MultiFactor 0.1.7__tar.gz → 0.2.1__tar.gz

{multifactor-0.1.7 → multifactor-0.2.1}/PKG-INFO

@@ -1,6 +1,6 @@
 Metadata-Version: 2.4
 Name: MultiFactor
-Version: 0.1.7
+Version: 0.2.1
 Summary: 멀티팩터 기반 주식 데이터 수집 패키지
 Author-email: HANHO <hanhoman@gmail.com>
 Classifier: Programming Language :: Python :: 3

{multifactor-0.1.7 → multifactor-0.2.1}/pyproject.toml

@@ -5,7 +5,7 @@ build-backend = "setuptools.build_meta"
 [project]
 # 1. PyPI에 등록될 배포 이름 (pip install MultiFactor)
 name = "MultiFactor"
-version = "0.1.7"
+version = "0.2.1"
 authors = [
   { name="HANHO", email="hanhoman@gmail.com" },
 ]

multifactor-0.2.1/src/MultiFactor/__init__.py

@@ -0,0 +1,8 @@
+# src/MultiFactor/__init__.py
+
+# 같은 폴더의 core.py/us_core.py에서 클래스를 가져옵니다.
+from .core import MultiFactor
+from .us_core import MultiFactorUS
+
+# 패키지를 import할 때 노출할 항목을 명시합니다.
+__all__ = ['MultiFactor', 'MultiFactorUS']

{multifactor-0.1.7 → multifactor-0.2.1}/src/MultiFactor/core.py

@@ -1,168 +1,168 @@
-#!pip install finance-datareader
-
-import FinanceDataReader as fdr
-
-import pandas as pd
-import numpy as np
-
-import time 
-
-from . import stockinfo as sinfo
-
-from . import momentum as mom 
-from . import value as val 
-from . import quality as qual
-
-from . import momentum_one as mom1 
-from . import value_one as val1
-from . import quality_one as qual1
-
-from . import score as sc
-from . import score_adj_weight as scw
-
-
-
-class MultiFactor:
-    def __init__(self, N: int):
-        """
-        멀티팩터 : 분석 대상 종목수 (시가총액 상위 N개)
-        """    
-        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 
-        """
-        print("(1/5) 종목코드 생성")
-        stock_list = self.get_stockinfo(dtype='dic')
-        
-        print("\n(2/5) 모멘텀 지표 생성")
-        data_mom = self.get_momentum(stock_list)
-        
-        print("\n(3/5) 밸류 지표 생성")
-        data_val = self.get_value(stock_list)
-        
-        print("\n(4/5) 퀄리티 지표 생성")
-        data_fin = self.get_quality(stock_list)
-        
-        print("\n(5/5) 멀티팩터 마스터 생성")        
-        data_mast = sc.get_score(data_mom, data_val, data_fin)
-        
-        data_mast.reset_index(drop=True, inplace=True) 
-        
-        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)
-        data_mast.reset_index(drop=True, inplace=True) 
-        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)
-        data_mast.reset_index(drop=True, inplace=True) 
-        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 사이값으로, 멀티팩터 데이터보다 건수가 적어야 합니다") 
-        
-
-        
-
-    
-
-        
-
-
-        
-
-        
-
-
-        
-
+#!pip install finance-datareader
+
+import FinanceDataReader as fdr
+
+import pandas as pd
+import numpy as np
+
+import time 
+
+from . import stockinfo as sinfo
+
+from . import momentum as mom 
+from . import value as val 
+from . import quality as qual
+
+from . import momentum_one as mom1 
+from . import value_one as val1
+from . import quality_one as qual1
+
+from . import score as sc
+from . import score_adj_weight as scw
+
+
+
+class MultiFactor:
+    def __init__(self, N: int):
+        """
+        멀티팩터 : 분석 대상 종목수 (시가총액 상위 N개)
+        """    
+        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 
+        """
+        print("(1/5) 종목코드 생성")
+        stock_list = self.get_stockinfo(dtype='dic')
+        
+        print("\n(2/5) 모멘텀 지표 생성")
+        data_mom = self.get_momentum(stock_list)
+        
+        print("\n(3/5) 밸류 지표 생성")
+        data_val = self.get_value(stock_list)
+        
+        print("\n(4/5) 퀄리티 지표 생성")
+        data_fin = self.get_quality(stock_list)
+        
+        print("\n(5/5) 멀티팩터 마스터 생성")        
+        data_mast = sc.get_score(data_mom, data_val, data_fin)
+        
+        data_mast.reset_index(drop=True, inplace=True) 
+        
+        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)
+        data_mast.reset_index(drop=True, inplace=True) 
+        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)
+        data_mast.reset_index(drop=True, inplace=True) 
+        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 사이값으로, 멀티팩터 데이터보다 건수가 적어야 합니다") 
+        
+
+        
+
+    
+
+        
+
+
+        
+
+        
+
+
+        
+

{multifactor-0.1.7 → multifactor-0.2.1}/src/MultiFactor/momentum.py

@@ -1,83 +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)
-    
+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