170 lines
5.9 KiB
Python
170 lines
5.9 KiB
Python
|
"""Magic Formula Strategy (EY + ROC)."""
|
||
|
|
from typing import List, Dict
|
||
|
|
from decimal import Decimal
|
||
|
|
from datetime import datetime
|
||
|
|
from sqlalchemy.orm import Session
|
||
|
|
import pandas as pd
|
||
|
|
import numpy as np
|
||
|
|
|
||
|
|
from app.strategies.base import BaseStrategy
|
||
|
|
from app.utils.data_helpers import (
|
||
|
|
get_ticker_list,
|
||
|
|
get_financial_statements,
|
||
|
|
get_prices_on_date
|
||
|
|
)
|
||
|
|
|
||
|
|
|
||
|
|
class MagicFormulaStrategy(BaseStrategy):
|
||
|
|
"""
|
||
|
|
마법 공식 (Magic Formula) 전략.
|
||
|
|
|
||
|
|
조엘 그린블라트의 마법공식:
|
||
|
|
- Earnings Yield (이익수익률): EBIT / EV
|
||
|
|
- Return on Capital (투하자본 수익률): EBIT / IC
|
||
|
|
|
||
|
|
두 지표의 순위를 합산하여 상위 종목 선정
|
||
|
|
"""
|
||
|
|
|
||
|
|
def __init__(self, config: Dict = None):
|
||
|
|
"""
|
||
|
|
초기화.
|
||
|
|
|
||
|
|
Args:
|
||
|
|
config: 전략 설정
|
||
|
|
- count: 선정 종목 수 (기본 20)
|
||
|
|
"""
|
||
|
|
super().__init__(config)
|
||
|
|
self.count = config.get('count', 20)
|
||
|
|
|
||
|
|
def select_stocks(self, rebal_date: datetime, db_session: Session) -> List[str]:
|
||
|
|
"""
|
||
|
|
종목 선정.
|
||
|
|
|
||
|
|
Args:
|
||
|
|
rebal_date: 리밸런싱 날짜
|
||
|
|
db_session: 데이터베이스 세션
|
||
|
|
|
||
|
|
Returns:
|
||
|
|
선정된 종목 코드 리스트
|
||
|
|
"""
|
||
|
|
try:
|
||
|
|
# 1. 종목 리스트 조회
|
||
|
|
ticker_list = get_ticker_list(db_session)
|
||
|
|
if ticker_list.empty:
|
||
|
|
return []
|
||
|
|
|
||
|
|
tickers = ticker_list['종목코드'].tolist()
|
||
|
|
|
||
|
|
# 2. 재무제표 데이터 조회
|
||
|
|
fs_list = get_financial_statements(db_session, tickers, rebal_date)
|
||
|
|
if fs_list.empty:
|
||
|
|
return []
|
||
|
|
|
||
|
|
# 3. TTM (Trailing Twelve Months) 계산
|
||
|
|
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()
|
||
|
|
|
||
|
|
# 재무상태표 현황은 평균값 사용
|
||
|
|
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')
|
||
|
|
|
||
|
|
# 4. 티커 데이터와 병합
|
||
|
|
data_bind = ticker_list[['종목코드', '종목명']].merge(
|
||
|
|
fs_list_pivot,
|
||
|
|
how='left',
|
||
|
|
on='종목코드'
|
||
|
|
)
|
||
|
|
|
||
|
|
# 시가총액 추가 (assets 테이블에서)
|
||
|
|
from app.models.asset import Asset
|
||
|
|
assets = db_session.query(Asset).filter(
|
||
|
|
Asset.ticker.in_(tickers)
|
||
|
|
).all()
|
||
|
|
|
||
|
|
market_cap_dict = {asset.ticker: float(asset.market_cap) / 100000000 if asset.market_cap else None
|
||
|
|
for asset in assets}
|
||
|
|
data_bind['시가총액'] = data_bind['종목코드'].map(market_cap_dict)
|
||
|
|
|
||
|
|
# 5. 이익수익률 (Earnings Yield) 계산
|
||
|
|
# EBIT = 당기순이익 + 법인세비용 + 이자비용
|
||
|
|
magic_ebit = (
|
||
|
|
data_bind.get('당기순이익', 0) +
|
||
|
|
data_bind.get('법인세비용', 0) +
|
||
|
|
data_bind.get('이자비용', 0)
|
||
|
|
)
|
||
|
|
|
||
|
|
# EV (Enterprise Value) = 시가총액 + 부채 - 여유자금
|
||
|
|
magic_cap = data_bind.get('시가총액', 0)
|
||
|
|
magic_debt = data_bind.get('부채', 0)
|
||
|
|
|
||
|
|
# 여유자금 = 현금 - max(0, 유동부채 - 유동자산 + 현금)
|
||
|
|
magic_excess_cash = (
|
||
|
|
data_bind.get('유동부채', 0) -
|
||
|
|
data_bind.get('유동자산', 0) +
|
||
|
|
data_bind.get('현금및현금성자산', 0)
|
||
|
|
)
|
||
|
|
magic_excess_cash[magic_excess_cash < 0] = 0
|
||
|
|
magic_excess_cash_final = data_bind.get('현금및현금성자산', 0) - magic_excess_cash
|
||
|
|
|
||
|
|
magic_ev = magic_cap + magic_debt - magic_excess_cash_final
|
||
|
|
magic_ey = magic_ebit / magic_ev
|
||
|
|
|
||
|
|
# 6. 투하자본 수익률 (Return on Capital) 계산
|
||
|
|
# IC (Invested Capital) = (유동자산 - 유동부채) + (비유동자산 - 감가상각비)
|
||
|
|
magic_ic = (
|
||
|
|
(data_bind.get('유동자산', 0) - data_bind.get('유동부채', 0)) +
|
||
|
|
(data_bind.get('비유동자산', 0) - data_bind.get('감가상각비', 0))
|
||
|
|
)
|
||
|
|
magic_roc = magic_ebit / magic_ic
|
||
|
|
|
||
|
|
# 7. 지표 추가
|
||
|
|
data_bind['이익_수익률'] = magic_ey
|
||
|
|
data_bind['투하자본_수익률'] = magic_roc
|
||
|
|
|
||
|
|
# 8. 순위 합산 및 상위 종목 선정
|
||
|
|
magic_rank = (
|
||
|
|
magic_ey.rank(ascending=False, axis=0) +
|
||
|
|
magic_roc.rank(ascending=False, axis=0)
|
||
|
|
).rank(axis=0)
|
||
|
|
|
||
|
|
# 결측치 제거
|
||
|
|
data_bind = data_bind.dropna(subset=['이익_수익률', '투하자본_수익률'])
|
||
|
|
|
||
|
|
# 상위 N개 종목
|
||
|
|
top_stocks = data_bind.loc[magic_rank <= self.count, ['종목코드', '종목명', '이익_수익률', '투하자본_수익률']]
|
||
|
|
|
||
|
|
return top_stocks['종목코드'].tolist()
|
||
|
|
|
||
|
|
except Exception as e:
|
||
|
|
print(f"Magic Formula 종목 선정 오류: {e}")
|
||
|
|
return []
|
||
|
|
|
||
|
|
def get_prices(
|
||
|
|
self,
|
||
|
|
tickers: List[str],
|
||
|
|
date: datetime,
|
||
|
|
db_session: Session
|
||
|
|
) -> Dict[str, Decimal]:
|
||
|
|
"""
|
||
|
|
종목 가격 조회.
|
||
|
|
|
||
|
|
Args:
|
||
|
|
tickers: 종목 코드 리스트
|
||
|
|
date: 조회 날짜
|
||
|
|
db_session: 데이터베이스 세션
|
||
|
|
|
||
|
|
Returns:
|
||
|
|
{ticker: price} 딕셔너리
|
||
|
|
"""
|
||
|
|
return get_prices_on_date(db_session, tickers, date)
|