MultiFactor 0.2.0__tar.gz → 0.2.2__tar.gz

{multifactor-0.2.0 → multifactor-0.2.2}/PKG-INFO

@@ -1,6 +1,6 @@
 Metadata-Version: 2.4
 Name: MultiFactor
-Version: 0.2.0
+Version: 0.2.2
 Summary: 멀티팩터 기반 주식 데이터 수집 패키지
 Author-email: HANHO <hanhoman@gmail.com>
 Classifier: Programming Language :: Python :: 3

{multifactor-0.2.0 → multifactor-0.2.2}/pyproject.toml

@@ -5,7 +5,7 @@ build-backend = "setuptools.build_meta"
 [project]
 # 1. PyPI에 등록될 배포 이름 (pip install MultiFactor)
 name = "MultiFactor"
-version = "0.2.0"
+version = "0.2.2"
 authors = [
   { name="HANHO", email="hanhoman@gmail.com" },
 ]

{multifactor-0.2.0 → multifactor-0.2.2}/src/MultiFactor/us_momentum.py

@@ -12,6 +12,8 @@ def get_us_momentum(stock_list):
     SD = ED - timedelta(days=500) # 주간/월간/연간 모멘텀을 위해 넉넉히 500일 전 데이터 요청
     
     # yfinance로 한 번에 여러 종목을 수집하면 빠름 (단기/중기/장기 모두를 위해 Daily 데이터 사용)
+    # yfinance 호환을 위해 티커의 / 을 - 로 변경 (예: BRK/B -> BRK-B)
+    stock_list = {k.replace('/', '-'): v for k, v in stock_list.items()}
     tickers = list(stock_list.keys())
     
     # 1. 주가 및 거래량 데이터 일괄 수집 (yfinance.download)
@@ -21,26 +23,26 @@ def get_us_momentum(stock_list):
     def get_each_momentum(ticker):
         try:
             # 해당 종목의 데이터 추출 (종가, 거래량)
-            df = data[['Adj Close', 'Volume']].xs(ticker, axis=1, level=1)
+            df = data[['Close', 'Volume']].xs(ticker, axis=1, level=1)
             df = df.dropna()
             
             if len(df) < 20: 
                 return None, None
                 
             # 2. 주가 모멘텀 지표 생성
-            mom_1d = ( df.iloc[-1]['Adj Close'] / df.iloc[-2]['Adj Close'] - 1 )  * 100    # 전일
-            mom_1w = ( df.iloc[-1]['Adj Close'] / df.iloc[-5]['Adj Close'] - 1 )  * 100    # 주간
-            mom_1m = ( df.iloc[-1]['Adj Close'] / df.iloc[-20]['Adj Close'] - 1 )  * 100   # 월간
+            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]['Adj Close'] / df.iloc[-60]['Adj Close'] - 1 )  * 100
+                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]['Adj Close'] / df.iloc[-250]['Adj Close'] - 1 )  * 100
+                mom_1y = ( df.iloc[-1]['Close'] / df.iloc[-250]['Close'] - 1 )  * 100
             except:
                 mom_1y = np.nan
         

{multifactor-0.2.0 → multifactor-0.2.2}/src/MultiFactor/us_quality.py

@@ -8,7 +8,8 @@ def get_us_quality(stock_list):
     미국 주식 퀄리티 계산 (yfinance 기반)
     revenue_rate, oper_income_rate, net_income_rate, ROE 등 
     """
-    result_fin = []
+    # 티커 클렌징 (yfinance 호환)
+    stock_list = {k.replace('/', '-'): v for k, v in stock_list.items()}
     
     for i, (scode, sname) in enumerate(stock_list.items()):
         

multifactor-0.2.2/src/MultiFactor/us_stockinfo.py

@@ -0,0 +1,53 @@
+import FinanceDataReader as fdr
+
+import pandas as pd
+import numpy as np
+
+def get_us_stockinfo(N=500): 
+    """
+    미국 종목정보 추출 (GitHub S&P 500 데이터 활용 및 정렬)
+    """
+    url = "https://raw.githubusercontent.com/Ate329/top-us-stock-tickers/master/tickers/sp500.csv"
+    
+    try:
+        # 1. GitHub에서 최신 S&P 500 데이터 로드
+        df = pd.read_csv(url)
+        
+        # 2. 컬럼명을 기존 시스템과 동일하게 변경
+        column_map = {
+            'symbol': 'Code',
+            'name': 'Name',
+            'marketCap': 'MarketCap',
+            'industry': 'Industry',
+            'price': 'Price',
+            'volume': 'Volume'
+        }
+        df = df.rename(columns=column_map)
+        
+        # 3. 시가총액 순으로 내림차순 정렬
+        if 'MarketCap' in df.columns:
+            df = df.sort_values(by='MarketCap', ascending=False)
+            
+    except Exception as e:
+        print(f"GitHub 데이터 로드 실패: {e}. 기존 FDR 방식으로 전환합니다.")
+        # 실패 시 기존 FinanceDataReader 로직 사용
+        try:
+            df = fdr.StockListing('S&P500')
+        except:
+            df_nasdaq = fdr.StockListing('NASDAQ')
+            df_nyse = fdr.StockListing('NYSE')
+            df = pd.concat([df_nasdaq, df_nyse])
+        
+        if 'Symbol' in df.columns:
+            df = df.rename(columns={'Symbol': 'Code'})
+
+    # 4. 종목코드 클렌징 (yfinance 호환을 위해 / 를 - 로 변경. 예: BRK/B -> BRK-B)
+    if 'Code' in df.columns:
+        df['Code'] = df['Code'].str.replace('/', '-', regex=False)
+
+    # 5. 상위 N개 추출 및 인덱스 초기화
+    df = df.head(N).reset_index(drop=True)
+    
+    print("미국 종목 추출 건수 ", len(df))
+    
+    return df

{multifactor-0.2.0 → multifactor-0.2.2}/src/MultiFactor/us_value.py

@@ -8,7 +8,8 @@ def get_us_value(stock_list):
     미국 주식 밸류 계산 (yfinance 기반)
     참고: yfinance의 Ticker.info를 사용하므로 다수 종목 수집 시 시간이 소요됩니다.
     """
-    result = []
+    # 티커 클렌징 (yfinance 호환)
+    stock_list = {k.replace('/', '-'): v for k, v in stock_list.items()}
     
     for i, (scode, sname) in enumerate(stock_list.items()):
         

{multifactor-0.2.0 → multifactor-0.2.2}/src/MultiFactor.egg-info/PKG-INFO

@@ -1,6 +1,6 @@
 Metadata-Version: 2.4
 Name: MultiFactor
-Version: 0.2.0
+Version: 0.2.2
 Summary: 멀티팩터 기반 주식 데이터 수집 패키지
 Author-email: HANHO <hanhoman@gmail.com>
 Classifier: Programming Language :: Python :: 3

multifactor-0.2.0/src/MultiFactor/us_stockinfo.py

@@ -1,35 +0,0 @@
-import FinanceDataReader as fdr
-
-import pandas as pd
-import numpy as np
-
-def get_us_stockinfo(N=500): 
-    """
-    미국 종목정보 추출 (S&P 500 기준 또는 전체 거래소)
-    """
-    # S&P 500 종목 리스트 가져오기 (가장 안정적인 대형주 500개)
-    # 만약 전체 거래소 상위 500개를 원한다면 별도 로직 필요하나 S&P 500이 '시가총액 500개'에 가장 부합하는 기본 리스트임
-    try:
-        df = fdr.StockListing('S&P500')
-    except:
-        # S&P500 리스트 실패 시 NASDAQ, NYSE 등에서 시가총액 상위 추출 시도
-        df_nasdaq = fdr.StockListing('NASDAQ')
-        df_nyse = fdr.StockListing('NYSE')
-        df = pd.concat([df_nasdaq, df_nyse])
-
-    # 종목 추출 건수 체크 및 필터링 (필요 시)
-    # 미국 주식은 이미 fdr 리스트에 시가총액 정보 등이 포함되어 있을 수 있음
-    # 하지만 yfinance 호환을 위해 'Symbol' 또는 'Ticker' 컬럼이 중요함
-    
-    if 'Symbol' in df.columns:
-        df = df.rename(columns={'Symbol': 'Code'})
-    
-    # 상위 N개 추출
-    df = df.head(N)
-    
-    # 데이터프레임 인덱스 초기화
-    df = df.reset_index(drop=True)
-    
-    print("미국 종목 추출 건수 ", len(df))
-    
-    return df