analyser_hj3415 3.4.2__py3-none-any.whl → 4.0.0__py3-none-any.whl

analyser_hj3415/analyser/compile.py

@@ -1,355 +0,0 @@
-import os
-from collections import OrderedDict
-from typing import Union
-from dataclasses import dataclass
-
-from db_hj3415 import myredis
-from utils_hj3415 import tools, setup_logger
-
-from analyser_hj3415.analyser import tsa, eval, MIs
-
-mylogger = setup_logger(__name__,'WARNING')
-expire_time = tools.to_int(os.getenv('DEFAULT_EXPIRE_TIME_H', 48)) * 3600
-
-@dataclass
-class MICompileData:
-    """
-    MI(Market Index) 데이터를 컴파일하여 저장하는 데이터 클래스.
-
-    속성:
-        mi_type (str): 시장 지수 유형.
-        prophet_data (tsa.ProphetData): Prophet 예측 데이터.
-        lstm_grade (tsa.LSTMGrade): LSTM 등급 데이터.
-        is_lstm_up (bool): LSTM 상승 여부.
-        is_prophet_up (bool): Prophet 상승 여부.
-        lstm_html (str): LSTM 시각화 HTML.
-        prophet_html (str): Prophet 시각화 HTML.
-    """
-    mi_type: str
-
-    prophet_data: tsa.ProphetData
-    lstm_grade: tsa.LSTMGrade
-
-    is_lstm_up: bool = False
-    is_prophet_up: bool = False
-
-    lstm_html: str = ''
-    prophet_html: str = ''
-
-
-class MICompile:
-    """
-    MI(Market Index) 데이터를 컴파일하는 클래스.
-
-    메서드:
-        get(refresh=False) -> MICompileData:
-            MI 데이터를 컴파일하거나 캐시에서 가져옵니다.
-
-        analyser_lstm_all_mi(refresh: bool):
-            모든 MI에 대해 LSTM 예측 및 초기화 수행.
-    """
-    def __init__(self, mi_type: str):
-        """
-        MICompile 객체를 초기화합니다.
-
-        매개변수:
-            mi_type (str): 시장 지수 유형.
-        """
-        assert mi_type in MIs._fields, f"Invalid MI type ({MIs._fields})"
-        self._mi_type = mi_type
-
-    @property
-    def mi_type(self) -> str:
-        """
-        MI 유형을 반환합니다.
-
-        반환값:
-            str: MI 유형.
-        """
-        return self._mi_type
-
-    @mi_type.setter
-    def mi_type(self, mi_type: str):
-        """
-        MI 유형을 변경합니다.
-
-        매개변수:
-            mi_type (str): 새로 설정할 MI 유형.
-        """
-        assert mi_type in MIs._fields, f"Invalid MI type ({MIs._fields})"
-        self._mi_type = mi_type
-
-    def get(self, refresh=False) -> MICompileData:
-        """
-        MI 데이터를 컴파일하거나 캐시에서 가져옵니다.
-
-        매개변수:
-            refresh (bool): 데이터를 새로 가져올지 여부.
-
-        반환값:
-            MICompileData: 컴파일된 MI 데이터.
-        """
-        print(f"{self.mi_type}의 compiling을 시작합니다.")
-        redis_name = self.mi_type + '_mi_compile'
-        print(
-            f"redisname: '{redis_name}' / refresh : {refresh} / expire_time : {expire_time / 3600}h")
-
-        def fetch_mi_compile_data() -> MICompileData:
-            prophet = tsa.MIProphet(self.mi_type)
-            lstm = tsa.MILSTM(self.mi_type)
-
-            data = MICompileData(
-                mi_type=self.mi_type,
-                prophet_data=prophet.generate_data(refresh=refresh),
-                lstm_grade=lstm.get_final_predictions(refresh=refresh)[1],
-            )
-            data.is_lstm_up = lstm.is_lstm_up()
-            data.is_prophet_up = prophet.is_prophet_up(refresh=False)
-            data.lstm_html = lstm.export(refresh=False)
-            data.prophet_html = prophet.export()
-            return data
-
-        mi_compile_data = myredis.Base.fetch_and_cache_data(redis_name, refresh, fetch_mi_compile_data, timer=expire_time)
-        return mi_compile_data
-
-    @staticmethod
-    def caching_mi_compile_all(refresh: bool):
-        """
-        모든 MI(Market Index)에 대해 MICompileData를 캐싱합니다..
-
-        매개변수:
-            refresh (bool): 데이터를 새로 가져올지 여부.
-        """
-        mi_compile = MICompile('WTI')
-        print(f"*** MICompileData caching Market Index items ***")
-        for mi_type in MIs._fields:
-            mi_compile.mi_type = mi_type
-            print(f"{mi_type}")
-            mi_compile_data = mi_compile.get(refresh=refresh)
-            print(mi_compile_data)
-
-
-@dataclass
-class CorpCompileData:
-    """
-    기업 데이터를 컴파일하여 저장하는 데이터 클래스.
-
-    속성:
-        code (str): 기업 코드.
-        name (str): 기업 이름.
-        red_data (eval.RedData): RED 분석 데이터.
-        mil_data (eval.MilData): MIL 분석 데이터.
-        prophet_data (tsa.ProphetData): Prophet 예측 데이터.
-        lstm_grade (tsa.LSTMGrade): LSTM 등급 데이터.
-        is_lstm_up (bool): LSTM 상승 여부.
-        is_prophet_up (bool): Prophet 상승 여부.
-        lstm_html (str): LSTM 시각화 HTML.
-        prophet_html (str): Prophet 시각화 HTML.
-    """
-    code: str
-    name: str
-
-    red_data: eval.RedData
-    mil_data: eval.MilData
-
-    prophet_data: tsa.ProphetData
-    lstm_grade: tsa.LSTMGrade
-
-    is_lstm_up: bool = False
-    is_prophet_up: bool = False
-
-    lstm_html: str = ''
-    prophet_html: str = ''
-
-
-class CorpCompile:
-    """
-    기업 데이터를 컴파일하는 클래스.
-
-    메서드:
-        get(refresh=False) -> CorpCompileData:
-            기업 데이터를 컴파일하거나 캐시에서 가져옵니다.
-
-        red_ranking(expect_earn: float = 0.06, refresh=False) -> OrderedDict:
-            RED 데이터를 기반으로 기업 순위를 계산합니다.
-
-        prophet_ranking(refresh=False, top: Union[int, str]='all') -> OrderedDict:
-            Prophet 데이터를 기반으로 기업 순위를 계산합니다.
-
-        analyse_lstm_topn(refresh: bool, top=40):
-            상위 N개의 기업에 대해 LSTM 예측 수행.
-    """
-    def __init__(self, code: str, expect_earn=0.06):
-        """
-        CorpCompile 객체를 초기화합니다.
-
-        매개변수:
-            code (str): 기업 코드.
-            expect_earn (float, optional): 예상 수익률. 기본값은 0.06.
-        """
-        assert tools.is_6digit(code), f'Invalid value : {code}'
-        self._code = code
-        self.expect_earn = expect_earn
-
-    @property
-    def code(self) -> str:
-        """
-        기업 코드를 반환합니다.
-
-        반환값:
-            str: 기업 코드.
-        """
-        return self._code
-
-    @code.setter
-    def code(self, code: str):
-        """
-        기업 코드를 변경합니다.
-
-        매개변수:
-            code (str): 새로 설정할 기업 코드.
-        """
-        assert tools.is_6digit(code), f'Invalid value : {code}'
-        mylogger.info(f'change code : {self.code} -> {code}')
-        self._code = code
-
-    def get(self, refresh=False) -> CorpCompileData:
-        """
-        기업 데이터를 컴파일하여 캐시에 저장하거나 캐시에서 가져옵니다.
-
-        매개변수:
-            refresh (bool): 데이터를 새로 가져올지 여부.
-
-        반환값:
-            CorpCompileData: 컴파일된 기업 데이터.
-        """
-        print(f"{self.code}의 compiling을 시작합니다.")
-        redis_name = self.code + '_corp_compile'
-        print(
-            f"redisname: '{redis_name}' / refresh : {refresh} / expire_time : {expire_time/3600}h")
-
-        def fetch_corp_compile_data() -> CorpCompileData:
-            prophet = tsa.CorpProphet(self.code)
-            lstm = tsa.CorpLSTM(self.code)
-
-            data = CorpCompileData(
-                code=self.code,
-                name=myredis.Corps(self.code,'c101').get_name(data_from='mongo'),
-                red_data=eval.Red(self.code, self.expect_earn).get(refresh=refresh, verbose=False),
-                mil_data=eval.Mil(self.code).get(refresh=refresh, verbose=False),
-                prophet_data=prophet.generate_data(refresh=refresh),
-                lstm_grade=lstm.get_final_predictions(refresh=refresh)[1],
-            )
-
-            data.is_lstm_up = lstm.is_lstm_up()
-            data.is_prophet_up = prophet.is_prophet_up(refresh=False)
-            data.lstm_html = lstm.export(refresh=False)
-            data.prophet_html = prophet.export()
-            return data
-
-        corp_compile_data = myredis.Base.fetch_and_cache_data(redis_name, refresh, fetch_corp_compile_data, timer=expire_time)
-        return corp_compile_data
-
-    @staticmethod
-    def red_ranking(expect_earn: float = 0.06, refresh=False) -> OrderedDict:
-        """
-        RED 데이터를 기반으로 기업 순위를 계산합니다.
-
-        매개변수:
-            expect_earn (float, optional): 예상 수익률. 기본값은 0.06.
-            refresh (bool): 데이터를 새로 가져올지 여부.
-
-        반환값:
-            OrderedDict: RED 점수를 기준으로 정렬된 기업 순위.
-        """
-        redis_name = 'red_ranking_prev_expect_earn'
-        pee = tools.to_float(myredis.Base.get_value(redis_name))
-        if pee != expect_earn:
-            mylogger.warning(
-                f"expect earn : {expect_earn} / prev expect earn : {pee} 두 값이 달라 refresh = True"
-            )
-            myredis.Base.set_value(redis_name, str(expect_earn))
-            refresh = True
-
-        print("**** Start red_ranking... ****")
-        redis_name = 'red_ranking'
-        print(
-            f"redisname: '{redis_name}' / expect_earn: {expect_earn} / refresh : {refresh} / expire_time : {expire_time / 3600}h")
-
-        def fetch_ranking(refresh_in: bool) -> dict:
-            data = {}
-            red = eval.Red(code='005930', expect_earn=expect_earn)
-            for i, code in enumerate(myredis.Corps.list_all_codes()):
-                red.code = code
-                red_score = red.get(refresh=refresh_in, verbose=False).score
-                if red_score > 0:
-                    data[code] = red_score
-                    print(f"{i}: {red} - {red_score}")
-            return data
-
-        data_dict = myredis.Base.fetch_and_cache_data(redis_name, refresh, fetch_ranking, refresh, timer=expire_time)
-
-        return OrderedDict(sorted(data_dict.items(), key=lambda item: item[1], reverse=True))
-
-    @staticmethod
-    def prophet_ranking(refresh=False, top: Union[int, str]='all') -> OrderedDict:
-        """
-        Prophet 데이터를 기반으로 기업 순위를 계산합니다.
-
-        매개변수:
-            refresh (bool): 데이터를 새로 가져올지 여부.
-            top (Union[int, str], optional): 상위 기업 개수. 'all'이면 전체 반환. 기본값은 'all'.
-
-        반환값:
-            OrderedDict: Prophet 점수를 기준으로 정렬된 기업 순위.
-        """
-        print("**** Start Compiling scores and sorting... ****")
-        redis_name = 'prophet_ranking'
-
-        print(
-            f"redisname: '{redis_name}' / refresh : {refresh} / expire_time : {expire_time/3600}h")
-
-        def fetch_prophet_ranking() -> dict:
-            data = {}
-            c = tsa.CorpProphet('005930')
-            for code in myredis.Corps.list_all_codes():
-                try:
-                    c.code = code
-                except ValueError:
-                    mylogger.error(f'prophet ranking error : {code}')
-                    continue
-                score= c.generate_data(refresh=refresh).score
-                print(f'{code} compiled : {score}')
-                data[code] = score
-            return data
-
-        data_dict = myredis.Base.fetch_and_cache_data(redis_name, refresh, fetch_prophet_ranking, timer=expire_time)
-
-        ranking = OrderedDict(sorted(data_dict.items(), key=lambda x: x[1], reverse=True))
-
-        if top == 'all':
-            return ranking
-        else:
-            if isinstance(top, int):
-                return OrderedDict(list(ranking.items())[:top])
-            else:
-                raise ValueError("top 인자는 'all' 이나 int형 이어야 합니다.")
-
-    @staticmethod
-    def caching_corp_compile_topn(refresh: bool, top=40):
-        """
-        상위 N개의 기업에 대해 CorpCompileData를 수집합니다..
-
-        매개변수:
-            refresh (bool): 데이터를 새로 가져올지 여부.
-            top (int, optional): 상위 기업 개수. 기본값은 40.
-        """
-        ranking_topn = CorpCompile.prophet_ranking(refresh=False, top=top)
-        mylogger.info(ranking_topn)
-        corp_compile = CorpCompile('005930')
-        print(f"*** CorpCompile redis cashing top{top} items ***")
-        for i, (code, _) in enumerate(ranking_topn.items()):
-            corp_compile.code = code
-            print(f"{i + 1}. {code}")
-            corp_compile_data = corp_compile.get(refresh=refresh)
-            print(corp_compile_data)

analyser_hj3415/workroom/mysklearn.py

@@ -1,50 +0,0 @@
-import yfinance as yf
-import numpy as np
-import pandas as pd
-from sklearn.model_selection import train_test_split
-from sklearn.linear_model import LinearRegression
-import matplotlib.pyplot as plt
-
-# 1. 데이터 다운로드 (애플 주식 데이터를 사용)
-# 데이터 기간: 2020년 1월 1일부터 2023년 1월 1일까지
-#stock_data = yf.download('AAPL', start='2020-01-01', end='2023-01-01')
-# 삼성전자 주식 데이터 가져오기 (KOSPI 상장)
-stock_data = yf.download('005930.KS', start='2020-01-01', end='2024-08-01')
-# 크래프톤 주식 데이터 가져오기 (KOSPI 상장)
-#stock_data = yf.download('259960.KS', start='2020-01-01', end='2024-10-08')
-
-# 2. 필요한 열만 선택 (종가만 사용)
-df = stock_data[['Close']]
-
-# 3. 주가 데이터를 시계열 데이터로 변환하여 예측
-# 일자를 숫자로 변환 (날짜 자체는 예측 모델에 사용하기 어렵기 때문에 숫자로 변환)
-df['Date'] = np.arange(len(df))
-
-# 4. 독립 변수(X)와 종속 변수(y) 분리
-X = df[['Date']]  # 독립 변수 (날짜)
-y = df['Close']  # 종속 변수 (주가)
-
-# 5. 데이터를 학습용과 테스트용으로 분리 (80% 학습, 20% 테스트)
-X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
-
-# 6. 선형 회귀 모델 생성 및 학습
-model = LinearRegression()
-model.fit(X_train, y_train)
-
-# 7. 테스트 데이터를 사용하여 예측 수행
-y_pred = model.predict(X_test)
-
-# 8. 결과 시각화
-plt.figure(figsize=(10, 6))
-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 테스트 데이터
-plt.plot(X_test, y_pred, color='red', label='Predicted price')  # 예측된 주가
-plt.xlabel('Date (numeric)')
-plt.ylabel('Stock Price (Close)')
-plt.legend()
-plt.title('Apple Stock Price Prediction')
-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/mysklearn2.py

@@ -1,39 +0,0 @@
-# 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}")