This commit is contained in:
parent
57ba71cb3b
commit
218bf72874
@ -1,81 +0,0 @@
|
||||
# 패키지 불러오기
|
||||
import numpy as np
|
||||
import pandas as pd
|
||||
|
||||
from streamlit_quant import quantcommon
|
||||
|
||||
# DB 연결
|
||||
common = quantcommon.QuantCommon()
|
||||
engine = common.create_engine()
|
||||
con = common.connect()
|
||||
|
||||
mycursor = con.cursor()
|
||||
# 가치 지표 계산
|
||||
# 분기 재무제표 불러오기
|
||||
kor_fs = pd.read_sql("""
|
||||
select * from kor_fs
|
||||
where 공시구분 = 'q'
|
||||
and 계정 in ('당기순이익', '자본', '영업활동으로인한현금흐름', '매출액');
|
||||
""", con=engine)
|
||||
|
||||
# 티커 리스트 불러오기
|
||||
ticker_list = pd.read_sql("""
|
||||
select * from kor_ticker
|
||||
where 기준일 = (select max(기준일) from kor_ticker)
|
||||
and 종목구분 = '보통주';
|
||||
""", con=engine)
|
||||
|
||||
engine.dispose()
|
||||
|
||||
# TTM 구하기
|
||||
kor_fs = kor_fs.sort_values(['종목코드', '계정', '기준일'])
|
||||
kor_fs['ttm'] = kor_fs.groupby(['종목코드', '계정'], as_index=False)['값'].rolling(
|
||||
window=4, min_periods=4).sum()['값']
|
||||
|
||||
# 자본은 평균 구하기
|
||||
kor_fs['ttm'] = np.where(kor_fs['계정'] == '자본', kor_fs['ttm'] / 4,
|
||||
kor_fs['ttm'])
|
||||
kor_fs = kor_fs.groupby(['계정', '종목코드']).tail(1)
|
||||
|
||||
kor_fs_merge = kor_fs[['계정', '종목코드',
|
||||
'ttm']].merge(ticker_list[['종목코드', '시가총액', '기준일']],
|
||||
on='종목코드')
|
||||
kor_fs_merge['시가총액'] = kor_fs_merge['시가총액'] / 100000000
|
||||
|
||||
kor_fs_merge['value'] = kor_fs_merge['시가총액'] / kor_fs_merge['ttm']
|
||||
kor_fs_merge['value'] = kor_fs_merge['value'].round(4)
|
||||
kor_fs_merge['지표'] = np.where(
|
||||
kor_fs_merge['계정'] == '매출액', 'PSR',
|
||||
np.where(
|
||||
kor_fs_merge['계정'] == '영업활동으로인한현금흐름', 'PCR',
|
||||
np.where(kor_fs_merge['계정'] == '자본', 'PBR',
|
||||
np.where(kor_fs_merge['계정'] == '당기순이익', 'PER', None))))
|
||||
|
||||
kor_fs_merge.rename(columns={'value': '값'}, inplace=True)
|
||||
kor_fs_merge = kor_fs_merge[['종목코드', '기준일', '지표', '값']]
|
||||
kor_fs_merge = kor_fs_merge.replace([np.inf, -np.inf, np.nan], None)
|
||||
|
||||
query = """
|
||||
insert into kor_value (종목코드, 기준일, 지표, 값)
|
||||
values (%s,%s,%s,%s) as new
|
||||
on duplicate key update
|
||||
값=new.값
|
||||
"""
|
||||
|
||||
args_fs = kor_fs_merge.values.tolist()
|
||||
mycursor.executemany(query, args_fs)
|
||||
con.commit()
|
||||
|
||||
ticker_list['값'] = ticker_list['주당배당금'] / ticker_list['종가']
|
||||
ticker_list['값'] = ticker_list['값'].round(4)
|
||||
ticker_list['지표'] = 'DY'
|
||||
dy_list = ticker_list[['종목코드', '기준일', '지표', '값']]
|
||||
dy_list = dy_list.replace([np.inf, -np.inf, np.nan], None)
|
||||
dy_list = dy_list[dy_list['값'] != 0]
|
||||
|
||||
args_dy = dy_list.values.tolist()
|
||||
mycursor.executemany(query, args_dy)
|
||||
con.commit()
|
||||
|
||||
engine.dispose()
|
||||
con.close()
|
||||
@ -1,112 +0,0 @@
|
||||
import re
|
||||
|
||||
import pandas as pd
|
||||
import requests as rq
|
||||
from bs4 import BeautifulSoup
|
||||
|
||||
from streamlit_quant import quantcommon
|
||||
|
||||
# DB 연결
|
||||
common = quantcommon.QuantCommon()
|
||||
engine = common.create_engine()
|
||||
con = common.connect()
|
||||
|
||||
mycursor = con.cursor()
|
||||
|
||||
# 재무제표 크롤링
|
||||
# 티커리스트 불러오기
|
||||
ticker_list = pd.read_sql("""
|
||||
select * from kor_ticker
|
||||
where 기준일 = (select max(기준일) from kor_ticker)
|
||||
and 종목구분 = '보통주';
|
||||
""", con=engine)
|
||||
|
||||
# DB 저장 쿼리
|
||||
query = """
|
||||
insert into kor_fs (계정, 기준일, 값, 종목코드, 공시구분)
|
||||
values (%s,%s,%s,%s,%s) as new
|
||||
on duplicate key update
|
||||
값=new.값
|
||||
"""
|
||||
|
||||
# 오류 발생시 저장할 리스트 생성
|
||||
error_list = []
|
||||
|
||||
|
||||
# 재무제표 클렌징 함수
|
||||
def clean_fs(df, ticker, frequency):
|
||||
|
||||
df = df[~df.loc[:, ~df.columns.isin(['계정'])].isna().all(axis=1)]
|
||||
df = df.drop_duplicates(['계정'], keep='first')
|
||||
df = pd.melt(df, id_vars='계정', var_name='기준일', value_name='값')
|
||||
df = df[~pd.isnull(df['값'])]
|
||||
df['계정'] = df['계정'].replace({'계산에 참여한 계정 펼치기': ''}, regex=True)
|
||||
print(df)
|
||||
df['기준일'] = pd.to_datetime(df['기준일'],
|
||||
format='%Y/%m') + pd.tseries.offsets.MonthEnd()
|
||||
df['종목코드'] = ticker
|
||||
df['공시구분'] = frequency
|
||||
|
||||
return df
|
||||
|
||||
|
||||
i = 0
|
||||
ticker = ticker_list['종목코드'][i]
|
||||
|
||||
try:
|
||||
# url 생성
|
||||
url = f'https://comp.fnguide.com/SVO2/ASP/SVD_Finance.asp?pGB=1&gicode=A{ticker}'
|
||||
|
||||
# 데이터 받아오기
|
||||
data = pd.read_html(url, displayed_only=False)
|
||||
|
||||
# print([item.head(3) for item in data])
|
||||
# 연간 데이터
|
||||
data_fs_y = pd.concat([
|
||||
data[0].iloc[:, ~data[0].columns.str.contains('전년동기')], data[2],
|
||||
data[4]
|
||||
])
|
||||
data_fs_y = data_fs_y.rename(columns={data_fs_y.columns[0]: "계정"})
|
||||
|
||||
# 결산년 찾기
|
||||
page_data = rq.get(url)
|
||||
page_data_html = BeautifulSoup(page_data.content, 'html.parser')
|
||||
|
||||
fiscal_data = page_data_html.select('div.corp_group1 > h2')
|
||||
fiscal_data_text = fiscal_data[1].text
|
||||
fiscal_data_text = re.findall('[0-9]+', fiscal_data_text)
|
||||
|
||||
# 결산년에 해당하는 계정만 남기기
|
||||
data_fs_y = data_fs_y.loc[:, (data_fs_y.columns == '계정') | (
|
||||
data_fs_y.columns.str[-2:].isin(fiscal_data_text))]
|
||||
|
||||
# 클렌징
|
||||
data_fs_y_clean = clean_fs(data_fs_y, ticker, 'y')
|
||||
|
||||
# 분기 데이터
|
||||
data_fs_q = pd.concat([
|
||||
data[1].iloc[:, ~data[1].columns.str.contains('전년동기')], data[3],
|
||||
data[5]
|
||||
])
|
||||
data_fs_q = data_fs_q.rename(columns={data_fs_q.columns[0]: "계정"})
|
||||
|
||||
data_fs_q_clean = clean_fs(data_fs_q, ticker, 'q')
|
||||
|
||||
# 두개 합치기
|
||||
data_fs_bind = pd.concat([data_fs_y_clean, data_fs_q_clean])
|
||||
print(data_fs_bind.head(3))
|
||||
|
||||
# 재무제표 데이터를 DB에 저장
|
||||
args = data_fs_bind.values.tolist()
|
||||
mycursor.executemany(query, args)
|
||||
con.commit()
|
||||
|
||||
except Exception as e:
|
||||
|
||||
# 오류 발생시 해당 종목명을 저장하고 다음 루프로 이동
|
||||
print(e)
|
||||
error_list.append(ticker)
|
||||
|
||||
# DB 연결 종료
|
||||
engine.dispose()
|
||||
con.close()
|
||||
@ -1,120 +0,0 @@
|
||||
import re
|
||||
import time
|
||||
|
||||
import pandas as pd
|
||||
import requests as rq
|
||||
from bs4 import BeautifulSoup
|
||||
from tqdm import tqdm
|
||||
|
||||
from streamlit_quant import quantcommon
|
||||
|
||||
# src/current-financial-statement.py 로 개선
|
||||
# DB 연결
|
||||
common = quantcommon.QuantCommon()
|
||||
engine = common.create_engine()
|
||||
con = common.connect()
|
||||
|
||||
mycursor = con.cursor()
|
||||
|
||||
# 재무제표 크롤링
|
||||
# 티커리스트 불러오기
|
||||
ticker_list = pd.read_sql("""
|
||||
select * from kor_ticker
|
||||
where 기준일 = (select max(기준일) from kor_ticker)
|
||||
and 종목구분 = '보통주';
|
||||
""", con=engine)
|
||||
|
||||
# DB 저장 쿼리
|
||||
query = """
|
||||
insert into kor_fs (계정, 기준일, 값, 종목코드, 공시구분)
|
||||
values (%s,%s,%s,%s,%s) as new
|
||||
on duplicate key update
|
||||
값=new.값
|
||||
"""
|
||||
|
||||
# 오류 발생시 저장할 리스트 생성
|
||||
error_list = []
|
||||
|
||||
|
||||
# 재무제표 클렌징 함수
|
||||
def clean_fs(df, ticker, frequency):
|
||||
|
||||
df = df[~df.loc[:, ~df.columns.isin(['계정'])].isna().all(axis=1)]
|
||||
df = df.drop_duplicates(['계정'], keep='first')
|
||||
df = pd.melt(df, id_vars='계정', var_name='기준일', value_name='값')
|
||||
df = df[~pd.isnull(df['값'])]
|
||||
df['계정'] = df['계정'].replace({'계산에 참여한 계정 펼치기': ''}, regex=True)
|
||||
df['기준일'] = pd.to_datetime(df['기준일'],
|
||||
format='%Y/%m') + pd.tseries.offsets.MonthEnd()
|
||||
df['종목코드'] = ticker
|
||||
df['공시구분'] = frequency
|
||||
|
||||
return df
|
||||
|
||||
|
||||
# for loop
|
||||
for i in tqdm(range(0, len(ticker_list))):
|
||||
|
||||
# 티커 선택
|
||||
ticker = ticker_list['종목코드'][i]
|
||||
|
||||
# 오류 발생 시 이를 무시하고 다음 루프로 진행
|
||||
try:
|
||||
|
||||
# url 생성
|
||||
url = f'https://comp.fnguide.com/SVO2/ASP/SVD_Finance.asp?pGB=1&gicode=A{ticker}'
|
||||
|
||||
# 데이터 받아오기
|
||||
data = pd.read_html(url, displayed_only=False)
|
||||
|
||||
# 연간 데이터
|
||||
data_fs_y = pd.concat([
|
||||
data[0].iloc[:, ~data[0].columns.str.contains('전년동기')], data[2],
|
||||
data[4]
|
||||
])
|
||||
data_fs_y = data_fs_y.rename(columns={data_fs_y.columns[0]: "계정"})
|
||||
|
||||
# 결산년 찾기
|
||||
page_data = rq.get(url)
|
||||
page_data_html = BeautifulSoup(page_data.content, 'html.parser')
|
||||
|
||||
fiscal_data = page_data_html.select('div.corp_group1 > h2')
|
||||
fiscal_data_text = fiscal_data[1].text
|
||||
fiscal_data_text = re.findall('[0-9]+', fiscal_data_text)
|
||||
|
||||
# 결산년에 해당하는 계정만 남기기
|
||||
data_fs_y = data_fs_y.loc[:, (data_fs_y.columns == '계정') | (
|
||||
data_fs_y.columns.str[-2:].isin(fiscal_data_text))]
|
||||
|
||||
# 클렌징
|
||||
data_fs_y_clean = clean_fs(data_fs_y, ticker, 'y')
|
||||
|
||||
# 분기 데이터
|
||||
data_fs_q = pd.concat([
|
||||
data[1].iloc[:, ~data[1].columns.str.contains('전년동기')], data[3],
|
||||
data[5]
|
||||
])
|
||||
data_fs_q = data_fs_q.rename(columns={data_fs_q.columns[0]: "계정"})
|
||||
|
||||
data_fs_q_clean = clean_fs(data_fs_q, ticker, 'q')
|
||||
|
||||
# 두개 합치기
|
||||
data_fs_bind = pd.concat([data_fs_y_clean, data_fs_q_clean])
|
||||
|
||||
# 재무제표 데이터를 DB에 저장
|
||||
args = data_fs_bind.values.tolist()
|
||||
mycursor.executemany(query, args)
|
||||
con.commit()
|
||||
|
||||
except:
|
||||
|
||||
# 오류 발생시 해당 종목명을 저장하고 다음 루프로 이동
|
||||
print(ticker)
|
||||
error_list.append(ticker)
|
||||
|
||||
# 타임슬립 적용
|
||||
time.sleep(2)
|
||||
|
||||
# DB 연결 종료
|
||||
engine.dispose()
|
||||
con.close()
|
||||
@ -1,193 +0,0 @@
|
||||
import re
|
||||
import time
|
||||
from io import BytesIO
|
||||
|
||||
import numpy as np
|
||||
import pandas as pd
|
||||
import requests as rq
|
||||
from tqdm import tqdm
|
||||
from bs4 import BeautifulSoup
|
||||
from dotenv import load_dotenv
|
||||
from streamlit_quant import quantcommon
|
||||
|
||||
# src/current-stock.py 로 개선
|
||||
load_dotenv()
|
||||
|
||||
GEN_OTP_URL = 'http://data.krx.co.kr/comm/fileDn/GenerateOTP/generate.cmd'
|
||||
DOWN_URL = 'http://data.krx.co.kr/comm/fileDn/download_csv/download.cmd'
|
||||
|
||||
# 최근 영업일을 가져옴
|
||||
def get_latest_biz_day():
|
||||
url = 'https://finance.naver.com/sise/sise_deposit.nhn'
|
||||
data = rq.post(url)
|
||||
data_html = BeautifulSoup(data.content, 'lxml')
|
||||
parse_day = data_html.select_one('div.subtop_sise_graph2 > ul.subtop_chart_note > li > span.tah').text
|
||||
biz_day = re.findall('[0-9]+', parse_day)
|
||||
biz_day = ''.join(biz_day)
|
||||
return biz_day
|
||||
|
||||
|
||||
# 업종 분류 현황 가져옴
|
||||
def get_stock_data(biz_day, mkt_id):
|
||||
# logging.basicConfig(level=logging.DEBUG)
|
||||
gen_otp_data = {
|
||||
'locale': 'ko_KR',
|
||||
'mktId': mkt_id, # STK: 코스피, KSQ: 코스닥
|
||||
'trdDd': biz_day,
|
||||
'money': '1',
|
||||
'csvxls_isNo': 'false',
|
||||
'name': 'fileDown',
|
||||
'url': 'dbms/MDC/STAT/standard/MDCSTAT03901'
|
||||
}
|
||||
headers = {
|
||||
'Referer': 'http://data.krx.co.kr/contents/MDC/MDI/mdiLoader/index.cmd?menuId=MDC0201050201',
|
||||
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/131.0.0.0 Safari/537.36'
|
||||
}
|
||||
|
||||
otp = rq.post(url=GEN_OTP_URL, data=gen_otp_data, headers=headers, verify=False)
|
||||
# # 요청 디버깅
|
||||
# print("===== Request Details =====")
|
||||
# print(f"Method: {otp.request.method}")
|
||||
# print(f"URL: {otp.request.url}")
|
||||
# print(f"Headers: {otp.request.headers}")
|
||||
# print(f"Body: {otp.request.body}")
|
||||
#
|
||||
# # 응답 디버깅
|
||||
# print("===== Response Details =====")
|
||||
# print(f"Status Code: {otp.status_code}")
|
||||
# print(f"Headers: {otp.headers}")
|
||||
# print(f"Body: {otp.text}")
|
||||
|
||||
down_sector = rq.post(url=DOWN_URL, data={'code': otp.text}, headers=headers)
|
||||
return pd.read_csv(BytesIO(down_sector.content), encoding='EUC-KR')
|
||||
|
||||
|
||||
# 개별 지표 조회
|
||||
def get_ind_stock_data(biz_day):
|
||||
gen_otp_data = {
|
||||
'locale': 'ko_KR',
|
||||
'searchType': '1',
|
||||
'mktId': 'ALL',
|
||||
'trdDd': biz_day,
|
||||
'csvxls_isNo': 'false',
|
||||
'name': 'fileDown',
|
||||
'url': 'dbms/MDC/STAT/standard/MDCSTAT03501'
|
||||
}
|
||||
headers = {
|
||||
'Referer': 'http://data.krx.co.kr/contents/MDC/MDI/mdiLoader/index.cmd?menuId=MDC0201050201',
|
||||
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/131.0.0.0 Safari/537.36'
|
||||
}
|
||||
|
||||
otp = rq.post(url=GEN_OTP_URL, data=gen_otp_data, headers=headers, verify=False)
|
||||
|
||||
down_ind_sector = rq.post(url=DOWN_URL, data={'code': otp.text}, headers=headers)
|
||||
return pd.read_csv(BytesIO(down_ind_sector.content), encoding='EUC-KR')
|
||||
|
||||
|
||||
def process_for_total_stock(biz_day):
|
||||
# 업종 분류 현황(코스피, 코스닥)
|
||||
sector_stk = get_stock_data(biz_day, 'STK')
|
||||
sector_ksq = get_stock_data(biz_day, 'KSQ')
|
||||
# 각각 조회 후 합침
|
||||
krx_sector = pd.concat([sector_stk, sector_ksq]).reset_index(drop=True)
|
||||
krx_sector['종목명'] = krx_sector['종목명'].str.strip()
|
||||
krx_sector['기준일'] = biz_day
|
||||
|
||||
# 개별 지표 조회
|
||||
krx_ind = get_ind_stock_data(biz_day)
|
||||
krx_ind['종목명'] = krx_ind['종목명'].str.strip()
|
||||
krx_ind['기준일'] = biz_day
|
||||
|
||||
# 데이터 정리
|
||||
# 종목, 개별 중 한군데만 있는 데이터 삭제(선박펀드, 광물펀드, 해외종목 등)
|
||||
diff = list(set(krx_sector['종목명']).symmetric_difference(set(krx_ind['종목명'])))
|
||||
|
||||
kor_ticker = pd.merge(krx_sector,
|
||||
krx_ind,
|
||||
on=krx_sector.columns.intersection(
|
||||
krx_ind.columns).tolist(),
|
||||
how='outer')
|
||||
# 일반적인 종목과 SPAC, 우선주, 리츠, 기타 주식을 구분
|
||||
kor_ticker['종목구분'] = np.where(kor_ticker['종목명'].str.contains('스팩|제[0-9]+호'), '스팩',
|
||||
np.where(kor_ticker['종목코드'].str[-1:] != '0', '우선주',
|
||||
np.where(kor_ticker['종목명'].str.endswith('리츠'), '리츠',
|
||||
np.where(kor_ticker['종목명'].isin(diff), '기타',
|
||||
'보통주'))))
|
||||
kor_ticker = kor_ticker.reset_index(drop=True)
|
||||
kor_ticker.columns = kor_ticker.columns.str.replace(' ', '')
|
||||
kor_ticker = kor_ticker[['종목코드', '종목명', '시장구분', '종가',
|
||||
'시가총액', '기준일', 'EPS', '선행EPS', 'BPS', '주당배당금', '종목구분']]
|
||||
kor_ticker = kor_ticker.replace({np.nan: None})
|
||||
kor_ticker['기준일'] = pd.to_datetime(kor_ticker['기준일'])
|
||||
|
||||
save_ticker(kor_ticker)
|
||||
|
||||
|
||||
def save_ticker(ticker):
|
||||
con = quantcommon.QuantCommon().connect()
|
||||
|
||||
mycursor = con.cursor()
|
||||
query = f"""
|
||||
insert into kor_ticker (종목코드,종목명,시장구분,종가,시가총액,기준일,EPS,선행EPS,BPS,주당배당금,종목구분)
|
||||
values (%s,%s,%s,%s,%s,%s,%s,%s,%s,%s,%s) as new
|
||||
on duplicate key update
|
||||
종목명=new.종목명,시장구분=new.시장구분,종가=new.종가,시가총액=new.시가총액,EPS=new.EPS,선행EPS=new.선행EPS,
|
||||
BPS=new.BPS,주당배당금=new.주당배당금,종목구분 = new.종목구분;
|
||||
"""
|
||||
|
||||
args = ticker.values.tolist()
|
||||
|
||||
mycursor.executemany(query, args)
|
||||
con.commit()
|
||||
|
||||
con.close()
|
||||
|
||||
|
||||
# WICS 기준 섹터정보 크롤링
|
||||
def process_for_wics(biz_day):
|
||||
sector_code = [
|
||||
'G25', 'G35', 'G50', 'G40', 'G10', 'G20', 'G55', 'G30', 'G15', 'G45'
|
||||
]
|
||||
|
||||
data_sector = []
|
||||
|
||||
# 모든 섹터에 대한 데이터 받아서 가공
|
||||
for i in tqdm(sector_code):
|
||||
url = f'''http://www.wiseindex.com/Index/GetIndexComponets?ceil_yn=0&dt={biz_day}&sec_cd={i}'''
|
||||
data = rq.get(url).json()
|
||||
data_pd = pd.json_normalize(data['list'])
|
||||
|
||||
data_sector.append(data_pd)
|
||||
|
||||
time.sleep(2)
|
||||
|
||||
kor_sector = pd.concat(data_sector, axis=0)
|
||||
kor_sector = kor_sector[['IDX_CD', 'CMP_CD', 'CMP_KOR', 'SEC_NM_KOR']]
|
||||
kor_sector['기준일'] = biz_day
|
||||
kor_sector['기준일'] = pd.to_datetime(kor_sector['기준일'])
|
||||
save_sector(kor_sector)
|
||||
|
||||
|
||||
def save_sector(sector):
|
||||
con = quantcommon.QuantCommon().connect()
|
||||
|
||||
mycursor = con.cursor()
|
||||
query = f"""
|
||||
insert into kor_sector (IDX_CD, CMP_CD, CMP_KOR, SEC_NM_KOR, 기준일)
|
||||
values (%s,%s,%s,%s,%s) as new
|
||||
on duplicate key update
|
||||
IDX_CD = new.IDX_CD, CMP_KOR = new.CMP_KOR, SEC_NM_KOR = new.SEC_NM_KOR
|
||||
"""
|
||||
|
||||
args = sector.values.tolist()
|
||||
|
||||
mycursor.executemany(query, args)
|
||||
con.commit()
|
||||
|
||||
con.close()
|
||||
|
||||
|
||||
if __name__ == '__main__':
|
||||
latest_biz_day = get_latest_biz_day()
|
||||
process_for_total_stock(latest_biz_day)
|
||||
process_for_wics(latest_biz_day)
|
||||
@ -1,87 +0,0 @@
|
||||
# 패키지 불러오기
|
||||
|
||||
import time
|
||||
from datetime import date
|
||||
from io import BytesIO
|
||||
|
||||
import pandas as pd
|
||||
import requests as rq
|
||||
from dateutil.relativedelta import relativedelta
|
||||
from tqdm import tqdm
|
||||
|
||||
from streamlit_quant import quantcommon
|
||||
|
||||
# src/current-price.py 로 개선
|
||||
|
||||
# DB 연결
|
||||
common = quantcommon.QuantCommon()
|
||||
engine = common.create_engine()
|
||||
con = common.connect()
|
||||
|
||||
mycursor = con.cursor()
|
||||
|
||||
# 티커리스트 불러오기
|
||||
ticker_list = pd.read_sql("""
|
||||
select * from kor_ticker
|
||||
where 기준일 = (select max(기준일) from kor_ticker)
|
||||
and 종목구분 = '보통주';
|
||||
""", con=engine)
|
||||
|
||||
# DB 저장 쿼리
|
||||
query = """
|
||||
insert into kor_price (날짜, 시가, 고가, 저가, 종가, 거래량, 종목코드)
|
||||
values (%s,%s,%s,%s,%s,%s,%s) as new
|
||||
on duplicate key update
|
||||
시가 = new.시가, 고가 = new.고가, 저가 = new.저가,
|
||||
종가 = new.종가, 거래량 = new.거래량;
|
||||
"""
|
||||
|
||||
# 오류 발생시 저장할 리스트 생성
|
||||
error_list = []
|
||||
|
||||
# 전종목 주가 다운로드 및 저장
|
||||
for i in tqdm(range(0, len(ticker_list))):
|
||||
|
||||
# 티커 선택
|
||||
ticker = ticker_list['종목코드'][i]
|
||||
|
||||
# 시작일과 종료일
|
||||
fr = (date.today() + relativedelta(years=-5)).strftime("%Y%m%d")
|
||||
to = (date.today()).strftime("%Y%m%d")
|
||||
|
||||
# 오류 발생 시 이를 무시하고 다음 루프로 진행
|
||||
try:
|
||||
|
||||
# url 생성
|
||||
url = f'''https://fchart.stock.naver.com/siseJson.nhn?symbol={ticker}&requestType=1
|
||||
&startTime={fr}&endTime={to}&timeframe=day'''
|
||||
|
||||
# 데이터 다운로드
|
||||
data = rq.get(url).content
|
||||
data_price = pd.read_csv(BytesIO(data))
|
||||
|
||||
# 데이터 클렌징
|
||||
price = data_price.iloc[:, 0:6]
|
||||
price.columns = ['날짜', '시가', '고가', '저가', '종가', '거래량']
|
||||
price = price.dropna()
|
||||
price['날짜'] = price['날짜'].str.extract("(\d+)")
|
||||
price['날짜'] = pd.to_datetime(price['날짜'])
|
||||
price['종목코드'] = ticker
|
||||
|
||||
# 주가 데이터를 DB에 저장
|
||||
args = price.values.tolist()
|
||||
mycursor.executemany(query, args)
|
||||
con.commit()
|
||||
|
||||
except:
|
||||
|
||||
# 오류 발생시 error_list에 티커 저장하고 넘어가기
|
||||
print(ticker)
|
||||
error_list.append(ticker)
|
||||
|
||||
# 타임슬립 적용
|
||||
time.sleep(2)
|
||||
|
||||
# DB 연결 종료
|
||||
engine.dispose()
|
||||
con.close()
|
||||
@ -1,113 +0,0 @@
|
||||
import pandas as pd
|
||||
import matplotlib.pyplot as plt
|
||||
import seaborn as sns
|
||||
import statsmodels.api as sm
|
||||
import numpy as np
|
||||
from streamlit_quant import quantcommon
|
||||
|
||||
# strategy/momentum에 구현
|
||||
# 모멘텀 포트폴리오. 최근 12개월 수익률이 높은 주식
|
||||
engine = quantcommon.QuantCommon().create_engine()
|
||||
|
||||
ticker_list = pd.read_sql(
|
||||
"""
|
||||
select * from kor_ticker
|
||||
where 기준일 = (select max(기준일) from kor_ticker)
|
||||
and 종목구분 = '보통주';
|
||||
""", con=engine)
|
||||
|
||||
|
||||
price_list = pd.read_sql(
|
||||
"""
|
||||
select 날짜, 종가, 종목코드
|
||||
from kor_price
|
||||
where 날짜 >= (select (select max(날짜) from kor_price) - interval 1 year);
|
||||
""", con=engine)
|
||||
|
||||
engine.dispose()
|
||||
|
||||
price_pivot = price_list.pivot(index='날짜', columns='종목코드', values='종가')
|
||||
|
||||
ret_list = pd.DataFrame(data=(price_pivot.iloc[-1] / price_pivot.iloc[0]) - 1,
|
||||
columns=['return'])
|
||||
data_bind = ticker_list[['종목코드', '종목명']].merge(ret_list, how='left', on='종목코드')
|
||||
|
||||
momentum_rank = data_bind['return'].rank(axis=0, ascending=False)
|
||||
|
||||
price_momentum = price_list[price_list['종목코드'].isin(
|
||||
data_bind.loc[momentum_rank <= 20, '종목코드'])]
|
||||
|
||||
plt.rc('font', family='Malgun Gothic')
|
||||
g = sns.relplot(data=price_momentum,
|
||||
x='날짜',
|
||||
y='종가',
|
||||
col='종목코드',
|
||||
col_wrap=5,
|
||||
kind='line',
|
||||
facet_kws={
|
||||
'sharey': False,
|
||||
'sharex': True
|
||||
})
|
||||
g.set(xticklabels=[])
|
||||
g.set(xlabel=None)
|
||||
g.set(ylabel=None)
|
||||
g.fig.set_figwidth(15)
|
||||
g.fig.set_figheight(8)
|
||||
plt.subplots_adjust(wspace=0.5, hspace=0.2)
|
||||
# plt.show()
|
||||
|
||||
# k-ratio(모멘텀의 꾸준함 지표)
|
||||
ret = price_pivot.pct_change().iloc[1:]
|
||||
ret_cum = np.log(1 + ret).cumsum()
|
||||
|
||||
x = np.array(range(len(ret)))
|
||||
y = ret_cum.iloc[:, 0].values
|
||||
|
||||
reg = sm.OLS(y, x).fit()
|
||||
reg.summary()
|
||||
|
||||
x = np.array(range(len(ret)))
|
||||
k_ratio = {}
|
||||
|
||||
for i in range(0, len(ticker_list)):
|
||||
|
||||
ticker = data_bind.loc[i, '종목코드']
|
||||
|
||||
try:
|
||||
y = ret_cum.loc[:, price_pivot.columns == ticker]
|
||||
reg = sm.OLS(y, x).fit()
|
||||
res = float(reg.params / reg.bse)
|
||||
except:
|
||||
res = np.nan
|
||||
|
||||
k_ratio[ticker] = res
|
||||
|
||||
k_ratio_bind = pd.DataFrame.from_dict(k_ratio, orient='index').reset_index()
|
||||
k_ratio_bind.columns = ['종목코드', 'K_ratio']
|
||||
|
||||
k_ratio_bind.head()
|
||||
|
||||
data_bind = data_bind.merge(k_ratio_bind, how='left', on='종목코드')
|
||||
k_ratio_rank = data_bind['K_ratio'].rank(axis=0, ascending=False)
|
||||
print(data_bind[k_ratio_rank <= 20])
|
||||
|
||||
k_ratio_momentum = price_list[price_list['종목코드'].isin(data_bind.loc[k_ratio_rank <= 20, '종목코드'])]
|
||||
|
||||
plt.rc('font', family='Malgun Gothic')
|
||||
g = sns.relplot(data=k_ratio_momentum,
|
||||
x='날짜',
|
||||
y='종가',
|
||||
col='종목코드',
|
||||
col_wrap=5,
|
||||
kind='line',
|
||||
facet_kws={
|
||||
'sharey': False,
|
||||
'sharex': True
|
||||
})
|
||||
g.set(xticklabels=[])
|
||||
g.set(xlabel=None)
|
||||
g.set(ylabel=None)
|
||||
g.fig.set_figwidth(15)
|
||||
g.fig.set_figheight(8)
|
||||
plt.subplots_adjust(wspace=0.5, hspace=0.2)
|
||||
plt.show()
|
||||
@ -1,32 +0,0 @@
|
||||
import pandas as pd
|
||||
import numpy as np
|
||||
from streamlit_quant import quantcommon
|
||||
|
||||
# strategy/value 에서 구현
|
||||
|
||||
#가치주 포트폴리오. PER, PBR이 낮은 회사 20개
|
||||
# DB 연결
|
||||
engine = quantcommon.QuantCommon().create_engine()
|
||||
|
||||
ticker_list = pd.read_sql("""
|
||||
select * from kor_ticker
|
||||
where 기준일 = (select max(기준일) from kor_ticker)
|
||||
and 종목구분 = '보통주';
|
||||
""", con=engine)
|
||||
|
||||
value_list = pd.read_sql("""
|
||||
select * from kor_value
|
||||
where 기준일 = (select max(기준일) from kor_value);
|
||||
""", con=engine)
|
||||
|
||||
engine.dispose()
|
||||
|
||||
value_list.loc[value_list['값'] <= 0, '값'] = np.nan
|
||||
value_pivot = value_list.pivot(index='종목코드', columns='지표', values='값')
|
||||
data_bind = ticker_list[['종목코드', '종목명']].merge(value_pivot,
|
||||
how='left',
|
||||
on='종목코드')
|
||||
# print(data_bind.head())
|
||||
value_rank = data_bind[['PER', 'PBR']].rank(axis = 0)
|
||||
value_sum = value_rank.sum(axis = 1, skipna = False).rank()
|
||||
print(data_bind.loc[value_sum <= 20, ['종목코드', '종목명', 'PER', 'PBR']])
|
||||
@ -1,84 +0,0 @@
|
||||
import pandas as pd
|
||||
import numpy as np
|
||||
import matplotlib.pyplot as plt
|
||||
import seaborn as sns
|
||||
from streamlit_quant import quantcommon
|
||||
|
||||
# 마법 공식 포트폴리오. 밸류와 퀄리티의 조합. 조엘 그린블라트의 '마법공식
|
||||
engine = quantcommon.QuantCommon().create_engine()
|
||||
|
||||
ticker_list = pd.read_sql("""
|
||||
select * from kor_ticker
|
||||
where 기준일 = (select max(기준일) from kor_ticker)
|
||||
and 종목구분 = '보통주';
|
||||
""", con=engine)
|
||||
|
||||
fs_list = pd.read_sql("""
|
||||
select * from kor_fs
|
||||
where 계정 in ('매출액', '당기순이익', '법인세비용', '이자비용', '현금및현금성자산',
|
||||
'부채', '유동부채', '유동자산', '비유동자산', '감가상각비')
|
||||
and 공시구분 = 'q';
|
||||
""", con=engine)
|
||||
|
||||
engine.dispose()
|
||||
|
||||
fs_list = fs_list.sort_values(['종목코드', '계정', '기준일'])
|
||||
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()
|
||||
fs_list_clean['ttm'] = np.where(
|
||||
fs_list_clean['계정'].isin(['부채', '유동부채', '유동자산', '비유동자산']),
|
||||
fs_list_clean['ttm'] / 4, fs_list_clean['ttm'])
|
||||
|
||||
fs_list_clean = fs_list_clean.groupby(['종목코드', '계정']).tail(1)
|
||||
fs_list_pivot = fs_list_clean.pivot(index='종목코드', columns='계정', values='ttm')
|
||||
|
||||
data_bind = ticker_list[['종목코드', '종목명', '시가총액']].merge(fs_list_pivot,
|
||||
how='left',
|
||||
on='종목코드')
|
||||
data_bind['시가총액'] = data_bind['시가총액'] / 100000000
|
||||
|
||||
# 분자(EBIT)
|
||||
magic_ebit = data_bind['당기순이익'] + data_bind['법인세비용'] + data_bind['이자비용']
|
||||
|
||||
# 분모
|
||||
magic_cap = data_bind['시가총액']
|
||||
magic_debt = data_bind['부채']
|
||||
|
||||
## 분모: 여유자금
|
||||
magic_excess_cash = data_bind['유동부채'] - data_bind['유동자산'] + data_bind[
|
||||
'현금및현금성자산']
|
||||
magic_excess_cash[magic_excess_cash < 0] = 0
|
||||
magic_excess_cash_final = data_bind['현금및현금성자산'] - magic_excess_cash
|
||||
|
||||
magic_ev = magic_cap + magic_debt - magic_excess_cash_final
|
||||
|
||||
# 이익수익률
|
||||
magic_ey = magic_ebit / magic_ev
|
||||
|
||||
# 투하자본 수익률
|
||||
magic_ic = (data_bind['유동자산'] - data_bind['유동부채']) + (data_bind['비유동자산'] -
|
||||
data_bind['감가상각비'])
|
||||
magic_roc = magic_ebit / magic_ic
|
||||
|
||||
# 열 입력하기
|
||||
data_bind['이익 수익률'] = magic_ey
|
||||
data_bind['투하자본 수익률'] = magic_roc
|
||||
|
||||
magic_rank = (magic_ey.rank(ascending=False, axis=0) +
|
||||
magic_roc.rank(ascending=False, axis=0)).rank(axis=0)
|
||||
print(data_bind.loc[magic_rank <= 20, ['종목코드', '종목명', '이익 수익률', '투하자본 수익률']].round(4))
|
||||
|
||||
data_bind['투자구분'] = np.where(magic_rank <= 20, '마법공식', '기타')
|
||||
|
||||
plt.rc('font', family='Malgun Gothic')
|
||||
plt.subplots(1, 1, figsize=(10, 6))
|
||||
sns.scatterplot(data=data_bind,
|
||||
x='이익 수익률',
|
||||
y='투하자본 수익률',
|
||||
hue='투자구분',
|
||||
style='투자구분',
|
||||
s=200)
|
||||
plt.xlim(0, 1)
|
||||
plt.ylim(0, 1)
|
||||
plt.show()
|
||||
@ -1,248 +0,0 @@
|
||||
import pandas as pd
|
||||
import numpy as np
|
||||
import statsmodels.api as sm
|
||||
from scipy.stats import zscore
|
||||
import matplotlib.pyplot as plt
|
||||
import seaborn as sns
|
||||
from streamlit_quant import quantcommon
|
||||
|
||||
# strategy/multi-factor에서 구현
|
||||
|
||||
# 멀티 팩터 포트폴리오.
|
||||
# 퀄리티: 자기자본이익률(ROE), 매출총이익(GPA), 영업활동현금흐름(CFO)
|
||||
# 밸류: PER, PBR, PSR, PCR, DY
|
||||
# 모멘텀: 12개월 수익률, K-Ratio
|
||||
engine = quantcommon.QuantCommon().create_engine()
|
||||
|
||||
def col_clean(df, cutoff=0.01, asc=False):
|
||||
|
||||
q_low = df.quantile(cutoff)
|
||||
q_hi = df.quantile(1 - cutoff)
|
||||
|
||||
df_trim = df[(df > q_low) & (df < q_hi)]
|
||||
|
||||
if asc == False:
|
||||
df_z_score = df_trim.rank(axis=0, ascending=False).apply(
|
||||
zscore, nan_policy='omit')
|
||||
if asc == True:
|
||||
df_z_score = df_trim.rank(axis=0, ascending=True).apply(
|
||||
zscore, nan_policy='omit')
|
||||
|
||||
return(df_z_score)
|
||||
|
||||
|
||||
def plot_rank(df):
|
||||
ax = sns.relplot(data=df,
|
||||
x='rank',
|
||||
y=1,
|
||||
col='variable',
|
||||
hue='invest',
|
||||
size='size',
|
||||
sizes=(10, 100),
|
||||
style='invest',
|
||||
markers={'Y': 'X','N': 'o'},
|
||||
palette={'Y': 'red','N': 'grey'},
|
||||
kind='scatter')
|
||||
ax.set(xlabel=None)
|
||||
ax.set(ylabel=None)
|
||||
|
||||
plt.show()
|
||||
|
||||
|
||||
ticker_list = pd.read_sql("""
|
||||
select * from kor_ticker
|
||||
where 기준일 = (select max(기준일) from kor_ticker)
|
||||
and 종목구분 = '보통주';
|
||||
""", con=engine)
|
||||
|
||||
fs_list = pd.read_sql("""
|
||||
select * from kor_fs
|
||||
where 계정 in ('당기순이익', '매출총이익', '영업활동으로인한현금흐름', '자산', '자본')
|
||||
and 공시구분 = 'q';
|
||||
""", con=engine)
|
||||
|
||||
value_list = pd.read_sql("""
|
||||
select * from kor_value
|
||||
where 기준일 = (select max(기준일) from kor_value);
|
||||
""", con=engine)
|
||||
|
||||
price_list = pd.read_sql("""
|
||||
select 날짜, 종가, 종목코드
|
||||
from kor_price
|
||||
where 날짜 >= (select (select max(날짜) from kor_price) - interval 1 year);
|
||||
""", con=engine)
|
||||
|
||||
sector_list = pd.read_sql("""
|
||||
select * from kor_sector
|
||||
where 기준일 = (select max(기준일) from kor_sector);
|
||||
""", con=engine)
|
||||
|
||||
engine.dispose()
|
||||
|
||||
fs_list = fs_list.sort_values(['종목코드', '계정', '기준일'])
|
||||
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()
|
||||
fs_list_clean['ttm'] = np.where(fs_list_clean['계정'].isin(['자산', '자본']),
|
||||
fs_list_clean['ttm'] / 4, fs_list_clean['ttm'])
|
||||
fs_list_clean = fs_list_clean.groupby(['종목코드', '계정']).tail(1)
|
||||
|
||||
fs_list_pivot = fs_list_clean.pivot(index='종목코드', columns='계정', values='ttm')
|
||||
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']
|
||||
|
||||
fs_list_pivot.round(4).head()
|
||||
|
||||
value_list.loc[value_list['값'] <= 0, '값'] = np.nan
|
||||
value_pivot = value_list.pivot(index='종목코드', columns='지표', values='값')
|
||||
|
||||
value_pivot.head()
|
||||
|
||||
price_pivot = price_list.pivot(index='날짜', columns='종목코드', values='종가')
|
||||
ret_list = pd.DataFrame(data=(price_pivot.iloc[-1] / price_pivot.iloc[0]) - 1,
|
||||
columns=['12M'])
|
||||
|
||||
ret = price_pivot.pct_change().iloc[1:]
|
||||
ret_cum = np.log(1 + ret).cumsum()
|
||||
|
||||
x = np.array(range(len(ret)))
|
||||
k_ratio = {}
|
||||
|
||||
for i in range(0, len(ticker_list)):
|
||||
|
||||
ticker = ticker_list.loc[i, '종목코드']
|
||||
|
||||
try:
|
||||
y = ret_cum.loc[:, price_pivot.columns == ticker]
|
||||
reg = sm.OLS(y, x).fit()
|
||||
res = float(reg.params / reg.bse)
|
||||
except:
|
||||
res = np.nan
|
||||
|
||||
k_ratio[ticker] = res
|
||||
|
||||
k_ratio_bind = pd.DataFrame.from_dict(k_ratio, orient='index').reset_index()
|
||||
k_ratio_bind.columns = ['종목코드', 'K_ratio']
|
||||
|
||||
k_ratio_bind.head()
|
||||
|
||||
data_bind = ticker_list[['종목코드', '종목명']].merge(
|
||||
sector_list[['CMP_CD', 'SEC_NM_KOR']],
|
||||
how='left',
|
||||
left_on='종목코드',
|
||||
right_on='CMP_CD').merge(
|
||||
fs_list_pivot[['ROE', 'GPA', 'CFO']], how='left',
|
||||
on='종목코드').merge(value_pivot, how='left',
|
||||
on='종목코드').merge(ret_list, how='left',
|
||||
on='종목코드').merge(k_ratio_bind,
|
||||
how='left',
|
||||
on='종목코드')
|
||||
|
||||
data_bind.loc[data_bind['SEC_NM_KOR'].isnull(), 'SEC_NM_KOR'] = '기타'
|
||||
data_bind = data_bind.drop(['CMP_CD'], axis=1)
|
||||
|
||||
data_bind.round(4).head()
|
||||
|
||||
data_bind_group = data_bind.set_index(['종목코드',
|
||||
'SEC_NM_KOR']).groupby('SEC_NM_KOR', as_index=False)
|
||||
|
||||
data_bind_group.head(1).round(4)
|
||||
|
||||
z_quality = data_bind_group[['ROE', 'GPA', 'CFO'
|
||||
]].apply(lambda x: col_clean(x, 0.01, False)).sum(
|
||||
axis=1, skipna=False).to_frame('z_quality')
|
||||
data_bind = data_bind.merge(z_quality, how='left', on=['종목코드', 'SEC_NM_KOR'])
|
||||
|
||||
data_bind.round(4).head()
|
||||
|
||||
value_1 = data_bind_group[['PBR', 'PCR', 'PER',
|
||||
'PSR']].apply(lambda x: col_clean(x, 0.01, True))
|
||||
value_2 = data_bind_group[['DY']].apply(lambda x: col_clean(x, 0.01, False))
|
||||
|
||||
z_value = value_1.merge(value_2, on=['종목코드', 'SEC_NM_KOR'
|
||||
]).sum(axis=1,
|
||||
skipna=False).to_frame('z_value')
|
||||
data_bind = data_bind.merge(z_value, how='left', on=['종목코드', 'SEC_NM_KOR'])
|
||||
|
||||
data_bind.round(4).head()
|
||||
|
||||
z_momentum = data_bind_group[[
|
||||
'12M', 'K_ratio'
|
||||
]].apply(lambda x: col_clean(x, 0.01, False)).sum(
|
||||
axis=1, skipna=False).to_frame('z_momentum')
|
||||
data_bind = data_bind.merge(z_momentum, how='left', on=['종목코드', 'SEC_NM_KOR'])
|
||||
|
||||
print(data_bind.round(4).head())
|
||||
|
||||
data_z = data_bind[['z_quality', 'z_value', 'z_momentum']].copy()
|
||||
|
||||
fig, axes = plt.subplots(3, 1, figsize=(10, 6), sharex=True, sharey=True)
|
||||
for n, ax in enumerate(axes.flatten()):
|
||||
ax.hist(data_z.iloc[:, n])
|
||||
ax.set_title(data_z.columns[n], size=12)
|
||||
fig.tight_layout()
|
||||
|
||||
data_bind_final = data_bind[['종목코드', 'z_quality', 'z_value', 'z_momentum'
|
||||
]].set_index('종목코드').apply(zscore,
|
||||
nan_policy='omit')
|
||||
data_bind_final.columns = ['quality', 'value', 'momentum']
|
||||
|
||||
plt.rc('font', family='Malgun Gothic')
|
||||
plt.rc('axes', unicode_minus=False)
|
||||
fig, axes = plt.subplots(3, 1, figsize=(10, 6), sharex=True, sharey=True)
|
||||
for n, ax in enumerate(axes.flatten()):
|
||||
ax.hist(data_bind_final.iloc[:, n])
|
||||
ax.set_title(data_bind_final.columns[n], size=12)
|
||||
fig.tight_layout()
|
||||
|
||||
mask = np.triu(data_bind_final.corr())
|
||||
fig, ax = plt.subplots(figsize=(10, 6))
|
||||
sns.heatmap(data_bind_final.corr(),
|
||||
annot=True,
|
||||
mask=mask,
|
||||
annot_kws={"size": 16},
|
||||
vmin=0,
|
||||
vmax=1,
|
||||
center=0.5,
|
||||
cmap='coolwarm',
|
||||
square=True)
|
||||
ax.invert_yaxis()
|
||||
plt.show()
|
||||
|
||||
wts = [0.3, 0.3, 0.3]
|
||||
data_bind_final_sum = (data_bind_final * wts).sum(axis=1,
|
||||
skipna=False).to_frame()
|
||||
data_bind_final_sum.columns = ['qvm']
|
||||
port_qvm = data_bind.merge(data_bind_final_sum, on='종목코드')
|
||||
port_qvm['invest'] = np.where(port_qvm['qvm'].rank() <= 20, 'Y', 'N')
|
||||
|
||||
port_qvm[port_qvm['invest'] == 'Y'].round(4)
|
||||
|
||||
data_melt = port_qvm.melt(id_vars='invest',
|
||||
value_vars=[
|
||||
'ROE', 'GPA', 'CFO', 'PER', 'PBR', 'PCR', 'PSR',
|
||||
'DY', '12M', 'K_ratio'
|
||||
])
|
||||
|
||||
data_melt['size'] = data_melt['invest'].map({'Y': 100, 'N': 10})
|
||||
data_melt.head()
|
||||
|
||||
hist_quality = data_melt[data_melt['variable'].isin(['ROE', 'GPA',
|
||||
'CFO'])].copy()
|
||||
hist_quality['rank'] = hist_quality.groupby('variable')['value'].rank(
|
||||
ascending=False)
|
||||
plot_rank(hist_quality)
|
||||
|
||||
hist_value = data_melt[data_melt['variable'].isin(
|
||||
['PER', 'PBR', 'PCR', 'PSR', 'DY'])].copy()
|
||||
hist_value['value'] = np.where(hist_value['variable'] == 'DY',
|
||||
1 / hist_value['value'], hist_value['value'])
|
||||
hist_value['rank'] = hist_value.groupby('variable')['value'].rank()
|
||||
plot_rank(hist_value)
|
||||
|
||||
hist_momentum = data_melt[data_melt['variable'].isin(['12M', 'K_ratio'])].copy()
|
||||
hist_momentum['rank'] = hist_momentum.groupby('variable')['value'].rank(ascending = False)
|
||||
plot_rank(hist_momentum)
|
||||
|
||||
port_qvm[port_qvm['invest'] == 'Y']['종목코드'].to_excel('model.xlsx', index=False)
|
||||
@ -1,62 +0,0 @@
|
||||
import pandas as pd
|
||||
import numpy as np
|
||||
import matplotlib.pyplot as plt
|
||||
import seaborn as sns
|
||||
from streamlit_quant import quantcommon
|
||||
|
||||
# strategy/quality에서 구현
|
||||
|
||||
# 퀄리티(우량주) 포트폴리오. 영업수익성이 높은 주식
|
||||
engine = quantcommon.QuantCommon().create_engine()
|
||||
|
||||
ticker_list = pd.read_sql("""
|
||||
select * from kor_ticker
|
||||
where 기준일 = (select max(기준일) from kor_ticker)
|
||||
and 종목구분 = '보통주';
|
||||
""", con=engine)
|
||||
|
||||
fs_list = pd.read_sql("""
|
||||
select * from kor_fs
|
||||
where 계정 in ('당기순이익', '매출총이익', '영업활동으로인한현금흐름', '자산', '자본')
|
||||
and 공시구분 = 'q';
|
||||
""", con=engine)
|
||||
|
||||
engine.dispose()
|
||||
|
||||
fs_list = fs_list.sort_values(['종목코드', '계정', '기준일'])
|
||||
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()
|
||||
fs_list_clean['ttm'] = np.where(fs_list_clean['계정'].isin(['자산', '자본']),
|
||||
fs_list_clean['ttm'] / 4, fs_list_clean['ttm'])
|
||||
fs_list_clean = fs_list_clean.groupby(['종목코드', '계정']).tail(1)
|
||||
|
||||
fs_list_pivot = fs_list_clean.pivot(index='종목코드', columns='계정', values='ttm')
|
||||
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']
|
||||
|
||||
quality_list = ticker_list[['종목코드', '종목명']].merge(fs_list_pivot,
|
||||
how='left',
|
||||
on='종목코드')
|
||||
# print(quality_list.round(4).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()
|
||||
|
||||
quality_sum = quality_rank.sum(axis=1, skipna=False).rank()
|
||||
print(quality_list.loc[quality_sum <= 20,
|
||||
['종목코드', '종목명', 'ROE', 'GPA', 'CFO']].round(4))
|
||||
Loading…
x
Reference in New Issue
Block a user