내보낼 수 있습니다

만약 당신이 보고 또는 슬라이드 데크에 개별 차트를 포함하고 싶다면, 플롯리는 각 하위 플롯을 PNG로 엑스포트할 수 있습니다. 카레이도

pip install kaleido

fig.write_image("macro_dashboard.png", width=1400, height=700, scale=2)

패널별 수출에 대해 각 지표가 독립적으로 만들어집니다. go.Figure 같은 것을 사용해서 go.Scatter 추적하고 전화 write_image 이전 단계에서 개발 된 가져와 모양 기능은 단일 패널 인자에 대해 변경되지 않습니다.

전체 스크립트 참조

아래는 전체, 자율적인 스크립트입니다. 위의 모든 단계를 결합합니다. dashboard.py FXMD_API_KEY그리고 실행해

"""
macro_dashboard.py — G4 Central Bank Macro Dashboard
Requires: requests, pandas, plotly
Usage:    FXMD_API_KEY=your_key python macro_dashboard.py
"""
import os
import time
import requests
import pandas as pd
import plotly.graph_objects as go
from plotly.subplots import make_subplots

BASE_URL = "https://fxmacrodata.com/api/v1"
API_KEY = os.environ["FXMD_API_KEY"]

CURRENCIES = ["usd", "eur", "gbp", "aud"]
INDICATORS = {
    "policy_rate": "Policy Rate (%)",
    "inflation": "CPI Inflation (% YoY)",
    "unemployment": "Unemployment Rate (%)",
    "pmi": "Manufacturing PMI",
}
COLORS = {"usd": "#3B82F6", "eur": "#D97706", "gbp": "#16A34A", "aud": "#7C3AED"}


def fetch_indicator(currency: str, indicator: str, start: str = "2020-01-01") -> pd.Series:
    url = f"{BASE_URL}/announcements/{currency}/{indicator}"
    resp = requests.get(url, params={"api_key": API_KEY, "start": start}, timeout=15)
    resp.raise_for_status()
    records = resp.json().get("data", [])
    if not records:
        return pd.Series(name=f"{currency.upper()}_{indicator}", dtype=float)
    return (
        pd.DataFrame(records)
        .assign(date=lambda df: pd.to_datetime(df["date"]))
        .set_index("date")["val"]
        .sort_index()
        .rename(f"{currency.upper()}_{indicator}")
    )


def fetch_all(start: str = "2020-01-01", retries: int = 3) -> dict[str, pd.DataFrame]:
    frames: dict[str, list[pd.Series]] = {ind: [] for ind in INDICATORS}
    for currency in CURRENCIES:
        for indicator in INDICATORS:
            for attempt in range(retries):
                try:
                    frames[indicator].append(fetch_indicator(currency, indicator, start))
                    break
                except requests.HTTPError as exc:
                    if attempt == retries - 1:
                        print(f"Warning: {currency}/{indicator}: {exc}")
                    else:
                        time.sleep(1.5 ** attempt)
    return {ind: pd.concat(series, axis=1) for ind, series in frames.items() if series}


def prepare_for_chart(df: pd.DataFrame) -> pd.DataFrame:
    return df.ffill().resample("ME").last().dropna(how="all")


def build_dashboard(data: dict[str, pd.DataFrame]) -> go.Figure:
    fig = make_subplots(
        rows=2, cols=2,
        subplot_titles=list(INDICATORS.values()),
        vertical_spacing=0.12,
        horizontal_spacing=0.08,
    )
    for (indicator, _), (row, col) in zip(INDICATORS.items(), [(1,1),(1,2),(2,1),(2,2)]):
        df = prepare_for_chart(data[indicator])
        for col_name in df.columns:
            currency = col_name.split("_")[0].lower()
            fig.add_trace(
                go.Scatter(
                    x=df.index, y=df[col_name], mode="lines",
                    name=currency.upper(),
                    line=dict(color=COLORS[currency], width=2),
                    legendgroup=currency,
                    showlegend=(indicator == "policy_rate"),
                    hovertemplate=f"%{{x|%b %Y}}: %{{y:.2f}}{통화.올라기 (upper)) }",
                ),
                row=row, col=col,
            )
    fig.update_layout(
        title=dict(text="G4 Central Bank Macro Dashboard", font=dict(size=22, color="#1e3a5f"), x=0.5),
        paper_bgcolor="#f8fafc", plot_bgcolor="#f1f5f9",
        font=dict(family="Inter, system-ui, sans-serif", size=12),
        legend=dict(orientation="h", yanchor="bottom", y=1.04, xanchor="center", x=0.5),
        height=700, margin=dict(t=100, b=50, l=60, r=40),
    )
    fig.update_xaxes(showgrid=True, gridcolor="#e2e8f0", zeroline=False)
    fig.update_yaxes(showgrid=True, gridcolor="#e2e8f0", zeroline=False)
    return fig


if __name__ == "__main__":
    print("Fetching macro data …")
    data = fetch_all(start="2021-01-01")
    print("Building dashboard …")
    fig = build_dashboard(data)
    fig.show()
    fig.write_html("macro_dashboard.html", include_plotlyjs="cdn")
    print("Saved macro_dashboard.html")

요약

이제 작동하는 매크로 대시보드가 있습니다.

정책금, 인플레이션, 실업, PMI를 USD, EUR, GBP, AUD에서 가져옵니다. FXMacroData 발표 최종점
데이터를 정렬, 앞으로 채워진 판다로 재구성합니다.
Renders a four-panel interactive Plotly dashboard with colour-coded currency lines
공유하거나 임베드할 수 있는 HTML 파일을 내보냅니다

여기서 여러 방향으로 대시보드를 확장할 수 있습니다. 더 많은 통화를 추가하고, 덮어 놓습니다. 실업 두 개의 축에 PMI에 대 한, 또는 HTML 수출을 매일 아침 갱신 하는 일정에 데이터를 전선. 무역 균형, 신용 성장 및 COT 위치 포함 전체 지표 카탈로그 에서 사용할 수 있습니다. api-data-docs-

How to Build a Macro Dashboard in Python with pandas & Plotly