329 lines
10 KiB
Python
329 lines
10 KiB
Python
|
"""Data query helper functions."""
|
||
|
|
from typing import List, Dict
|
||
|
|
from decimal import Decimal
|
||
|
|
from datetime import datetime, timedelta
|
||
|
|
from sqlalchemy.orm import Session
|
||
|
|
from sqlalchemy import and_, func
|
||
|
|
import pandas as pd
|
||
|
|
import numpy as np
|
||
|
|
|
||
|
|
from app.models import Asset, PriceData, FinancialStatement
|
||
|
|
|
||
|
|
|
||
|
|
def get_ticker_list(db_session: Session) -> pd.DataFrame:
|
||
|
|
"""
|
||
|
|
종목 리스트 조회.
|
||
|
|
|
||
|
|
Args:
|
||
|
|
db_session: 데이터베이스 세션
|
||
|
|
|
||
|
|
Returns:
|
||
|
|
종목 리스트 DataFrame
|
||
|
|
"""
|
||
|
|
assets = db_session.query(Asset).filter(Asset.is_active == True).all()
|
||
|
|
|
||
|
|
data = [{
|
||
|
|
'종목코드': asset.ticker,
|
||
|
|
'종목명': asset.name,
|
||
|
|
'시장': asset.market,
|
||
|
|
'섹터': asset.sector
|
||
|
|
} for asset in assets]
|
||
|
|
|
||
|
|
return pd.DataFrame(data)
|
||
|
|
|
||
|
|
|
||
|
|
def get_price_data(
|
||
|
|
db_session: Session,
|
||
|
|
tickers: List[str],
|
||
|
|
start_date: datetime,
|
||
|
|
end_date: datetime
|
||
|
|
) -> pd.DataFrame:
|
||
|
|
"""
|
||
|
|
가격 데이터 조회.
|
||
|
|
|
||
|
|
Args:
|
||
|
|
db_session: 데이터베이스 세션
|
||
|
|
tickers: 종목 코드 리스트
|
||
|
|
start_date: 시작일
|
||
|
|
end_date: 종료일
|
||
|
|
|
||
|
|
Returns:
|
||
|
|
가격 데이터 DataFrame
|
||
|
|
"""
|
||
|
|
prices = db_session.query(PriceData).filter(
|
||
|
|
and_(
|
||
|
|
PriceData.ticker.in_(tickers),
|
||
|
|
PriceData.timestamp >= start_date,
|
||
|
|
PriceData.timestamp <= end_date
|
||
|
|
)
|
||
|
|
).all()
|
||
|
|
|
||
|
|
data = [{
|
||
|
|
'종목코드': p.ticker,
|
||
|
|
'날짜': p.timestamp,
|
||
|
|
'시가': float(p.open) if p.open else None,
|
||
|
|
'고가': float(p.high) if p.high else None,
|
||
|
|
'저가': float(p.low) if p.low else None,
|
||
|
|
'종가': float(p.close),
|
||
|
|
'거래량': p.volume
|
||
|
|
} for p in prices]
|
||
|
|
|
||
|
|
return pd.DataFrame(data)
|
||
|
|
|
||
|
|
|
||
|
|
def get_latest_price(
|
||
|
|
db_session: Session,
|
||
|
|
ticker: str,
|
||
|
|
date: datetime
|
||
|
|
) -> Decimal:
|
||
|
|
"""
|
||
|
|
특정 날짜의 최신 가격 조회 (해당 날짜 또는 이전 가장 가까운 날짜).
|
||
|
|
|
||
|
|
Args:
|
||
|
|
db_session: 데이터베이스 세션
|
||
|
|
ticker: 종목 코드
|
||
|
|
date: 조회 날짜
|
||
|
|
|
||
|
|
Returns:
|
||
|
|
가격
|
||
|
|
"""
|
||
|
|
price = db_session.query(PriceData).filter(
|
||
|
|
and_(
|
||
|
|
PriceData.ticker == ticker,
|
||
|
|
PriceData.timestamp <= date
|
||
|
|
)
|
||
|
|
).order_by(PriceData.timestamp.desc()).first()
|
||
|
|
|
||
|
|
if price:
|
||
|
|
return price.close
|
||
|
|
return Decimal("0")
|
||
|
|
|
||
|
|
|
||
|
|
def get_prices_on_date(
|
||
|
|
db_session: Session,
|
||
|
|
tickers: List[str],
|
||
|
|
date: datetime
|
||
|
|
) -> Dict[str, Decimal]:
|
||
|
|
"""
|
||
|
|
특정 날짜의 종목들 가격 조회.
|
||
|
|
|
||
|
|
Args:
|
||
|
|
db_session: 데이터베이스 세션
|
||
|
|
tickers: 종목 코드 리스트
|
||
|
|
date: 조회 날짜
|
||
|
|
|
||
|
|
Returns:
|
||
|
|
{ticker: price} 딕셔너리
|
||
|
|
"""
|
||
|
|
prices = {}
|
||
|
|
for ticker in tickers:
|
||
|
|
price = get_latest_price(db_session, ticker, date)
|
||
|
|
if price > 0:
|
||
|
|
prices[ticker] = price
|
||
|
|
|
||
|
|
return prices
|
||
|
|
|
||
|
|
|
||
|
|
def get_financial_statements(
|
||
|
|
db_session: Session,
|
||
|
|
tickers: List[str],
|
||
|
|
base_date: datetime = None
|
||
|
|
) -> pd.DataFrame:
|
||
|
|
"""
|
||
|
|
재무제표 데이터 조회.
|
||
|
|
|
||
|
|
Args:
|
||
|
|
db_session: 데이터베이스 세션
|
||
|
|
tickers: 종목 코드 리스트
|
||
|
|
base_date: 기준일 (None이면 최신 데이터)
|
||
|
|
|
||
|
|
Returns:
|
||
|
|
재무제표 DataFrame
|
||
|
|
"""
|
||
|
|
query = db_session.query(FinancialStatement).filter(
|
||
|
|
FinancialStatement.ticker.in_(tickers)
|
||
|
|
)
|
||
|
|
|
||
|
|
if base_date:
|
||
|
|
query = query.filter(FinancialStatement.base_date <= base_date)
|
||
|
|
|
||
|
|
fs_data = query.all()
|
||
|
|
|
||
|
|
data = [{
|
||
|
|
'종목코드': fs.ticker,
|
||
|
|
'계정': fs.account,
|
||
|
|
'기준일': fs.base_date,
|
||
|
|
'값': float(fs.value) if fs.value else None,
|
||
|
|
'공시구분': fs.disclosure_type
|
||
|
|
} for fs in fs_data]
|
||
|
|
|
||
|
|
return pd.DataFrame(data)
|
||
|
|
|
||
|
|
|
||
|
|
def get_value_indicators(
|
||
|
|
db_session: Session,
|
||
|
|
tickers: List[str],
|
||
|
|
base_date: datetime = None,
|
||
|
|
include_psr_pcr: bool = False
|
||
|
|
) -> pd.DataFrame:
|
||
|
|
"""
|
||
|
|
밸류 지표 조회 (PER, PBR, DY, 옵션으로 PSR, PCR).
|
||
|
|
|
||
|
|
Args:
|
||
|
|
db_session: 데이터베이스 세션
|
||
|
|
tickers: 종목 코드 리스트
|
||
|
|
base_date: 기준일 (PSR, PCR 계산용, None이면 최신)
|
||
|
|
include_psr_pcr: PSR, PCR 포함 여부
|
||
|
|
|
||
|
|
Returns:
|
||
|
|
밸류 지표 DataFrame
|
||
|
|
"""
|
||
|
|
assets = db_session.query(Asset).filter(
|
||
|
|
Asset.ticker.in_(tickers)
|
||
|
|
).all()
|
||
|
|
|
||
|
|
data = []
|
||
|
|
|
||
|
|
# PSR, PCR 계산을 위한 재무제표 데이터 (필요시)
|
||
|
|
psr_pcr_data = {}
|
||
|
|
if include_psr_pcr:
|
||
|
|
fs_list = get_financial_statements(db_session, tickers, base_date)
|
||
|
|
if not fs_list.empty:
|
||
|
|
# TTM 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()
|
||
|
|
# 자산과 자본은 평균, 나머지는 합
|
||
|
|
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)
|
||
|
|
|
||
|
|
# Pivot
|
||
|
|
fs_pivot = fs_list_clean.pivot(index='종목코드', columns='계정', values='ttm')
|
||
|
|
|
||
|
|
for ticker in fs_pivot.index:
|
||
|
|
psr_pcr_data[ticker] = {
|
||
|
|
'매출액': fs_pivot.loc[ticker, '매출액'] if '매출액' in fs_pivot.columns else None,
|
||
|
|
'영업활동으로인한현금흐름': fs_pivot.loc[ticker, '영업활동으로인한현금흐름'] if '영업활동으로인한현금흐름' in fs_pivot.columns else None
|
||
|
|
}
|
||
|
|
|
||
|
|
for asset in assets:
|
||
|
|
# PER 계산
|
||
|
|
per = float(asset.last_price / asset.eps) if asset.eps and asset.eps > 0 else None
|
||
|
|
|
||
|
|
# PBR 계산
|
||
|
|
pbr = float(asset.last_price / asset.bps) if asset.bps and asset.bps > 0 else None
|
||
|
|
|
||
|
|
# DY 계산 (배당수익률)
|
||
|
|
dy = float(asset.dividend_per_share / asset.last_price * 100) if asset.last_price and asset.last_price > 0 else None
|
||
|
|
|
||
|
|
# 종목별 지표 추가
|
||
|
|
if per:
|
||
|
|
data.append({'종목코드': asset.ticker, '지표': 'PER', '값': per})
|
||
|
|
if pbr:
|
||
|
|
data.append({'종목코드': asset.ticker, '지표': 'PBR', '값': pbr})
|
||
|
|
if dy:
|
||
|
|
data.append({'종목코드': asset.ticker, '지표': 'DY', '값': dy})
|
||
|
|
|
||
|
|
# PSR, PCR 계산 (옵션)
|
||
|
|
if include_psr_pcr and asset.ticker in psr_pcr_data:
|
||
|
|
ticker_fs = psr_pcr_data[asset.ticker]
|
||
|
|
market_cap = float(asset.market_cap) if asset.market_cap else None
|
||
|
|
|
||
|
|
# PSR = 시가총액 / 매출액
|
||
|
|
if market_cap and ticker_fs['매출액'] and ticker_fs['매출액'] > 0:
|
||
|
|
psr = market_cap / float(ticker_fs['매출액'])
|
||
|
|
data.append({'종목코드': asset.ticker, '지표': 'PSR', '값': psr})
|
||
|
|
|
||
|
|
# PCR = 시가총액 / 영업활동현금흐름
|
||
|
|
if market_cap and ticker_fs['영업활동으로인한현금흐름'] and ticker_fs['영업활동으로인한현금흐름'] > 0:
|
||
|
|
pcr = market_cap / float(ticker_fs['영업활동으로인한현금흐름'])
|
||
|
|
data.append({'종목코드': asset.ticker, '지표': 'PCR', '값': pcr})
|
||
|
|
|
||
|
|
return pd.DataFrame(data)
|
||
|
|
|
||
|
|
|
||
|
|
def calculate_value_rank(value_df: pd.DataFrame, indicators: List[str]) -> pd.Series:
|
||
|
|
"""
|
||
|
|
밸류 지표 순위 계산.
|
||
|
|
|
||
|
|
Args:
|
||
|
|
value_df: 밸류 지표 DataFrame (pivot된 형태, index=종목코드)
|
||
|
|
indicators: 순위를 계산할 지표 리스트 (예: ['PER', 'PBR'])
|
||
|
|
|
||
|
|
Returns:
|
||
|
|
종목별 최종 순위 Series
|
||
|
|
"""
|
||
|
|
# 지표가 0 이하인 경우 nan으로 변경
|
||
|
|
value_clean = value_df[indicators].copy()
|
||
|
|
value_clean[value_clean <= 0] = np.nan
|
||
|
|
|
||
|
|
# DY는 높을수록 좋은 지표이므로 역수 처리
|
||
|
|
if 'DY' in indicators:
|
||
|
|
value_clean['DY'] = 1 / value_clean['DY']
|
||
|
|
|
||
|
|
# 각 지표별 순위 계산
|
||
|
|
value_rank = value_clean.rank(axis=0)
|
||
|
|
|
||
|
|
# 순위 합산 후 재순위
|
||
|
|
value_sum = value_rank.sum(axis=1, skipna=False).rank()
|
||
|
|
|
||
|
|
return value_sum
|
||
|
|
|
||
|
|
|
||
|
|
def calculate_quality_factors(fs_list: pd.DataFrame) -> pd.DataFrame:
|
||
|
|
"""
|
||
|
|
퀄리티 팩터 계산 (ROE, GPA, CFO).
|
||
|
|
|
||
|
|
Args:
|
||
|
|
fs_list: 재무제표 DataFrame
|
||
|
|
|
||
|
|
Returns:
|
||
|
|
퀄리티 팩터 DataFrame (종목코드, ROE, GPA, CFO)
|
||
|
|
"""
|
||
|
|
if fs_list.empty:
|
||
|
|
return pd.DataFrame()
|
||
|
|
|
||
|
|
# 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()
|
||
|
|
# 자산과 자본은 재무상태표 항목이므로 평균, 나머지는 합
|
||
|
|
fs_list_clean['ttm'] = np.where(
|
||
|
|
fs_list_clean['계정'].isin(['자산', '자본']),
|
||
|
|
fs_list_clean['ttm'] / 4,
|
||
|
|
fs_list_clean['ttm']
|
||
|
|
)
|
||
|
|
# 최근 데이터만 선택
|
||
|
|
fs_list_clean = fs_list_clean.groupby(['종목코드', '계정']).tail(1)
|
||
|
|
|
||
|
|
# Pivot
|
||
|
|
fs_list_pivot = fs_list_clean.pivot(index='종목코드', columns='계정', values='ttm')
|
||
|
|
|
||
|
|
# 퀄리티 지표 계산
|
||
|
|
quality_df = pd.DataFrame()
|
||
|
|
quality_df['종목코드'] = fs_list_pivot.index
|
||
|
|
|
||
|
|
# ROE = 당기순이익 / 자본
|
||
|
|
if '당기순이익' in fs_list_pivot.columns and '자본' in fs_list_pivot.columns:
|
||
|
|
quality_df['ROE'] = fs_list_pivot['당기순이익'] / fs_list_pivot['자본']
|
||
|
|
|
||
|
|
# GPA = 매출총이익 / 자산
|
||
|
|
if '매출총이익' in fs_list_pivot.columns and '자산' in fs_list_pivot.columns:
|
||
|
|
quality_df['GPA'] = fs_list_pivot['매출총이익'] / fs_list_pivot['자산']
|
||
|
|
|
||
|
|
# CFO = 영업활동현금흐름 / 자산
|
||
|
|
if '영업활동으로인한현금흐름' in fs_list_pivot.columns and '자산' in fs_list_pivot.columns:
|
||
|
|
quality_df['CFO'] = fs_list_pivot['영업활동으로인한현금흐름'] / fs_list_pivot['자산']
|
||
|
|
|
||
|
|
return quality_df
|