analyser_hj3415 2.9.3__py3-none-any.whl

analyser_hj3415/workroom/mysklearn2.py

@@ -0,0 +1,39 @@
+# 필요한 라이브러리 불러오기
+import numpy as np
+from sklearn.linear_model import LinearRegression
+from sklearn.model_selection import train_test_split
+import matplotlib.pyplot as plt
+
+# 1. 데이터 준비 (주택 면적, 가격)
+# 예를 들어 면적에 따른 주택 가격 데이터 (면적: X, 가격: y)
+X = np.array([[1500], [2000], [2500], [3000], [3500], [4000]])  # 면적 (단위: square feet)
+y = np.array([300000, 400000, 500000, 600000, 700000, 800000])  # 가격 (단위: dollars)
+
+# 2. 학습 데이터와 테스트 데이터를 나누기 (80% 학습, 20% 테스트)
+X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
+
+# 3. 선형 회귀 모델 생성
+model = LinearRegression()
+
+# 4. 모델을 학습시키기 (train 데이터를 사용)
+model.fit(X_train, y_train)
+
+# 5. 테스트 데이터로 예측 수행
+y_pred = model.predict(X_test)
+
+# 6. 예측 결과 출력
+print("실제 값:", y_test)
+print("예측 값:", y_pred)
+
+# 7. 시각화를 통해 학습 결과 확인
+plt.scatter(X_train, y_train, color='blue', label='Training data')  # 학습 데이터
+plt.scatter(X_test, y_test, color='green', label='Test data')  # 실제 값
+plt.plot(X_test, y_pred, color='red', label='Prediction')  # 예측된 값
+plt.xlabel('House Size (square feet)')
+plt.ylabel('Price (dollars)')
+plt.legend()
+plt.show()
+
+# 9. 모델 평가 (R^2 스코어)
+r2_score = model.score(X_test, y_test)
+print(f"모델의 R^2 스코어: {r2_score:.2f}")

analyser_hj3415/workroom/score.py

@@ -0,0 +1,342 @@
+import math
+import numpy
+import pprint
+import copy
+from typing import Tuple
+
+from db_hj3415 import myredis, mymongo
+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 mil(code: str, expect_earn: float) -> Tuple[int, int, int, int]:
+    """
+    이익 지표 일반적인 기준 설정
+
+	1.	비율이 10% 이상일 경우 주의:
+	•	이 비율이 10%를 넘을 경우, 이는 기업의 순이익이 현금 흐름과 비교하여 너무 높아졌음을 나타냅니다.
+	•	순이익이 과도하게 부풀려졌을 가능성이 있으며, 회계적인 항목(예: 미수금, 재고자산의 평가차익 등)이나 비현금성 이익이 이익에 크게 기여하고 있을 수 있습니다. 이런 경우, 현금 흐름이 제대로 발생하지 않고 있음에도 순이익만 높게 기록되는 상황이 발생할 수 있어 이익의 질이 낮다고 평가됩니다.
+	•	특히, 비율이 지속적으로 높다면 재무 건전성에 문제가 있을 수 있습니다.
+	2.	비율이 5% 이상 ~ 10% 미만일 때:
+	•	비율이 5% ~ 10% 사이라면, 기업의 이익이 여전히 현금 흐름과 괴리가 있지만, 업종에 따라 일정 부분은 허용될 수 있습니다.
+	•	예를 들어, 기술 기업이나 고성장 산업에서는 초기 투자나 R&D 비용이 많기 때문에 순이익과 현금 흐름의 차이가 다소 발생할 수 있습니다. 이런 경우 비율이 5%를 넘더라도 성장성을 고려한 투자 관점에서 용인될 수 있습니다.
+	•	다만, 일반적인 제조업 등 현금 창출이 중요한 업종에서는 5% 이상의 괴리도 주의 깊게 볼 필요가 있습니다.
+	3.	비율이 5% 미만일 때:
+	•	비율이 5% 미만이라면, 기업의 순이익과 현금 흐름 간의 차이가 크지 않으므로, 이익의 질이 높고 재무 건전성이 양호하다고 평가할 수 있습니다.
+	•	특히 음수일 경우, 영업활동에서 벌어들인 현금이 순이익을 초과한다는 것을 의미하므로, 이는 매우 긍정적인 신호입니다. 기업이 순이익보다도 더 많은 현금을 창출하고 있는 상태로, 이익이 실제 현금 흐름으로 뒷받침되고 있음을 나타냅니다.
+
+	참고할 수 있는 기준
+    1. 경고 신호: 10% 이상
+	•	비율이 10% 이상이라면, 기업의 이익이 실제 현금 흐름과 크게 괴리되어 있음을 의미하며, 이익의 질이 낮고 재무 건전성이 떨어질 가능성이 큽니다. 특히, 이 비율이 지속적으로 높다면, 주의가 필요합니다.
+    2. 주의: 5% ~ 10%
+	•	이 비율은 어느 정도 괴리가 있는 상태이며, 업종 특성에 따라 감안할 수 있지만, 일반적인 기업의 경우 주의를 요합니다.
+    3. 안정적: 5% 미만
+	•	5% 미만은 비교적 안정적인 상태로 평가될 수 있습니다. 이익과 현금 흐름 간의 괴리가 크지 않기 때문에, 기업의 재무 상태와 이익의 질이 건전하다고 볼 수 있습니다.
+    4. 매우 긍정적: 음수
+	•	비율이 음수일 경우, 현금 창출 능력이 매우 우수한 상태입니다. 현금 흐름이 순이익보다 더 크므로, 이는 매우 긍정적인 신호로 평가됩니다.
+
+    사례별 해석
+
+	1.	비율이 15%:
+	•	회사는 순이익이 영업활동현금흐름에 비해 과도하게 높습니다. 이는 비현금성 이익이 많이 포함되어 있거나, 회계적인 처리로 인해 순이익이 부풀려졌을 가능성이 큽니다. 기업의 이익 질에 의문을 가져야 하며, 장기적으로 재무 구조에 문제가 생길 수 있습니다.
+	2.	비율이 7%:
+	•	괴리가 존재하지만, 일부 산업에서는 용인될 수 있는 범위입니다. 다만, 현금 흐름이 안정적인지 추가적인 분석이 필요합니다.
+	3.	비율이 -3%:
+	•	매우 긍정적인 상황입니다. 회사는 순이익보다 더 많은 현금을 벌어들이고 있어, 이익의 질이 매우 높으며, 주주들에게도 더 많은 이익을 돌려줄 가능성이 큽니다.
+
+    기타 고려 사항
+
+	•	업종별 차이: 기술 기업, 스타트업 등은 고정자산 투자나 R&D 비용이 많아 현금 흐름과 이익이 괴리될 수 있습니다. 이 경우 이익의 질이 낮다고 단정할 수는 없으므로 산업 특성을 고려해야 합니다.
+	•	기업의 성장 단계: 빠르게 성장하는 기업일수록 현금 흐름보다 순이익이 클 수 있지만, 시간이 지나면서 현금 창출 능력이 증가할 수 있습니다.
+	•	비현금성 항목 분석: 감가상각, 미수금 등의 비현금성 항목이 이익에 얼마나 영향을 미치는지 분석하여 이익의 질을 파악하는 것이 중요합니다.
+	ROIC 평가 기준
+
+	1.	10% 이상:
+	•	일반적으로 ROIC가 10% 이상이면 매우 우수한 기업으로 평가됩니다.
+	•	이는 기업이 투자된 자본으로 높은 수익을 창출하고 있음을 의미하며, 자본의 사용 효율성이 매우 높다는 것을 나타냅니다.
+	2.	7% ~ 10%:
+	•	ROIC가 7%에서 10% 사이라면, 기업은 자본을 비교적 효율적으로 사용하고 있는 상태입니다.
+	•	자본비용(WACC)이 이보다 낮다면, 투자자는 기업이 가치 창출을 하고 있다고 판단할 수 있습니다.
+	3.	5% ~ 7%:
+	•	이 범위에서는 보통 수준의 효율성을 보여줍니다. ROIC가 자본비용보다 낮지 않다면 투자자에게 긍정적일 수 있지만, 이 수익률이 경쟁사 대비 낮다면 경쟁력이 떨어질 수 있음을 시사할 수 있습니다.
+	4.	5% 미만:
+	•	ROIC가 5% 미만이라면, 기업은 자본을 비효율적으로 사용하고 있음을 의미할 수 있습니다.
+	•	자본을 투입해 수익을 내지 못하거나, 투자된 자본으로부터 적절한 수익을 창출하지 못하고 있는 상태일 수 있습니다.
+    :param code:
+    :param expect_earn:
+    :return:
+    """
+
+    mil_dict = eval.mil(code)
+
+    # print(pprint.pformat(mil_dict, width=200))
+
+    # 주주수익률 평가
+    if math.isnan(mil_dict['주주수익률']):
+        score1 = 0
+    else:
+        주주수익률평가 = math.ceil(mil_dict['주주수익률'] - (expect_earn * 100))
+        score1 = 0 if 0 > 주주수익률평가 else 주주수익률평가
+
+    # 이익지표 평가
+    score2 = 10 if mil_dict['이익지표'] < 0 else 0
+
+    # 투자수익률 평가
+    MAX3 = 20
+    score3 = 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:
+            score3 += round(MAX3 * 0.333)
+        elif 20 < roe:
+            score3 += round(MAX3 * 0.666)
+    elif 0 < roic:
+        # roic 로 평가할 수 있는 경우
+        if 0 < roic <= 15:
+            score3 += round(MAX3 * 0.333)
+        elif 15 < roic <= 30:
+            score3 += round(MAX3 * 0.666)
+        elif 30 < roic:
+            score3 += MAX3
+
+    # PFCF 평가
+    pfcf_dict = mil_dict['가치지표']['PFCF']
+    _, pfcf = mymongo.C1034.latest_dict_value(pfcf_dict)
+
+    logger.debug(f'recent pfcf {_}, {pfcf}')
+    try:
+        p = round(-40 * math.log10(pfcf) + 40)
+    except ValueError:
+        p = 0
+    score4 = 0 if 0 > p else p
+
+    return score1, score2, score3, score4
+
+
+def blue(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:
+    """
+    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 = myredis.C104(code, 'c104y')
+
+    blue_dict = eval.blue(code)
+
+    # print(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 = mymongo.C1034.latest_dict_value(dict_y)
+            c104y.page = 'c104y'
+            전년대비 = c104y.find_yoy(title='이자보상배율')
+
+            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 = mymongo.C1034.latest_dict_value(dict_y)
+            c104y.page = 'c104y'
+            전년대비 = c104y.find_yoy(title='순부채비율')
+            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)
+        # 라이벌기업과 비교점수 추가
+        logger.debug(f'재고자산회전율평가 point : {p}')
+        return p
+
+    p5 = 재고자산회전율평가(blue_dict['재고자산회전율'])
+
+    return p1, p2, p3, p4, p5
+
+
+def growth(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(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 = mymongo.C1034.latest_dict_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 = myredis.Corps.get_name(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/workroom/trash.py

@@ -0,0 +1,289 @@
+
+
+def _make_df_part(db_addr, codes: list, q):
+    def make_record(my_client, my_code: str) -> dict:
+        # 장고에서 사용할 eval 테이블을 만들기 위해 각각의 레코드를 구성하는 함수
+        c101 = mongo.C101(my_client, my_code).get_recent()
+
+        red_dict = red(my_client, my_code)
+        mil_dict = mil(my_client, my_code)
+        growth_dict = growth(my_client, my_code)
+
+        mil_date = mil_dict['date']
+        red_date = red_dict['date']
+        growth_date = growth_dict['date']
+
+        return {
+            'code': c101['코드'],
+            '종목명': c101['종목명'],
+            '주가': utils.to_int(c101['주가']),
+            'PER': utils.to_float(c101['PER']),
+            'PBR': utils.to_float(c101['PBR']),
+            '시가총액': utils.to_float(c101['시가총액']),
+            'RED': utils.to_int(red_dict['red_price']),
+            '주주수익률': utils.to_float(mil_dict['주주수익률']),
+            '이익지표': utils.to_float(mil_dict['이익지표']),
+            'ROIC': utils.to_float(mil_dict['투자수익률']['ROIC']),
+            'ROE': utils.to_float(mil_dict['투자수익률']['ROE']),
+            'PFCF': utils.to_float(mongo.Corps.latest_value(mil_dict['가치지표']['PFCF'])[1]),
+            'PCR': utils.to_float(mongo.Corps.latest_value(mil_dict['가치지표']['PCR'])[1]),
+            '매출액증가율': utils.to_float(growth_dict['매출액증가율'][0]),
+            'date': list(set(mil_date + red_date + growth_date))
+        }
+    # 각 코어별로 디비 클라이언트를 만들어야만 한다. 안그러면 에러발생
+    client = mongo.connect_mongo(db_addr)
+    t = len(codes)
+    d = []
+    for i, code in enumerate(codes):
+        print(f'{i+1}/{t} {code}')
+        try:
+            d.append(make_record(client, code))
+        except:
+            logger.error(f'error on {code}')
+            continue
+    df = pd.DataFrame(d)
+    logger.info(df)
+    q.put(df)
+
+
+def make_today_eval_df(client, refresh: bool = False) -> pd.DataFrame:
+    """ 멀티프로세싱을 사용하여 전체 종목의 eval 을 데이터프레임으로 만들어 반환
+
+    기본값으로 refresh 는 False 로 설정되어 당일자의 저장된 데이터프레임이 있으면 새로 생성하지 않고 mongo DB를 이용한다.
+    """
+    today_str = datetime.datetime.today().strftime('%Y%m%d')
+    df = mongo.EvalByDate(client, today_str).load_df()
+    if refresh or len(df) == 0:
+        codes_in_db = mongo.Corps.get_all_codes(client)
+
+        print('*' * 25, f"Eval all using multiprocess(refresh={refresh})", '*' * 25)
+        print(f'Total {len(codes_in_db)} items..')
+        logger.debug(codes_in_db)
+        n, divided_list = utils.code_divider_by_cpu_core(codes_in_db)
+
+        addr = mongo.extract_addr_from_client(client)
+
+        start_time = time.time()
+        q = Queue()
+        ths = []
+        for i in range(n):
+            ths.append(Process(target=_make_df_part, args=(addr, divided_list[i], q)))
+        for i in range(n):
+            ths[i].start()
+
+        df_list = []
+        for i in range(n):
+            df_list.append(q.get())
+        # 부분데이터프레임들을 하나로 합침
+        final_df = pd.concat(df_list, ignore_index=True)
+
+        for i in range(n):
+            ths[i].join()
+
+        print(f'Total spent time : {round(time.time() - start_time, 2)} sec.')
+        logger.debug(final_df)
+        print(f"Save to mongo db(db: eval col: {today_str})")
+        mongo.EvalByDate(client, today_str).save_df(final_df)
+    else:
+        print(f"Use saved dataframe from mongo db..")
+        final_df = df
+    return final_df
+
+
+def yield_valid_spac(client) -> tuple:
+    """
+    전체 스팩주의 현재가를 평가하여 2000원 이하인 경우 yield한다.
+
+    Returns:
+        tuple: (code, name, price)
+    """
+    codes = mongo.Corps.get_all_codes(client)
+    logger.debug(f'len(codes) : {len(codes)}')
+    print('<<< Finding valuable SPAC >>>')
+    for i, code in enumerate(codes):
+        name = mongo.Corps.get_name(client, code)
+        logger.debug(f'code : {code} name : {name}')
+        if '스팩' in str(name):
+            logger.debug(f'>>> spac - code : {code} name : {name}')
+            price, _, _ = utils.get_price_now(code=code)
+            if price <= 2000:
+                logger.warning(f'현재가:{price}')
+                print(f"code: {code} name: {name}, price: {price}")
+                yield code, name, price
+
+
+
+class GetDFTest(unittest.TestCase):
+    def test_make_df_part(self):
+        codes = ['025320', '000040', '060280', '003240']
+        from multiprocessing import Queue
+        q = Queue()
+        eval._make_df_part(addr, codes, q)
+
+    def test_get_df(self):
+        print(eval.make_today_eval_df(client, refresh=True))
+        print(eval.make_today_eval_df(client, refresh=False))
+
+
+class SpacTest(unittest.TestCase):
+    def test_valid_spac(self):
+        for code, name, price in eval.yield_valid_spac(client):
+            print(code, name, price)
+
+
+
+
+def mil(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(code)
+
+    print(pprint.pformat(mil_dict, width=200))
+
+    # 주주수익률 평가
+    if math.isnan(mil_dict['주주수익률']):
+        score1 = 0
+    else:
+        주주수익률평가 = math.ceil(mil_dict['주주수익률'] - (eval.EXPECT_EARN * 100))
+        score1 = 0 if 0 > 주주수익률평가 else 주주수익률평가
+
+    # 이익지표 평가
+    score2 = 10 if mil_dict['이익지표'] < 0 else 0
+
+    # 투자수익률 평가
+    MAX3 = 20
+    score3 = 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:
+            score3 += round(MAX3 * 0.333)
+        elif 20 < roe:
+            score3 += round(MAX3 * 0.666)
+    elif 0 < roic:
+        # roic 로 평가할 수 있는 경우
+        if 0 < roic <= 15:
+            score3 += round(MAX3 * 0.333)
+        elif 15 < roic <= 30:
+            score3 += round(MAX3 * 0.666)
+        elif 30 < roic:
+            score3 += 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
+    score4 = 0 if 0 > p else p
+
+    return score1, score2, score3, score4
+
+
+
+
+def dbmanager():
+    cmd = ['repair', 'sync', 'eval', 'update']
+    parser = argparse.ArgumentParser()
+    parser.add_argument('cmd', help=f"Command - {cmd}")
+    parser.add_argument('target', help="Target for scraping (type 6digit code or 'all' or 'parts')")
+    parser.add_argument('-d', '--db_path', help="Set mongo database path")
+
+    args = parser.parse_args()
+
+    db_path = args.db_path if args.db_path else "mongodb://192.168.0.173:27017"
+    client = mongo.connect_mongo(db_path)
+
+    if args.cmd in cmd:
+        if args.cmd == 'repair':
+            if args.target == 'all' or utils.is_6digit(args.target):
+                need_for_repair_codes = chk_db.chk_integrity_corps(client, args.target)
+                # repair dict 예시 - {'343510': ['c106', 'c104', 'c103'], '298000': ['c104'], '091810': ['c104']}
+                print(f"Need for repairing codes :{need_for_repair_codes}")
+                if need_for_repair_codes:
+                    # x = input("Do you want to try to repair db by scraping? (y/N)")
+                    # if x == 'y' or x == 'Y':
+                        for code, failed_page_list in need_for_repair_codes.items():
+                            for page in failed_page_list:
+                                if page == 'c101':
+                                    nfsrun.c101([code, ], db_path)
+                                elif page == 'c103':
+                                    nfsrun.c103([code, ], db_path)
+                                elif page == 'c104':
+                                    nfsrun.c104([code, ], db_path)
+                                elif page == 'c106':
+                                    nfsrun.c106([code, ], db_path)
+                            recheck_result = chk_db.chk_integrity_corps(client, code)
+                            if recheck_result:
+                                # 다시 스크랩해도 오류가 지속되는 경우
+                                print(f"The db integrity failure persists..{recheck_result}")
+                                # x = input(f"Do you want to delete {code} on DB? (y/N)")
+                                # if x == 'y' or x == 'Y':
+                                #    mongo.Corps.del_db(client, code)
+                                # else:
+                                #    print("Canceled.")
+                                mongo.Corps.del_db(client, code)
+                    # else:
+                    #     print("Done.")
+                else:
+                    print("Done.")
+            else:
+                print(f"Invalid target option : {args.target}")
+        elif args.cmd == 'update':
+            if args.target == 'all' or utils.is_6digit(args.target):
+                need_for_update_codes = list(chk_db.chk_modifying_corps(client, args.target).keys())
+                # need_for_update_codes 예시 - [codes....]
+                print(f"Need for updating codes :{need_for_update_codes}")
+                if need_for_update_codes:
+                    nfsrun.c103(need_for_update_codes, db_path)
+                    nfsrun.c104(need_for_update_codes, db_path)
+                    nfsrun.c106(need_for_update_codes, db_path)
+            elif args.target == 'parts':
+                pass
+            else:
+                print(f"Invalid target option : {args.target}")
+        elif args.cmd == 'sync':
+            if args.target == 'all':
+                chk_db.sync_mongo_with_krx(client)
+            else:
+                print(f"The target should be 'all' in sync command.")
+        elif args.cmd == 'eval':
+            if args.target == 'all':
+                # eval을 평가해서 데이터베이스에 저장한다.
+                eval.make_today_eval_df(client, refresh=True)
+            else:
+                print(f"The target should be 'all' in sync command.")
+    else:
+        print(f"The command should be in {cmd}")
+
+    client.close()