MultiFactor 0.1.0__tar.gz

multifactor-0.1.0/PKG-INFO

@@ -0,0 +1,53 @@
+Metadata-Version: 2.4
+Name: MultiFactor
+Version: 0.1.0
+Summary: 멀티팩터 기반 주식 데이터 수집 패키지
+Author-email: HANHO <hanhoman@gmail.com>
+Classifier: Programming Language :: Python :: 3
+Classifier: License :: OSI Approved :: MIT License
+Classifier: Operating System :: OS Independent
+Classifier: Topic :: Office/Business :: Financial :: Investment
+Requires-Python: >=3.8
+Description-Content-Type: text/markdown
+Requires-Dist: FinanceDataReader>=0.9.110
+Requires-Dist: pandas
+Requires-Dist: numpy
+
+# MultiFactor
+
+`MultiFactor`는 멀티팩터 전략을 구현하고 분석할 수 있도록 돕는 파이썬 라이브러리입니다.
+
+## 주요 기능
+* FinanceDataReader 기반의 빠르고 안정적인 금융 데이터 수집
+* 사용자 맞춤형 팩터(가치, 모멘텀, 퀄리티 등) 점수 산출
+* 직관적인 데이터프레임(DataFrame) 형태의 결과물 반환
+
+## 설치 방법
+```bash
+pip install MultiFactor
+```
+
+
+
+### 테스트 코드 
+
+import MultiFactor as mf
+
+mf = core_real.MultiFactor(N=5)
+mf.get_stockinfo()
+
+stock_list = mf.get_stockinfo(dtype='dic')
+
+data_mom = mf.get_momentum(stock_list) 
+data_val = mf.get_value(stock_list)    
+data_fin = mf.get_quality(stock_list) 
+
+mf.get_momentum_one('005930')
+mf.get_value_one('005930')   
+mf.get_quality_one('005930')
+
+data_mast = mf.get_score() 
+data_mast = mf.get_score_by_data(data_mom, data_val, data_fin)
+mf.get_score_adj_weight(data_mast, weight='가치성장')
+
+mf.get_Ngroup(data_mast, Ngroup=2)

multifactor-0.1.0/README.md

@@ -0,0 +1,38 @@
+# MultiFactor
+
+`MultiFactor`는 멀티팩터 전략을 구현하고 분석할 수 있도록 돕는 파이썬 라이브러리입니다.
+
+## 주요 기능
+* FinanceDataReader 기반의 빠르고 안정적인 금융 데이터 수집
+* 사용자 맞춤형 팩터(가치, 모멘텀, 퀄리티 등) 점수 산출
+* 직관적인 데이터프레임(DataFrame) 형태의 결과물 반환
+
+## 설치 방법
+```bash
+pip install MultiFactor
+```
+
+
+
+### 테스트 코드 
+
+import MultiFactor as mf
+
+mf = core_real.MultiFactor(N=5)
+mf.get_stockinfo()
+
+stock_list = mf.get_stockinfo(dtype='dic')
+
+data_mom = mf.get_momentum(stock_list) 
+data_val = mf.get_value(stock_list)    
+data_fin = mf.get_quality(stock_list) 
+
+mf.get_momentum_one('005930')
+mf.get_value_one('005930')   
+mf.get_quality_one('005930')
+
+data_mast = mf.get_score() 
+data_mast = mf.get_score_by_data(data_mom, data_val, data_fin)
+mf.get_score_adj_weight(data_mast, weight='가치성장')
+
+mf.get_Ngroup(data_mast, Ngroup=2)

multifactor-0.1.0/pyproject.toml

@@ -0,0 +1,32 @@
+[build-system]
+requires = ["setuptools>=61.0"]
+build-backend = "setuptools.build_meta"
+
+[project]
+# 1. PyPI에 등록될 배포 이름 (pip install MultiFactor)
+name = "MultiFactor"
+version = "0.1.0"
+authors = [
+  { name="HANHO", email="hanhoman@gmail.com" },
+]
+description = "멀티팩터 기반 주식 데이터 수집 패키지"
+readme = "README.md"
+requires-python = ">=3.8"
+classifiers = [
+    "Programming Language :: Python :: 3",
+    "License :: OSI Approved :: MIT License",
+    "Operating System :: OS Independent",
+    "Topic :: Office/Business :: Financial :: Investment",
+]
+
+
+# 2. 패키지 실행에 필요한 외부 라이브러리 명시
+dependencies = [
+    "FinanceDataReader>=0.9.110",
+    "pandas",
+	"numpy",	
+]
+
+# 3. src 폴더 안의 패키지(OpenStock)를 자동으로 찾도록 설정
+[tool.setuptools.packages.find]
+where = ["src"]

multifactor-0.1.0/setup.cfg

@@ -0,0 +1,4 @@
+[egg_info]
+tag_build = 
+tag_date = 0
+

multifactor-0.1.0/src/MultiFactor/__init_.py

@@ -0,0 +1,7 @@
+# src/MultiFactor/__init__.py
+
+# 같은 폴더의 core.py에서 MultiFactor 클래스를 가져옵니다.
+from .core import MultiFactor
+
+# 패키지를 import할 때 노출할 항목을 명시합니다.
+__all__ = ['MultiFactor']

multifactor-0.1.0/src/MultiFactor/core.py

@@ -0,0 +1,157 @@
+#!pip install finance-datareader
+
+import FinanceDataReader as fdr
+
+import pandas as pd
+import numpy as np
+
+import time 
+
+import stockinfo as sinfo
+
+import momentum as mom 
+import value as val 
+import quality as qual
+
+import momentum_one as mom1 
+import value_one as val1
+import quality_one as qual1
+
+import score as sc
+import score_adj_weight as scw
+
+
+import warnings
+warnings.filterwarnings('ignore')
+
+
+class MultiFactor:
+    def __init__(self, N: int):
+        """
+        멀티팩터 
+        """    
+        self.N = N
+		
+
+    def get_stockinfo(self, dtype='dataframe') -> pd.DataFrame:
+        
+        df = sinfo.get_stockinfo(self.N)
+        
+        if dtype=='dic':
+        # 종목 정보 사전 저장
+            stock_list = dict(zip(df['Code'], df['Name']))    
+            return stock_list
+
+        else:
+            return df
+
+
+    
+    def get_momentum(self, stock_list) -> pd.DataFrame:
+        """
+        모멘텀 
+        """
+        data_mom = mom.get_momentum(stock_list) 
+        return data_mom 
+        
+
+    def get_momentum_one(self, scode) -> pd.DataFrame:
+        """
+        모멘텀 1개 종목 
+        """
+        return mom1.get_momentum_one(scode)
+
+    def get_value(self, stock_list) -> pd.DataFrame:
+        """
+        밸류
+        """
+        data_val = val.get_value(stock_list) 
+        return data_val 
+        
+    def get_value_one(self, scode) -> pd.DataFrame:
+        """
+        밸류 1개 종목 
+        """ 
+        return val1.get_value_one(scode)
+
+    def get_quality(self, stock_list) -> pd.DataFrame:
+        """
+        퀄리티 
+        """
+        data_fin = qual.get_quality(stock_list) 
+        return data_fin
+
+    def get_quality_one(self, scode) -> pd.DataFrame:
+        """
+        퀄리티 1개 종목 
+        """
+        return qual1.get_quality_one(scode)
+
+
+
+    def get_score(self) -> pd.DataFrame:
+        """
+        스코어 마스터 자동계산 
+        """
+        stock_list = self.get_stockinfo(dtype='dic')
+        data_mom = self.get_momentum(stock_list)
+        data_val = self.get_value(stock_list)
+        data_fin = self.get_quality(stock_list)
+        
+        data_mast = sc.get_score(data_mom, data_val, data_fin)
+        return data_mast 
+
+    
+    def get_score_by_data(self, data_mom, data_val, data_fin) -> pd.DataFrame:
+        """
+        스코어 마스터 : 직접 데이터 입력 
+        """
+        data_mast = sc.get_score(data_mom, data_val, data_fin)
+        return data_mast 
+
+        
+    def get_score_adj_weight(self, data_mast, weight='균등') -> pd.DataFrame:
+        """
+        스코어 마스터를 받아서, 가중치 주기 
+        weight : 균등(기본), 가치성장, 추세성장, 역발생 
+        """
+        data_mast = scw.get_score_adj_weight(data_mast, weight)
+        return data_mast 
+
+    def get_Ngroup(self, data_mast, Ngroup=10) -> pd.DataFrame:
+        """
+        지정한 그룹수(Ngroup)에 따라 종목명만 출력 
+        Ngroup : 2부터 100 사이값 & data_mast보다 건수 적음
+        """
+        Ngroup = int(Ngroup)
+        if Ngroup > 1 and Ngroup <= 100 and Ngroup < len(data_mast):
+
+            # 1. 종합순위를 기준으로 오름차순 정렬
+            data_mast = data_mast.sort_values(by='종합순위')
+            
+            # 2. 정렬된 데이터프레임을 Ngroup 개수만큼 분할
+            chunks = np.array_split(data_mast, Ngroup)
+        
+             # 3. 각 그룹별로 번호와 종목명 출력
+            for i, chunk in enumerate(chunks, 1):
+                stock_list = ", ".join(chunk['sname'].astype(str).tolist())
+                print(f"{i} : {stock_list}")
+        
+        else: 
+            print("Ngroup를 다시 입력하세요 : 2부터 100 사이값 & data_mast보다 건수 적음") 
+        
+
+        
+
+    
+
+        
+
+
+        
+
+        
+
+
+        
+

multifactor-0.1.0/src/MultiFactor/core_backup.py

@@ -0,0 +1,38 @@
+#!pip install finance-datareader
+
+import FinanceDataReader as fdr
+
+import pandas as pd
+import numpy as np
+
+import stockinfo as sinfo
+import momentum as mom 
+import value as val 
+import quality as qual
+import score as sc
+
+
+
+# 시가총액 N종목 
+df = sinfo.get_stockinfo(N=10)
+#print(df.head()) 
+
+# 종목 정보 사전 저장
+stock_list = dict(zip(df['Code'], df['Name']))
+
+
+# 모멘텀 
+data_mom = mom.get_momentum(stock_list) 
+#print(data_mom.tail())
+
+# 밸류 
+data_val = val.get_value(stock_list)
+#print(data_val.tail()) 
+
+# 퀄리티  => data_qua  
+data_fin = qual.get_quality(stock_list) 
+#print(data_fin.tail()) 
+
+# 스코어링   => data_qua 
+data_mast = sc.get_score(data_mom, data_val, data_fin)
+print(data_mast.head()) 

multifactor-0.1.0/src/MultiFactor/momentum.py

@@ -0,0 +1,83 @@
+import FinanceDataReader as fdr
+
+import pandas as pd
+import numpy as np
+
+from datetime import date
+
+def get_momentum(stock_list):
+
+    # 날짜 : SD 작년 1/2, ED는 오늘 
+    ED = date.today().strftime('%Y%m%d')   # 오늘
+    
+    last_year = date.today().year - 1
+    SD = date(last_year, 1, 2).strftime('%Y%m%d')  # 작년 1월2일 
+
+
+    def get_momentum_one(scode, SD, ED):
+        """
+        주가 모멘텀과 거래량 모멘텀 계산
+    
+        매개변수:
+             scode : 종목 코드 (예: '005930')
+             SD : 주가데이터 추출시작일 (예: '20250102')
+             ED : 주가데이터 추출종료일 (예: '20250131')
+    
+        반환값:
+            avg : 주가 모멘텀 지표 (기간별 수익률 평균)
+            vol : 거래량 모멘텀 지표
+        """
+    
+        # 1. 주가 및 거래량 데이터 수집 (여기는 에러나면 멈춰서 확인해야 하므로 try-except 제거)
+        df = fdr.DataReader(scode, SD, ED)
+    
+        # 2. 주가 모멘텀 지표 생성
+        # 단기 (1일, 1주, 1개월) - 데이터가 너무 없으면 에러가 나는 게 맞으므로 그대로 둠
+        mom_1d = ( df.iloc[-1]['Close'] / df.iloc[-2]['Close'] - 1 )  * 100    # 전일
+        mom_1w = ( df.iloc[-1]['Close'] / df.iloc[-5]['Close'] - 1 )  * 100    # 주간
+        mom_1m = ( df.iloc[-1]['Close'] / df.iloc[-20]['Close'] - 1 )  * 100   # 월간
+    
+        # 3개월간 (데이터 부족 시 NaN 처리)
+        try:
+            mom_3m = ( df.iloc[-1]['Close'] / df.iloc[-60]['Close'] - 1 )  * 100
+        except:
+            mom_3m = np.nan
+    
+        # 연간 (데이터 부족 시 NaN 처리)
+        try:
+            mom_1y = ( df.iloc[-1]['Close'] / df.iloc[-240]['Close'] - 1 )  * 100
+        except:
+            mom_1y = np.nan
+    
+        # 3. 기간별 수익률의 평균 계산 (NaN을 제외하고 평균 산출)
+        avg = np.nanmean([mom_1d, mom_1w, mom_1m, mom_3m, mom_1y])
+    
+        # 4. 거래량 모멘텀 지표 생성
+        try:
+            vol_short = df['Volume'].rolling(window=5).mean().iloc[-1]  # 최근 5일
+            vol_long = df['Volume'].rolling(window=20).mean().iloc[-1]  # 최근 20일
+            vol = ( vol_short / vol_long - 1) * 100
+        except:
+            vol = np.nan
+    
+        return avg, vol
+
+    
+    # 모멘텀 지표 계산 후 result에 적재
+    result = []
+    for scode, sname in stock_list.items():
+        try:
+            mom, vol = get_momentum_one(scode, SD, ED)  # 주가 데이터 수집일(SD, ED)  ★★★
+            result.append( [ scode, sname, mom, vol ] )
+    
+        except:
+            print("추출오류 : ", sname) # 에러 종목코드 출력
+            result.append([scode, sname, None, None])
+    
+    # 모멘텀 지표 결과(result)는 데이터프레임(data_mom)으로 저장
+    data_mom = pd.DataFrame(result, columns=['scode', 'sname', 'mom_price', 'mom_vol'])
+    
+    # 추출 오류 종목 제외 (최근 상장 종목)
+    data_mom = data_mom.dropna().reset_index(drop=True)
+    
+    return data_mom

multifactor-0.1.0/src/MultiFactor/momentum_one.py

@@ -0,0 +1,75 @@
+import FinanceDataReader as fdr
+
+import pandas as pd
+import numpy as np
+from datetime import date
+
+def get_momentum_one(scode):
+    """
+    주가 모멘텀과 거래량 모멘텀 계산
+
+    매개변수:
+         scode : 종목 코드 (예: '005930')
+         SD : 주가데이터 추출시작일 (예: '20250102')
+         ED : 주가데이터 추출종료일 (예: '20250131')
+
+    반환값:
+        avg : 주가 모멘텀 지표 (기간별 수익률 평균)
+        vol : 거래량 모멘텀 지표
+    """
+
+    # 날짜 : SD 작년 1/2, ED는 오늘 
+    ED = date.today().strftime('%Y%m%d')   # 오늘
+    
+    last_year = date.today().year - 1
+    SD = date(last_year, 1, 2).strftime('%Y%m%d')  # 작년 1월2일 
+
+
+    # 모멘텀 지표 계산 후 result에 적재
+    result = []
+
+    try: 
+
+        # 1. 주가 및 거래량 데이터 수집 (여기는 에러나면 멈춰서 확인해야 하므로 try-except 제거)
+        df = fdr.DataReader(scode, SD, ED)
+    
+        # 2. 주가 모멘텀 지표 생성
+        # 단기 (1일, 1주, 1개월) - 데이터가 너무 없으면 에러가 나는 게 맞으므로 그대로 둠
+        mom_1d = ( df.iloc[-1]['Close'] / df.iloc[-2]['Close'] - 1 )  * 100    # 전일
+        mom_1w = ( df.iloc[-1]['Close'] / df.iloc[-5]['Close'] - 1 )  * 100    # 주간
+        mom_1m = ( df.iloc[-1]['Close'] / df.iloc[-20]['Close'] - 1 )  * 100   # 월간
+    
+        # 3개월간 (데이터 부족 시 NaN 처리)
+        try:
+            mom_3m = ( df.iloc[-1]['Close'] / df.iloc[-60]['Close'] - 1 )  * 100
+        except:
+            mom_3m = np.nan
+    
+        # 연간 (데이터 부족 시 NaN 처리)
+        try:
+            mom_1y = ( df.iloc[-1]['Close'] / df.iloc[-240]['Close'] - 1 )  * 100
+        except:
+            mom_1y = np.nan
+    
+        # 3. 기간별 수익률의 평균 계산 (NaN을 제외하고 평균 산출)
+        avg = np.nanmean([mom_1d, mom_1w, mom_1m, mom_3m, mom_1y])
+    
+        # 4. 거래량 모멘텀 지표 생성
+        try:
+            vol_short = df['Volume'].rolling(window=5).mean().iloc[-1]  # 최근 5일
+            vol_long = df['Volume'].rolling(window=20).mean().iloc[-1]  # 최근 20일
+            vol = ( vol_short / vol_long - 1) * 100
+        except:
+            vol = np.nan
+
+        result.append( [ scode, avg, vol ] )
+        data_mom = pd.DataFrame(result, columns=['scode', 'mom_price', 'mom_vol'])    
+        return data_mom
+
+    except Exception as e:
+        print(f"에러가 발생했습니다. 상세 내용: {e}")
+        print("추출오류 : ", scode) 
+        return None
+    
+        
+    

multifactor-0.1.0/src/MultiFactor/quality.py

@@ -0,0 +1,35 @@
+import FinanceDataReader as fdr
+
+import pandas as pd
+import numpy as np
+
+import time
+
+
+def get_quality(stock_list):
+    result_fin = []
+    for i, (scode, sname) in enumerate(stock_list.items()):
+    
+        # [중요] 1. 서버 차단 방지 (1초 대기)
+        time.sleep(1)
+    
+        # 진행 상황 모니터링 (50개마다 출력)
+        if i % 50 == 0:
+            print(f"{i}/{len(stock_list)} 진행 중... ({sname})")
+    
+        try:
+            # 재무 데이터 추출 : 분기 K-IFRS 연결 기준
+            data = fdr.SnapDataReader(f'NAVER/FINSTATE-2Q/{scode}').dropna(subset='영업이익')  # 분기
+            fin = (data[['매출액','영업이익','당기순이익']].pct_change()*100).iloc[-1].to_list()
+            roe = data['ROE(%)'].iloc[-1]
+            result_fin.append([scode] + fin + [roe])
+    
+        except:
+            print("추출오류 : ", sname) # 에러 종목코드 출력
+            result_fin.append([scode, None, None, None, None])
+    
+    
+    # ROE와 나머지 지표를 결합하여, 퀄러티 지표 완성
+    data_fin = pd.DataFrame(result_fin, columns=['scode', 'revenue_rate', 'oper_income_rate', 'net_income_rate', 'ROE'])
+
+    return data_fin

multifactor-0.1.0/src/MultiFactor/quality_one.py

@@ -0,0 +1,21 @@
+import FinanceDataReader as fdr
+
+import pandas as pd
+import numpy as np
+
+
+def get_quality_one(scode):
+    result_fin = []
+    try:
+        # 재무 데이터 추출 : 분기 K-IFRS 연결 기준
+        data = fdr.SnapDataReader(f'NAVER/FINSTATE-2Q/{scode}').dropna(subset='영업이익')  # 분기
+        fin = (data[['매출액','영업이익','당기순이익']].pct_change()*100).iloc[-1].to_list()
+        roe = data['ROE(%)'].iloc[-1]
+        result_fin.append([scode] + fin + [roe])
+        data_fin = pd.DataFrame(result_fin, columns=['scode', 'revenue_rate', 'oper_income_rate', 'net_income_rate', 'ROE'])
+        return data_fin
+
+    except Exception as e:
+        print(f"에러가 발생했습니다. 상세 내용: {e}")
+        print("추출오류 : ", sname) # 에러 종목코드 출력
+        return None 

multifactor-0.1.0/src/MultiFactor/score.py

@@ -0,0 +1,55 @@
+import pandas as pd
+import numpy as np
+
+def get_score(data_mom, data_val, data_fin):
+    
+    ## 종합지표 생성
+    # 멀티팩터 마스터 파일 생성
+    data_mast = data_mom.merge(data_val, on='scode', how='left')\
+                        .merge(data_fin, on='scode', how='left')
+    
+    
+    # 결측 보정
+    # 멀티팩터 마스터파일에서 수치형 컬럼명을 추출하여 cols로 저장
+    cols = data_mast.select_dtypes(exclude='object').columns
+    
+    # for문으로 cols에 저장된 컬럼명(멀티팩터)별로 반복. 결측치 발생시 중앙값으로 대체
+    for col in cols:
+        data_mast[col] = data_mast[col].replace([np.inf, -np.inf], np.nan) # 무한대 처리
+        data_mast[col] = data_mast[col].fillna(data_mast[col].median())    # 결측치 처리
+    
+    # 종합점수 생성
+    # 모멘텀 지표 순위화 : 값이 클수록 우수
+    data_mast['모멘텀_주가'] = data_mast['mom_price'].rank(ascending=False, axis=0) / len(data_mast) * 100
+    data_mast['모멘텀_거래량'] = data_mast['mom_vol'].rank(ascending=False, axis=0) / len(data_mast) * 100
+    
+    # 밸류 지표 순위화 : 값이 작을수록 우수
+    data_mast['밸류_PER'] = data_mast['PER'].rank(ascending=True, axis=0) / len(data_mast) * 100
+    data_mast['밸류_PBR'] = data_mast['PBR'].rank(ascending=True, axis=0) / len(data_mast) * 100
+    data_mast['퀄러티_ROE'] = data_mast['ROE'].rank(ascending=False, axis=0) / len(data_mast) * 100
+    
+    # 퀄러티 지표 순위화 : 값이 클수록 우수
+    data_mast['퀄러티_ROE'] = data_mast['ROE'].rank(ascending=False, axis=0) / len(data_mast) * 100
+    data_mast['퀄러티_매출증가'] = data_mast['revenue_rate'].rank(ascending=False, axis=0) / len(data_mast) * 100
+    data_mast['퀄러티_영업이익증가'] = data_mast['oper_income_rate'].rank(ascending=False, axis=0) / len(data_mast) * 100
+    data_mast['퀄러티_순이익증가'] = data_mast['net_income_rate'].rank(ascending=False, axis=0) / len(data_mast) * 100
+    
+    # 멀티팩터 종합점수 계산 컬럼 정의
+    cols = ['모멘텀_주가', '모멘텀_거래량', '밸류_PER', '밸류_PBR', '퀄러티_ROE', '퀄러티_매출증가', '퀄러티_영업이익증가', '퀄러티_순이익증가']
+    
+    # 종합점수 계산 (평균)
+    data_mast['종합점수'] = np.average( data_mast[cols], axis=1 )
+    
+    # 종합순위 계산
+    data_mast['종합순위'] = data_mast['종합점수'].rank(ascending=True, axis=0)
+    
+    # 종합순위 퍼센트 계산
+    data_mast['종합순위_퍼센트'] = data_mast['종합순위'] / len(data_mast) * 100
+    
+    # 종합순위 상위 순으로 정렬
+    data_mast.sort_values(by='종합순위', inplace=True)
+    
+    # 화면에 종합순위 상위 10개 종목 출력 (T옵션으로 행과 열을 교환하여 출력)
+    #data_mast.head(10).T
+
+    return data_mast

multifactor-0.1.0/src/MultiFactor/score_adj_weight.py

@@ -0,0 +1,57 @@
+import pandas as pd
+import numpy as np
+
+def get_score_adj_weight(data_mast, weight='균등'):
+
+    def score_regenerate(data_mast, cols, df_w):
+        # 가중치 적용을 위한 멀티팩터 마스터(data_mast)의 복사본(dat_weight) 생성  
+        data_weight = data_mast.copy() 
+        
+        # 가중치를 적용하여 종합점수 생성 
+        data_weight['종합점수'] = np.average( data_weight[cols], axis=1, weights=df_w['weights']) 
+        
+        # 종합순위 및 종합순위 퍼센트 생성 
+        data_weight['종합순위'] = data_weight['종합점수'].rank(ascending=True, axis=0)
+        data_weight['종합순위_퍼센트'] = data_weight['종합순위'] / len(data_weight) * 100
+        
+        # 종합순위 순으로 정렬
+        data_weight.sort_values(by='종합순위', inplace=True)
+
+        return data_weight 
+
+        
+    
+    # 가중치 벡터 초기화 
+    cols = ['모멘텀_주가', '모멘텀_거래량', '밸류_PER', '밸류_PBR', '퀄러티_ROE', '퀄러티_매출증가', '퀄러티_영업이익증가', '퀄러티_순이익증가']
+    df_w = pd.DataFrame()
+    df_w['cols'] = cols
+    
+
+    # ① 가치 성장 전략 (밸류 + 퀄리티 조합)
+    if weight == '가치성장':        
+        df_w['weights'] = [0/8, 0/8, 1/8, 1/8, 1/8, 1/8, 1/8, 1/8]
+        data_mast = score_regenerate(data_mast, cols, df_w) 
+        return data_mast
+
+    # ② 추세 성장 전략 (모멘텀 + 퀄리티 조합)
+    elif weight == '추세성장':        
+        df_w['weights'] = [0/8, 0/8, 1/8, 1/8, 1/8, 1/8, 1/8, 1/8]    
+        data_mast = score_regenerate(data_mast, cols, df_w) 
+        return data_mast
+    
+    # ③ 역발상 전략 (밸류 + 모멘텀 조합)
+    elif weight == '역발상':        
+        df_w['weights'] = [1/8, 1/8, 1/8, 1/8, 0/8, 0/8, 0/8, 0/8]  
+        data_mast = score_regenerate(data_mast, cols, df_w) 
+        return data_mast
+
+    # ③ 균등
+    elif weight == '균등':        
+        df_w['weights'] = [1/8, 1/8, 1/8, 1/8, 1/8, 1/8, 1/8, 1/8]  
+        data_mast = score_regenerate(data_mast, cols, df_w) 
+        return data_mast
+
+    else:
+        print("(옵션입력 오류) 다음 옵션 중에 하나를 입력하세요. : 가치성장,추세성장,역발상,균등")
+        return None
+

multifactor-0.1.0/src/MultiFactor/stockinfo.py

@@ -0,0 +1,42 @@
+import FinanceDataReader as fdr
+
+import pandas as pd
+import numpy as np
+
+
+def get_stockinfo(N=10): 
+    """
+    종목정보 추출 
+    """
+    # 거래소 전체 추출 (코스피, 코스닥 대상) 
+    df = fdr.StockListing('KRX').query("Market in ['KOSPI', 'KOSDAQ']")
+    
+    # 종목별 종가(Close) 문자형에서 수치형(integer)으로 변환
+    df['Close'] = df['Close'].astype(int)
+    
+    # 제외조건
+    # 소형주: 시가총액 1,000억 원 미만 종목 제외 적용
+    df = df.query(" Marcap >= 100000000000 ")
+    
+    # 저유동성 : 일 거래량 2,000주 미만 제외 적용
+    df = df.query(" Volume >= 2000 ")
+    
+    # 동전주: 높은 변동성 위험을 고려하여 주가 1,000원 미만 종목 제외 적용
+    df = df.query(" Close >= 1000 ")
+    
+    # 우선주: 낮은 거래량과 본주와의 주가 차이(괴리율)로 인한 분석의 한계로 제외 (종목코드 끝자리 5,7,9,K) 적용
+    df = df[ df['Code'].apply(lambda x: False if x[-1] in ['5','7','9','K'] else True) ]
+    
+    # 스팩(SPAC), 리츠, 벤처투자 등 : 재무 데이터의 실효성이 없어 제외 적용
+    df = df[ ~df['Name'].str.contains('스팩|리츠|리얼티|인프라|유전|벤처') ]
+    
+    # 시가총액 N종목 추출
+    df = df.sort_values(by='Marcap', ascending=False).iloc[:N]
+    
+    # 데이터프레임 인덱스 초기화
+    df = df.reset_index(drop=True)
+    
+    # 최종 종목 추출 건수 출력
+    print("종목 추출 건수 ", len(df))
+    
+    return df

multifactor-0.1.0/src/MultiFactor/value.py

@@ -0,0 +1,34 @@
+import FinanceDataReader as fdr
+
+import pandas as pd
+import numpy as np
+
+import time
+
+def get_value(stock_list):
+    
+    result = []
+    
+    for i, (scode, sname) in enumerate(stock_list.items()):
+    
+        # [중요] 데이터 수집 시 서버 차단 방지 (1초 대기)
+        time.sleep(1)
+    
+        # 진행 상황 모니터링 (50번째 순서마다 종목명 출력)
+        if i % 50 == 0:
+            print(f"{i}/{len(stock_list)} 진행 중... ({sname})")
+    
+        try:
+            # 재무제표 데이터 추출 (연간 K-IFRS 연결 기준)
+            data = fdr.SnapDataReader(f'NAVER/FINSTATE-2Y/{scode}').dropna(subset='영업이익') # 연간
+            per, pbr = data['PER(배)'].iloc[-1], data['PBR(배)'].iloc[-1]
+            result.append([scode, per, pbr])
+    
+        except:
+            print("추출오류 : ", sname) # 에러 종목코드 출력
+            result.append([scode, None, None])
+
+    
+    data_val = pd.DataFrame(result, columns=['scode', 'PER', 'PBR'])
+
+    return data_val 

multifactor-0.1.0/src/MultiFactor/value_one.py

@@ -0,0 +1,22 @@
+import FinanceDataReader as fdr
+
+import pandas as pd
+import numpy as np
+
+
+def get_value_one(scode):
+    
+    result = []
+    
+    try:
+        # 재무제표 데이터 추출 (연간 K-IFRS 연결 기준)
+        data = fdr.SnapDataReader(f'NAVER/FINSTATE-2Y/{scode}').dropna(subset='영업이익') # 연간
+        per, pbr = data['PER(배)'].iloc[-1], data['PBR(배)'].iloc[-1]
+        result.append([scode, per, pbr])
+        data_val = pd.DataFrame(result, columns=['scode', 'PER', 'PBR'])
+        return data_val 
+
+    except Exception as e:
+        print(f"에러가 발생했습니다. 상세 내용: {e}")
+        print("추출오류 : ", sname) # 에러 종목코드 출력
+        return None   

multifactor-0.1.0/src/MultiFactor.egg-info/PKG-INFO

@@ -0,0 +1,53 @@
+Metadata-Version: 2.4
+Name: MultiFactor
+Version: 0.1.0
+Summary: 멀티팩터 기반 주식 데이터 수집 패키지
+Author-email: HANHO <hanhoman@gmail.com>
+Classifier: Programming Language :: Python :: 3
+Classifier: License :: OSI Approved :: MIT License
+Classifier: Operating System :: OS Independent
+Classifier: Topic :: Office/Business :: Financial :: Investment
+Requires-Python: >=3.8
+Description-Content-Type: text/markdown
+Requires-Dist: FinanceDataReader>=0.9.110
+Requires-Dist: pandas
+Requires-Dist: numpy
+
+# MultiFactor
+
+`MultiFactor`는 멀티팩터 전략을 구현하고 분석할 수 있도록 돕는 파이썬 라이브러리입니다.
+
+## 주요 기능
+* FinanceDataReader 기반의 빠르고 안정적인 금융 데이터 수집
+* 사용자 맞춤형 팩터(가치, 모멘텀, 퀄리티 등) 점수 산출
+* 직관적인 데이터프레임(DataFrame) 형태의 결과물 반환
+
+## 설치 방법
+```bash
+pip install MultiFactor
+```
+
+
+
+### 테스트 코드 
+
+import MultiFactor as mf
+
+mf = core_real.MultiFactor(N=5)
+mf.get_stockinfo()
+
+stock_list = mf.get_stockinfo(dtype='dic')
+
+data_mom = mf.get_momentum(stock_list) 
+data_val = mf.get_value(stock_list)    
+data_fin = mf.get_quality(stock_list) 
+
+mf.get_momentum_one('005930')
+mf.get_value_one('005930')   
+mf.get_quality_one('005930')
+
+data_mast = mf.get_score() 
+data_mast = mf.get_score_by_data(data_mom, data_val, data_fin)
+mf.get_score_adj_weight(data_mast, weight='가치성장')
+
+mf.get_Ngroup(data_mast, Ngroup=2)

multifactor-0.1.0/src/MultiFactor.egg-info/SOURCES.txt

@@ -0,0 +1,19 @@
+README.md
+pyproject.toml
+src/MultiFactor/__init_.py
+src/MultiFactor/core.py
+src/MultiFactor/core_backup.py
+src/MultiFactor/momentum.py
+src/MultiFactor/momentum_one.py
+src/MultiFactor/quality.py
+src/MultiFactor/quality_one.py
+src/MultiFactor/score.py
+src/MultiFactor/score_adj_weight.py
+src/MultiFactor/stockinfo.py
+src/MultiFactor/value.py
+src/MultiFactor/value_one.py
+src/MultiFactor.egg-info/PKG-INFO
+src/MultiFactor.egg-info/SOURCES.txt
+src/MultiFactor.egg-info/dependency_links.txt
+src/MultiFactor.egg-info/requires.txt
+src/MultiFactor.egg-info/top_level.txt

multifactor-0.1.0/src/MultiFactor.egg-info/dependency_links.txt

@@ -0,0 +1 @@
+

multifactor-0.1.0/src/MultiFactor.egg-info/requires.txt

@@ -0,0 +1,3 @@
+FinanceDataReader>=0.9.110
+pandas
+numpy

multifactor-0.1.0/src/MultiFactor.egg-info/top_level.txt

@@ -0,0 +1 @@
+MultiFactor