2025-03-14 15:47:19 +09:00
|
|
|
import numpy as np
|
|
|
|
|
import matplotlib.pyplot as plt
|
|
|
|
|
import seaborn as sns
|
2025-03-29 19:17:49 +09:00
|
|
|
from streamlit_quant import quantcommon
|
|
|
|
|
|
2025-03-14 15:47:19 +09:00
|
|
|
|
|
|
|
|
# 퀄리티(우량주) 포트폴리오. 영업수익성이 높은 주식
|
|
|
|
|
def get_quality_top(count):
|
|
|
|
|
qc = quantcommon.QuantCommon()
|
|
|
|
|
ticker_list = qc.get_ticker_list()
|
|
|
|
|
fs_list = qc.get_fs_list()
|
|
|
|
|
|
|
|
|
|
fs_list = fs_list.sort_values(['종목코드', '계정', '기준일'])
|
|
|
|
|
# TTM 값을 구하기 위해서 rolling() 메소드를 통해 4분기 합 구함. 4분기 데이터가 없는 경우 제외하기 위해서 min_periods=4
|
|
|
|
|
fs_list['ttm'] = fs_list.groupby(['종목코드', '계정'], as_index=False)['값'].rolling(
|
|
|
|
|
window=4, min_periods=4).sum()['값']
|
|
|
|
|
fs_list_clean = fs_list.copy()
|
|
|
|
|
# 자산과 자본은 재무상태표 항목이므로 합이 아닌 평균을 구하며, 나머지 항목은 합을 그대로 사용
|
|
|
|
|
fs_list_clean['ttm'] = np.where(fs_list_clean['계정'].isin(['자산', '자본']),
|
|
|
|
|
fs_list_clean['ttm'] / 4, fs_list_clean['ttm'])
|
|
|
|
|
# tail(1)을 통해 종목코드와 계정별 최근 데이터만 선택
|
|
|
|
|
fs_list_clean = fs_list_clean.groupby(['종목코드', '계정']).tail(1)
|
|
|
|
|
|
|
|
|
|
fs_list_pivot = fs_list_clean.pivot(index='종목코드', columns='계정', values='ttm')
|
|
|
|
|
# 수익성 지표에 해당하는 ROE, GPA, CFO 계산
|
|
|
|
|
fs_list_pivot['ROE'] = fs_list_pivot['당기순이익'] / fs_list_pivot['자본']
|
|
|
|
|
fs_list_pivot['GPA'] = fs_list_pivot['매출총이익'] / fs_list_pivot['자산']
|
|
|
|
|
fs_list_pivot['CFO'] = fs_list_pivot['영업활동으로인한현금흐름'] / fs_list_pivot['자산']
|
|
|
|
|
|
|
|
|
|
# 티커 테이블과 합침
|
|
|
|
|
quality_list = ticker_list[['종목코드', '종목명']].merge(fs_list_pivot,
|
|
|
|
|
how='left',
|
|
|
|
|
on='종목코드')
|
|
|
|
|
# quality_list.round(count).head()
|
|
|
|
|
|
|
|
|
|
quality_list_copy = quality_list[['ROE', 'GPA', 'CFO']].copy()
|
|
|
|
|
quality_rank = quality_list_copy.rank(ascending=False, axis=0)
|
|
|
|
|
|
|
|
|
|
mask = np.triu(quality_rank.corr())
|
|
|
|
|
fig, ax = plt.subplots(figsize=(10, 6))
|
|
|
|
|
sns.heatmap(quality_rank.corr(),
|
|
|
|
|
annot=True,
|
|
|
|
|
mask=mask,
|
|
|
|
|
annot_kws={"size": 16},
|
|
|
|
|
vmin=0,
|
|
|
|
|
vmax=1,
|
|
|
|
|
center=0.5,
|
|
|
|
|
cmap='coolwarm',
|
|
|
|
|
square=True)
|
|
|
|
|
ax.invert_yaxis()
|
|
|
|
|
|
|
|
|
|
# 위에서 구한 3개 지표들의 순위를 더한 후 다시 순위를 매김
|
|
|
|
|
quality_sum = quality_rank.sum(axis=1, skipna=False).rank()
|
|
|
|
|
# 최종 순위가 낮은 종목 선택
|
|
|
|
|
return quality_list.loc[quality_sum <= count, ['종목코드', '종목명', 'ROE', 'GPA', 'CFO']].round(4)
|
|
|
|
|
|
|
|
|
|
if __name__ == '__main__':
|
|
|
|
|
print(get_quality_top(20))
|
