analyser_hj3415 2.0.0__py2.py3-none-any.whl

analyser_hj3415/analyser/score.py

@@ -0,0 +1,369 @@
+import math
+import numpy
+import pprint
+import copy
+from typing import Tuple
+
+from .db import mongo
+from .eval import EXPECT_EARN, red as eval_red, mil as eval_mil, blue as eval_blue, growth as eval_growth
+from utils_hj3415 import utils
+
+import logging
+
+logger = logging.getLogger(__name__)
+formatter = logging.Formatter('%(levelname)s: [%(name)s] %(message)s')
+ch = logging.StreamHandler()
+ch.setFormatter(formatter)
+logger.addHandler(ch)
+logger.setLevel(logging.WARNING)
+
+
+def red(client, code: str) -> Tuple[int, float]:
+    """red price와 최근 주가의 괴리율 파악
+
+    양수면 주가가 고평가되어 있는 상태, 음수면 저평가
+    음수가 현재 주가가 싸다는 의미
+
+    Returns:
+        tuple : 괴리율을 기반으로한 포인트, 주가와 red price 비교한 괴리율
+    """
+    c101 = mongo.C101(client, code)
+
+    logger.debug(f'c101 {c101.get_recent()}')
+
+    try:
+        recent_price = utils.to_int(c101.get_recent()['주가'])
+    except KeyError:
+        recent_price = float('nan')
+    red_price = eval_red(client, code)['red_price']
+
+    logger.debug(f"recent_price : {recent_price}\tred_price : {red_price}")
+
+    try:
+        # 괴리율 구하는 공식이 두가지임. 어떤걸 사용해도 동일함
+        f1 = round((recent_price / red_price - 1) * 100, 2)
+        f2 = round((recent_price - red_price) / red_price * 100, 2)
+        logger.debug(f'f1 : {f1}, f2 : {f2}')
+        괴리율 = round((recent_price / red_price - 1) * 100, 2)
+    except ZeroDivisionError:
+        괴리율 = float('nan')
+
+    logger.debug(f'괴리율 : {괴리율}')
+
+    if math.isnan(괴리율) or red_price <= 0:
+        return 0, float('nan')
+    else:
+        try:
+            p = round(100*math.log10(-괴리율+31.622777)-150)
+            return p if p > 0 else 0, 괴리율
+        except ValueError:
+            # 괴리율+31.622777이 0이하인 경우 ValueError 발생함.
+            return 0, 괴리율
+
+
+def mil(client, code: str) -> Tuple[int, int, int, int]:
+    """
+    - 재무활동현금흐름이 마이너스라는 것은 배당급 지급했거나, 자사주 매입했거나, 부채를 상환한 상태임.
+    - 반대는 채권자로 자금을 조달했거나 신주를 발행했다는 의미
+    <주주수익률> - 재무활동현금흐름/시가총액 => 5%이상인가?
+
+    투하자본수익률(ROIC)가 30%이상인가
+    ROE(자기자본이익률) 20%이상이면 아주 우수 다른 투자이익률과 비교해볼것 10%미만이면 별로...단, 부채비율을 확인해야함.
+
+    이익지표 ...영업현금흐름이 순이익보다 많은가 - 결과값이 음수인가..
+
+    FCF는 영업현금흐름에서 자본적 지출(유·무형투자 비용)을 차감한 순수한 현금력이라 할 수 있다.
+    말 그대로 자유롭게(Free) 사용할 수 있는 여윳돈을 뜻한다.
+    잉여현금흐름이 플러스라면 미래의 투자나 채무상환에 쓸 재원이 늘어난 것이다.
+    CAPEX(Capital expenditures)는 미래의 이윤을 창출하기 위해 지출된 비용을 말한다.
+    이는 기업이 고정자산을 구매하거나, 유효수명이 당회계년도를 초과하는 기존의 고정자산에 대한 투자에 돈이 사용될 때 발생한다.
+
+    잉여현금흐름이 마이너스일때는 설비투자가 많은 시기라 주가가 약세이며 이후 설비투자 마무리되면서 주가가 상승할수 있다.
+    주가는 잉여현금흐름이 증가할때 상승하는 경향이 있다.
+    fcf = 영업현금흐름 - capex
+
+    가치지표평가
+    price to fcf 계산
+    https://www.investopedia.com/terms/p/pricetofreecashflow.asp
+    pcr보다 정확하게 주식의 가치를 평가할수 있음. 10배이하 추천
+
+    Returns:
+        tuple: 주주수익률, 이익지표, 투자수익률, PFCF포인트
+    """
+    mil_dict = eval_mil(client, code)
+
+    logger.debug(pprint.pformat(mil_dict, width=200))
+
+    # 주주수익률 평가
+    if math.isnan(mil_dict['주주수익률']):
+        p1 = 0
+    else:
+        주주수익률평가 = math.ceil(mil_dict['주주수익률'] - (EXPECT_EARN * 100))
+        p1 = 0 if 0 > 주주수익률평가 else 주주수익률평가
+
+    # 이익지표 평가
+    p2 = 10 if mil_dict['이익지표'] < 0 else 0
+
+    # 투자수익률 평가
+    MAX3 = 20
+    p3 = 0
+    roic = mil_dict['투자수익률']['ROIC']
+    roe = mil_dict['투자수익률']['ROE']
+    if math.isnan(roic) or roic <= 0:
+        # roic 가 비정상이라 평가할 수 없는 경우
+        if 10 < roe <= 20:
+            p3 += round(MAX3 * 0.333)
+        elif 20 < roe:
+            p3 += round(MAX3 * 0.666)
+    elif 0 < roic:
+        # roic 로 평가할 수 있는 경우
+        if 0 < roic <= 15:
+            p3 += round(MAX3 * 0.333)
+        elif 15 < roic <= 30:
+            p3 += round(MAX3 * 0.666)
+        elif 30 < roic:
+            p3 += MAX3
+
+    # PFCF 평가
+    pfcf_dict = mil_dict['가치지표']['PFCF']
+    _, pfcf = mongo.Corps.latest_value(pfcf_dict)
+
+    logger.debug(f'recent pfcf {_}, {pfcf}')
+    try:
+        p = round(-40 * math.log10(pfcf) + 40)
+    except ValueError:
+        p = 0
+    p4 = 0 if 0 > p else p
+
+    return p1, p2, p3, p4
+
+
+def blue(client, code: str) -> Tuple[int, int, int, int, int]:
+    """회사의 안정성을 보는 지표들
+
+    0을 기준으로 상태가 좋치 않을 수록 마이너스 값을 가진다.
+
+    Returns:
+        tuple : 유동비율, 이자보상배율, 순부채비율, 순운전자본회전율, 재고자산회전율 평가 포인트
+
+    Notes:
+        <유동비율>
+        100미만이면 주의하나 현금흐름창출력이 좋으면 괜찮을수 있다.
+        만약 100%이하면 유동자산에 추정영업현금흐름을 더해서 다시계산해보아 기회를 준다.
+        <이자보상배율>
+        이자보상배율 영업이익/이자비용으로 1이면 자금사정빡빡 5이상이면 양호
+        <순운전자금회전율>
+        순운전자금 => 기업활동을 하기 위해 필요한 자금 (매출채권 + 재고자산 - 매입채무)
+        순운전자본회전율은 매출액/순운전자본으로 일정비율이 유지되는것이 좋으며 너무 작아지면 순운전자본이 많아졌다는 의미로 재고나 외상이 쌓인다는 뜻
+        <재고자산회전율>
+        재고자산회전율은 매출액/재고자산으로 회전율이 낮을수록 재고가 많다는 이야기이므로 불리 전년도등과 비교해서 큰차이 발생하면 알람.
+        재고자산회전율이 작아지면 재고가 쌓인다는뜻
+        <순부채비율>
+        부채비율은 업종마다 달라 일괄비교 어려우나 순부채 비율이 20%이하인것이 좋고 꾸준히 늘어나지 않는것이 좋다.
+        순부채 비율이 30%이상이면 좋치 않다.
+    """
+    def _calc_point_with_std(data: dict) -> int:
+        """표준편차를 통해 점수를 계산하는 내부 함수
+
+        Args:
+            data(dict): 재무재표상의 연/분기 딕셔너리 데이터
+        """
+        NEG_MAX = -5
+        d_values = [i for i in data.values() if not math.isnan(i)]
+        logger.debug(f'd_values : {d_values}')
+        if len(d_values) == 0:
+            p = NEG_MAX
+        else:
+            std = numpy.std(d_values)
+            # 표준편차가 작을수록 데이터의 변환가 적다는 의미임.
+            logger.debug(f'표준편차 : {std}')
+            p = NEG_MAX if float(std) > -NEG_MAX else -math.floor(float(std))
+
+        return int(p)
+
+    c104y = mongo.C104(client, code, 'c104y')
+
+    blue_dict = eval_blue(client, code)
+
+    logger.debug(pprint.pformat(blue_dict, width=200))
+
+    def 유동비율평가(유동비율: float) -> int:
+        # 채점은 0을 기준으로 마이너스 해간다. 즉 0이 제일 좋은 상태임.
+        # 유동비율 평가 - 100 이하는 문제 있음
+        NEG_MAX = -10
+        if math.isnan(유동비율) or 유동비율 <= 0:
+            p = NEG_MAX
+        elif math.isinf(유동비율):
+            p = 0
+        else:
+            p = 0 if 100 < round(유동비율) else NEG_MAX + round(유동비율/10)
+        logger.debug(f'유동비율평가 point : {p}')
+        return int(p)
+
+    p1 = 유동비율평가(blue_dict['유동비율'])
+
+    def 이자보상배율평가(이자보상배율: tuple) -> int:
+        # 이자보상배율평가 : 1이면 자금사정 빡빡 5이상이면 양호
+        NEG_MAX = -5
+        최근이자보상배율q, dict_y = 이자보상배율
+
+        if math.isnan(최근이자보상배율q) or 최근이자보상배율q <= 1:
+            # 최근 분기의 값이 비정상이면 최근 년도를 한번 더 비교해 보지만 좀더 엄격하게 전년대비도 비교한다.
+
+            _, 최근이자보상배율y = mongo.Corps.latest_value(dict_y)
+            c104y.page = 'c104y'
+            _, 전년대비 = c104y.find_증감율(title='이자보상배율').popitem()
+
+            if math.isnan(최근이자보상배율y) or 최근이자보상배율y <= 1 or math.isnan(전년대비) or 전년대비 < 0:
+                p = NEG_MAX
+            else:
+                p = 0 if 5 < 최근이자보상배율y else NEG_MAX + round(최근이자보상배율y)
+        else:
+            p = 0 if 5 < 최근이자보상배율q else NEG_MAX + round(최근이자보상배율q)
+        logger.debug(f'이자보상배율평가 point : {p}')
+        return int(p)
+
+    p2 = 이자보상배율평가(blue_dict['이자보상배율'])
+
+    def 순부채비율평가(순부채비율: tuple) -> int:
+        # 부채비율은 업종마다 달라 일괄비교 어려우나 순부채 비율이 20%이하인것이 좋고 꾸준히 늘어나지 않는것이 좋다.
+        # 순부채 비율이 30%이상이면 좋치 않다.
+        NEG_MAX = -5
+        최근순부채비율q, dict_y = 순부채비율
+
+        if math.isnan(최근순부채비율q) or 최근순부채비율q >= 80:
+            # 최근 분기의 값이 비정상이면 최근 년도를 한번 더 비교해 보지만 좀더 엄격하게 전년대비도 비교한다.
+            _, 최근순부채비율y = mongo.Corps.latest_value(dict_y)
+            c104y.page = 'c104y'
+            _, 전년대비 = c104y.find_증감율(title='순부채비율').popitem()
+            if math.isnan(최근순부채비율y) or 최근순부채비율y >= 80 or math.isnan(전년대비) or 전년대비 > 0:
+                p = NEG_MAX
+            else:
+                p = 0 if 최근순부채비율y < 30 else round((30 - 최근순부채비율y) / 10)
+        else:
+            p = 0 if 최근순부채비율q < 30 else round((30 - 최근순부채비율q) / 10)
+        logger.debug(f'순부채비율평가 point : {p}')
+        return int(p)
+
+    p3 = 순부채비율평가(blue_dict['순부채비율'])
+
+    def 순운전자본회전율평가(순운전자본회전율: tuple) -> int:
+        # 순운전자본회전율은 매출액/순운전자본으로 일정비율이 유지되는것이 좋으며 너무 작아지면 순운전자본이 많아졌다는 의미로 재고나 외상이 쌓인다는 뜻
+        _, dict_y = 순운전자본회전율
+        p = _calc_point_with_std(data=dict_y)
+        logger.debug(f'순운전자본회전율평가 point : {p}')
+        return p
+
+    p4 = 순운전자본회전율평가(blue_dict['순운전자본회전율'])
+
+    def 재고자산회전율평가(재고자산회전율: tuple) -> int:
+        # 재고자산회전율은 매출액/재고자산으로 회전율이 낮을수록 재고가 많다는 이야기이므로 불리 전년도등과 비교해서 큰차이 발생하면 알람.
+        # 재고자산회전율이 작아지면 재고가 쌓인다는뜻
+        _, dict_y = 재고자산회전율
+        p = _calc_point_with_std(data=dict_y)
+        logger.debug(f'재고자산회전율평가 point : {p}')
+        return p
+
+    p5 = 재고자산회전율평가(blue_dict['재고자산회전율'])
+
+    return p1, p2, p3, p4, p5
+
+
+def growth(client, code: str) -> Tuple[int, int]:
+    """회사의 성장성을 보는 지표들
+
+    <매출액>
+    매출액은 어떤경우에도 성장하는 기업이 좋다.매출이 20%씩 늘어나는 종목은 유망한 종목
+    <영업이익률>
+    영업이익률은 기업의 경쟁력척도로 경쟁사에 비해 높으면 경제적해자를 갖춘셈
+
+    Returns:
+        tuple : 매출액증가율, 영업이익률 평가 포인트
+    """
+    growth_dict = eval_growth(client, code)
+
+    logger.debug(pprint.pformat(growth_dict, width=200))
+
+    def 매출액증가율평가(매출액증가율: tuple) -> int:
+        # 매출액은 어떤경우에도 성장하는 기업이 좋다.매출이 20%씩 늘어나는 종목은 유망한 종목
+        MAX = 20
+        최근매출액증가율q, dict_y = 매출액증가율
+        _, 최근매출액증가율y = mongo.Corps.latest_value(dict_y)
+
+        # 최근 자료가 성장하는 중인지 판단
+        if math.isnan(최근매출액증가율q):
+            최근매출액증가율q = 최근매출액증가율y
+
+        sp1 = 0
+        if math.isnan(최근매출액증가율y):
+            pass
+        elif 0 < 최근매출액증가율y and 0 < 최근매출액증가율q:
+            # 최근에 마이너스 성장이 아닌경우 MAX/10점 보너스
+            sp1 += MAX / 10
+            if 최근매출액증가율y < 최근매출액증가율q:
+                # 최근에 이전보다 더 성장중이면 MAX/10점 보너스
+                sp1 += MAX / 10
+            # 나머지는 성장률 기반 점수 배정
+            sp1 += MAX / 2 if 최근매출액증가율q > MAX else 최근매출액증가율q / 2
+        elif 최근매출액증가율y <= 0 < 최근매출액증가율q:
+            # 직전에 마이너스였다가 최근에 회복된 경우 MAX/10점 보너스
+            sp1 += MAX / 10
+            # 나머지는 성장률 기반 점수 배정
+            sp1 += MAX / 2 if 최근매출액증가율q > MAX else 최근매출액증가율q / 2
+        else:
+            # 최근 자료가 마이너스인 경우 마이너스만큼 점수를 차감한다.
+            sp1 += -(MAX / 2) if 최근매출액증가율q < -MAX else 최근매출액증가율q / 2
+
+        # 평균매출액증가율 구하기
+        d_values = [i for i in dict_y.values() if not math.isnan(i)]
+        logger.debug(f'평균매출액증가율 d_values : {d_values}')
+
+        if len(d_values) == 0:
+            평균매출액증가율 = float('nan')
+        else:
+            평균매출액증가율 = float(numpy.mean(d_values))
+        logger.debug(f'평균 : {평균매출액증가율}')
+
+        sp2 = 0
+        if math.isnan(평균매출액증가율):
+            sp2 += -(MAX/2)
+        elif 평균매출액증가율 <= 0:
+            # 평균매출액증가율이 마이너스인 경우 마이너스만큼 점수를 차감한다.
+            sp2 += -(MAX / 2) if 평균매출액증가율 < -MAX else 평균매출액증가율 / 2
+        else:
+            sp2 = MAX / 2 if 평균매출액증가율 > MAX else 평균매출액증가율 / 2
+
+        logger.debug(f'매출액증가율평가 point : {sp1 + sp2}')
+
+        return int(sp1 + sp2)
+
+    p1 = 매출액증가율평가(growth_dict['매출액증가율'])
+
+    def 영업이익률평가(영업이익률: dict) -> int:
+        # 영업이익률은 기업의 경쟁력척도로 경쟁사에 비해 높으면 경제적해자를 갖춘셈
+        영업이익률 = copy.deepcopy(영업이익률)
+        name = mongo.Corps.get_name(client, code)
+
+        p = 0
+        try:
+            myprofit = utils.to_float(영업이익률.pop(name))
+        except KeyError:
+            logger.warning(f'{name} 영업이익률 does not exist.')
+            return 0
+        logger.debug(f'종목영업이익률 : {myprofit}')
+
+        for profit in 영업이익률.values():
+            profit = utils.to_float(profit)
+            if math.isnan(profit):
+                continue
+            elif myprofit > profit:
+                p += 1
+            else:
+                continue
+
+        logger.debug(f'영업이익률평가 point : {p}')
+        return p
+
+    p2 = 영업이익률평가(growth_dict['영업이익률'])
+
+    return p1, p2

analyser_hj3415-2.0.0.dist-info/LICENSE

@@ -0,0 +1,21 @@
+The MIT License (MIT)
+
+Copyright (c) 2024 Hyungjin Kim
+
+Permission is hereby granted, free of charge, to any person obtaining a copy
+of this software and associated documentation files (the "Software"), to deal
+in the Software without restriction, including without limitation the rights
+to use, copy, modify, merge, publish, distribute, sublicense, and/or sell
+copies of the Software, and to permit persons to whom the Software is
+furnished to do so, subject to the following conditions:
+
+The above copyright notice and this permission notice shall be included in
+all copies or substantial portions of the Software.
+
+THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR
+IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,
+FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE
+AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER
+LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM,
+OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN
+THE SOFTWARE.

analyser_hj3415-2.0.0.dist-info/METADATA

@@ -0,0 +1,232 @@
+Metadata-Version: 2.1
+Name: analyser_hj3415
+Version: 2.0.0
+Summary: Stock analyser and database processing programs
+Author-email: Hyungjin Kim <hj3415@gmail.com>
+Description-Content-Type: text/markdown
+Classifier: License :: OSI Approved :: MIT License
+Requires-Dist: pandas>=2.2.2
+Requires-Dist: pymongo>=4.8.0
+Requires-Dist: sqlalchemy>=2.0.31
+Requires-Dist: utils-hj3415>=2.0.1
+Requires-Dist: scraper2-hj3415>=0.4.0
+Project-URL: Home, https://www.hyungjin.kr
+
+### analyser-hj3415
+
+#### Introduction 
+analyser_hj3415 manage the database.
+
+---
+#### Requirements
+
+scrapy>=2.11.2
+pandas>=2.2.2
+sqlalchemy>=2.0.31
+selenium>=4.22.0
+utils-hj3415>=2.0.1
+analyser_hj3415>=0.3.5
+
+---
+#### API
+
+---
+#### Install
+
+
+---
+#### Composition
+analyser_hj3415 모듈은 세가지 파트로 구성되어 있습니다.
+
+1. setting 모듈 
+setting 모듈은 데이터베이스를 활성화하고 주소를 설정하는 역할을 합니다. 
+데이터베이스의 주소와 활성화 여부를 파일에 저장합니다.
+
+```python
+from analyser_hj3415 import setting
+
+# 현재 데이터 베이스 상태를 DbSetting 클래스 형식으로 반환한다.
+db_setting = setting.load_df()
+
+# 현재 데이터베이스 상태 출력
+print(db_setting)
+
+# 몽고db 주소 변경 (2가지 방식)
+setting.chg_mongo_addr('mongodb://192.168.0.173:27017')
+db_setting.mongo_addr = 'mongodb://192.168.0.173:27017'
+
+# sqlite3 주소 변경 (2가지 방식)
+setting.chg_sqlite3_path('/home/hj3415/Stock/_db')
+db_setting.sqlite3_path = '/home/hj3415/Stock/_db'
+
+# 데이터베이스를 기본값으로 설정합니다.
+# DEF_MONGO_ADDR = 'mongodb://localhost:27017'
+# DEF_WIN_SQLITE3_PATH = 'C:\\_db'
+# DEF_LINUX_SQLITE3_PATH = '/home/hj3415/Stock/_db'
+setting.set_default()
+
+# 각 데이터베이스 사용 설정
+setting.turn_on_mongo()
+setting.turn_off_mongo()
+setting.turn_off_sqlite3()
+setting.turn_on_sqlite3()
+```
+
+2. mongo 모듈
+몽고db를 데이터베이스로 사용할 경우를 위한 함수들의 모듈입니다.
+현재는 몽고db를 비활성화 할 경우 올바로 작동하지 않기 때문에 디폴트 데이터베이스 입니다. 
+
+1) Base 클래스
+
+모든 데이터베이스 클래스의 기반 클래스로 실제 직접 사용하지 않음.
+
+```python
+from analyser_hj3415.mongo import Base
+base = Base(db='mi', col='kospi')
+
+# db 주소를 변경함. 단 파일에 저장되는 것이 아니라 클래스 내부에서 일시적으로 설정하는 것임 
+base.chg_addr('mongodb://192.168.0.173:27017')
+
+# 현재 설정된 db 주소, db 명, 컬렉션을 반환함.
+base.get_status()
+# ('mongodb://192.168.0.173:27017', 'mi', 'kospi')
+
+# 데이터 베이스 관리 함수
+base.get_all_db()
+```
+
+2 - 1) Corps 클래스
+
+DB 내에서 종목에 관련된 기반클래스로 db명은 6자리 숫자 코드명임.
+
+```python
+from analyser_hj3415.mongo import Corps
+
+corps = Corps(code='005930', page='c101')
+
+# 코드를 변경함. 6자리 숫자인지 확인 후 설정함.
+corps.chg_code('005490')
+
+# 페이지를 변경함. 페이지명의 유효성 확인 후 설정함.
+# ('c101', 'c104y', 'c104q', 'c106', 'c108', 'c103손익계산서q', 'c103재무상태표q', 'c103현금흐름표q', 'c103손익계산서y', 'c103재무상태표y', 'c103현금흐름표y', 'dart')
+corps.chg_page(page='c108')
+
+# 데이터 베이스 관리 함수
+corps.get_all_codes()
+corps.del_all_codes()
+corps.drop_corp(code='005930')
+corps.get_all_pages()
+corps.drop_all_pages(code='005930')
+corps.drop_page(code='005930', page='c101')
+corps.get_all_item()
+```
+
+2 - 2) MI 클래스
+
+DB 내에서 Market index 관련 클래스
+
+```python
+from analyser_hj3415.mongo import MI
+mi = MI(index='kospi')
+
+# 인덱스를 변경함. 인덱스명의 유효성 확인 후 설정
+# ('aud', 'chf', 'gbond3y', 'gold', 'silver', 'kosdaq', 'kospi', 'sp500', 'usdkrw', 'wti', 'avgper', 'yieldgap', 'usdidx')
+mi.chg_index(index='gold')
+
+# 저장된 가장 최근 값 반환
+mi.get_recent()
+
+# 데이터를 저장함.
+mi.save(mi_dict={'date': '2021.07.21', 'value': '1154.50'})
+
+# 데이터 베이스 관리 함수
+mi.get_all_indexes()
+mi.drop_all_indexes()
+mi.drop_index(index='silver')
+mi.get_all_item()
+```
+
+2 - 3) DartByDate 클래스
+
+dart_hj3415의 dart 모듈에서 dart 데이터프레임을 추출하면 각 날짜별 컬렉션으로 저장하는 클래스
+
+```python
+from dart_hj3415 import dart
+from analyser_hj3415.mongo import DartByDate
+
+date = '20210812'
+dart_db = DartByDate(date=date)
+
+# 오늘 날짜의 dart 데이터프레임을 추출하여 데이터베이스에 저장 
+df = dart.get_df(edate=date)
+dart_db.save(df)
+
+# 공시 데이터를 데이터프레임으로 반환한다. 
+dart_db.get_data()
+dart_db.get_data(title='임원ㆍ주요주주특정증권등소유상황보고서')
+```
+
+2 - 4) EvalByDate 클래스
+
+eval_hj3415의 eval 모듈에서 eval 데이터프레임을 추출하여 저장하거나 불러올때 사용.
+(실제로 eval_hj3415.eval.make_today_eval_df()에서 오늘자 데이터프레임을 항상 저장한다)
+
+```python
+import pandas as pd
+import datetime
+from analyser_hj3415.mongo import EvalByDate
+
+today_str = datetime.datetime.today().strftime('%Y%m%d')
+eval_db = EvalByDate(date=today_str)
+
+# 오늘 날짜의 dart 데이터프레임을 추출하여 데이터베이스에 저장 
+eval_db.save(pd.DataFrame())
+
+# 공시 데이터를 데이터프레임으로 반환한다. 
+eval_db.get_data()
+```
+
+2 - 5) Noti 클래스
+
+dart_hj3415의 analysis 모듈에서 공시를 분석하여 의미있는 공시를 노티하고 노티한 기록을 저장하는 클래스
+
+```python
+from analyser_hj3415.mongo import Noti
+noti_db = Noti()
+
+# 저장이 필요한 노티 데이터를 딕셔너리로 전달하여 데이터베이스에 저장
+data = {'code': '005930',
+        'rcept_no': '20210514000624',
+        'rcept_dt': '20210514',
+        'report_nm': '임원ㆍ주요주주특정증권등소유상황보고서',
+        'point': 2,
+        'text': '등기임원이 1.0억 이상 구매하지 않음.'}
+noti_db.save(noti_dict=data)
+
+# 오래된 노티 데이터를 정리하는 함수
+noti_db.cleaning_data(days_ago=15)
+```
+
+3) Corps 
+
+C101 페이지 관리 클래스
+
+```python
+from analyser_hj3415.mongo import C101
+c101 = C101(code='005930')
+...
+```
+
+구현 클래스는 C101, C108, C106, C103, C104
+
+3. sqlite 모듈
+sqlite3를 데이테베이스로 사용할 경우를 위한 함수들의 모듈입니다.
+현재 sqlite3는 사용하지 않기 때문에 작동하지 않습니다.
+
+```python
+from analyser_hj3415 import sqlite
+
+```
+---
+
+

analyser_hj3415-2.0.0.dist-info/RECORD

@@ -0,0 +1,18 @@
+analyser_hj3415/.DS_Store,sha256=ru32hJTZXnU4wX_07F4wd6nuiLkH9bA3gTALaIXBamM,6148
+analyser_hj3415/__init__.py,sha256=47DEQpj8HBSa-_TImW-5JCeuQeRkm5NMpJWZG3hSuFU,0
+analyser_hj3415/analyser/.DS_Store,sha256=2TtZ8BUuHZ-ELhwey6b6MNgQgqCc4aieYOQOsBQgzhM,6148
+analyser_hj3415/analyser/__init__.py,sha256=47DEQpj8HBSa-_TImW-5JCeuQeRkm5NMpJWZG3hSuFU,0
+analyser_hj3415/analyser/cli.py,sha256=qzRnpDRJvQnQevSKHBpKbTsBjmSWllZjzTV4z_alg2A,4891
+analyser_hj3415/analyser/eval.py,sha256=v86gNZ722GYHyQKvm1NxHLC8r9mzSx1JgKkznSCyc6Q,16951
+analyser_hj3415/analyser/report.py,sha256=Sr14o6edWDwFZeR_cjE7zWw3K02Rv1nPKkgCUP-3Ah8,10917
+analyser_hj3415/analyser/score.py,sha256=hQCV_i_fsXKOYVKDZ4QIpf1SwFh8iHDrQAVFuM9x4os,16693
+analyser_hj3415/analyser/db/.DS_Store,sha256=1lFlJ5EFymdzGAUAaI30vcaaLHt3F1LwpG7xILf9jsM,6148
+analyser_hj3415/analyser/db/__init__.py,sha256=47DEQpj8HBSa-_TImW-5JCeuQeRkm5NMpJWZG3hSuFU,0
+analyser_hj3415/analyser/db/chk_db.py,sha256=NguwgG3TP9Lassh2eJ101AIHGVoWZCxUcESdPt19swE,10115
+analyser_hj3415/analyser/db/evaltools.py,sha256=aSOnMG2uKp5kTv-UPIgnpfeeePNhScIXZVu50mioAnY,11867
+analyser_hj3415/analyser/db/mongo.py,sha256=wc8GPwXhsibKWHERflVrOUCSJNmRlKKe0MzWZ6KQsfs,35309
+analyser_hj3415-2.0.0.dist-info/entry_points.txt,sha256=dHaCM3eOAGONmxTWuRVqo9Zyq2C7J5TZmpH0PD6FW5k,103
+analyser_hj3415-2.0.0.dist-info/LICENSE,sha256=QVKTp0dTnB5xG8RLgG17LwSWCKNEzYoVVM6KjoCPKc0,1079
+analyser_hj3415-2.0.0.dist-info/WHEEL,sha256=Sgu64hAMa6g5FdzHxXv9Xdse9yxpGGMeagVtPMWpJQY,99
+analyser_hj3415-2.0.0.dist-info/METADATA,sha256=_Uuz79IyD9q3T0INP85Aq5pJSGzTBLJpPseMTn-mieQ,6534
+analyser_hj3415-2.0.0.dist-info/RECORD,,

analyser_hj3415-2.0.0.dist-info/WHEEL

@@ -0,0 +1,5 @@
+Wheel-Version: 1.0
+Generator: flit 3.9.0
+Root-Is-Purelib: true
+Tag: py2-none-any
+Tag: py3-none-any

analyser_hj3415-2.0.0.dist-info/entry_points.txt

@@ -0,0 +1,4 @@
+[console_scripts]
+dbmanager=analyser_hj3415.cli:dbmanager
+evalmanager=analyser_hj3415.cli:evalmanager
+