topquant-ksk 0.1.0__tar.gz

topquant_ksk-0.1.0/PKG-INFO

@@ -0,0 +1,16 @@
+Metadata-Version: 2.4
+Name: topquant-ksk
+Version: 0.1.0
+Summary: 기관 투자자를 위한 파이썬 퀀트 투자 백테스팅 및 분석 도구
+Author-email: Your Name <your_email@example.com>
+Project-URL: Homepage, https://github.com/your-username/topquantksk
+Project-URL: Bug Tracker, https://github.com/your-username/topquantksk/issues
+Classifier: Programming Language :: Python :: 3
+Classifier: License :: OSI Approved :: MIT License
+Classifier: Operating System :: OS Independent
+Classifier: Topic :: Office/Business :: Financial :: Investment
+Requires-Python: >=3.9
+Description-Content-Type: text/markdown
+Requires-Dist: pandas>=1.5.0
+Requires-Dist: numpy>=1.20.0
+Requires-Dist: tqdm

topquant_ksk-0.1.0/pyproject.toml

@@ -0,0 +1,37 @@
+# 1. 빌드 시스템 설정 (대부분의 경우 그대로 사용)
+[build-system]
+requires = ["setuptools>=61.0"]
+build-backend = "setuptools.build_meta"
+
+# 2. 프로젝트 핵심 정보
+[project]
+# pip install topquant-ksk 처럼 사용될 패키지 이름
+name = "topquant-ksk"
+version = "0.1.0"
+authors = [
+  { name="Your Name", email="your_email@example.com" },
+]
+description = "기관 투자자를 위한 파이썬 퀀트 투자 백테스팅 및 분석 도구"
+readme = "README.md"
+requires-python = ">=3.9"
+license = { file="LICENSE" }
+dependencies = [
+    "pandas>=1.5.0",
+    "numpy>=1.20.0",
+    "tqdm"
+]
+classifiers = [
+    "Programming Language :: Python :: 3",
+    "License :: OSI Approved :: MIT License",
+    "Operating System :: OS Independent",
+    "Topic :: Office/Business :: Financial :: Investment",
+]
+
+# 3. 관련 링크 정보 (PyPI 페이지에 표시됨)
+[project.urls]
+"Homepage" = "https://github.com/your-username/topquantksk"
+"Bug Tracker" = "https://github.com/your-username/topquantksk/issues"
+
+# 4. 소스코드 위치 지정
+[tool.setuptools.packages.find]
+where = ["src"]

topquant_ksk-0.1.0/setup.cfg

@@ -0,0 +1,4 @@
+[egg_info]
+tag_build = 
+tag_date = 0
+

topquant_ksk-0.1.0/src/topquant_ksk/__init__.py

@@ -0,0 +1,2 @@
+from .metrics import *
+from .load_data import *

topquant_ksk-0.1.0/src/topquant_ksk/load_data.py

@@ -0,0 +1,161 @@
+import os
+import pandas as pd
+import warnings
+
+# ==============================================================================
+# ## 헬퍼(Helper) 함수 (이전과 동일)
+# ==============================================================================
+
+def find_file_recursive(filename: str) -> str | None:
+    """현재 디렉토리와 하위에서 파일을 재귀적으로 찾아 경로를 반환합니다."""
+    root_dir = os.getcwd()
+    for root, _, files in os.walk(root_dir):
+        if filename in files:
+            return os.path.join(root, filename)
+    return None
+
+def _load_file(file_path: str, sheet_name: str | None = None) -> pd.DataFrame | None:
+    """파일 경로와 시트 이름(선택)으로 데이터프레임을 로드하는 공통 함수"""
+    try:
+        if file_path.endswith('.xlsx'):
+            return pd.read_excel(file_path, sheet_name=sheet_name, index_col=[0])
+        elif file_path.endswith('.csv'):
+            return pd.read_csv(file_path, encoding='cp949', index_col=[0], low_memory=False)
+        else:
+            print(f"지원하지 않는 파일 형식입니다: {file_path}")
+            return None
+    except Exception as e:
+        print(f"파일 로드 중 오류: {e}")
+        return None
+
+def _process_dataframe(df: pd.DataFrame) -> pd.DataFrame:
+    """데이터프레임 후처리를 위한 공통 함수"""
+    idx = df.index
+    with warnings.catch_warnings():
+        warnings.simplefilter("ignore", UserWarning)
+        non_date_elements = idx[pd.to_datetime(idx, errors='coerce').isna()]
+    df.drop(non_date_elements, inplace=True)
+    df.index = pd.to_datetime(df.index)
+    df.index.name = None
+    df.replace(',', '', regex=True, inplace=True)
+    df.dropna(how='all',axis=1,inplace=True)
+    print("float 타입으로 변환을 시도합니다...")
+    for col in df.columns:
+        try:
+            df[col] = df[col].astype(float)
+        except ValueError:
+            pass
+    return df
+
+# ✨ 수정된 마스터 헬퍼 함수
+def _load_and_process_data(filename: str, column_spec: list, data_type_name: str, sheet_name: str | None = None) -> pd.DataFrame | None:
+    """파일 검색, 로드, 후처리 전체 과정을 수행하는 마스터 헬퍼 함수"""
+    file_path = find_file_recursive(filename)
+    if not file_path:
+        print(f"'{filename}' 파일을 찾을 수 없습니다. 🤷‍♂️")
+        return None
+    
+    print(f"파일 발견! '{file_path}' 파일을 로드합니다... 📂")
+    df = _load_file(file_path, sheet_name=sheet_name)
+    if df is None:
+        return None
+
+    print(f"{data_type_name} 데이터 후처리를 시작합니다... 🛠️")
+    
+    # --- ✨ 컬럼 설정 로직 수정 ✨ ---
+    if len(column_spec) == 1:
+        # column_spec의 길이가 1이면 단일 인덱스로 설정
+        df.columns = df.loc[column_spec[0]]
+    else:
+        # 길이가 1보다 크면 멀티인덱스로 설정
+        df.columns = [df.loc[name] for name in column_spec]
+
+    # 공통 후처리 로직 호출
+    df = _process_dataframe(df)
+    
+    print("처리 완료! ✨")
+    return df
+
+# ==============================================================================
+# ## ✨ 메인(Main) 데이터 로드 함수 (수정됨) ✨
+# ==============================================================================
+
+def load_FactSet_TimeSeriesData(filename: str, sheet_name: str | None = 'TimeSeries') -> pd.DataFrame | None:
+    """TimeSeries 데이터를 로드합니다. (3-level columns)"""
+    return _load_and_process_data(
+        filename=filename,
+        sheet_name=sheet_name,
+        column_spec=['Item Name', 'Symbol Name', 'Symbol'],
+        data_type_name='TimeSeries'
+    )
+
+
+def load_DataGuide_TimeSeriesData(filename: str, sheet_name: str | None = 'TimeSeries') -> pd.DataFrame | None:
+    """TimeSeries 데이터를 로드합니다. (3-level columns)"""
+    return _load_and_process_data(
+        filename=filename,
+        sheet_name=sheet_name,
+        column_spec=['Item Name', 'Symbol Name', 'Symbol'],
+        data_type_name='TimeSeries'
+    )
+
+def load_DataGuide_IndexData(filename: str, sheet_name: str | None = 'TimeSeries') -> pd.DataFrame | None:
+    """Index 데이터를 로드합니다. (2-level columns)"""
+    return _load_and_process_data(
+        filename=filename,
+        sheet_name=sheet_name,
+        column_spec=['Item Name', 'Symbol Name'],
+        data_type_name='Index'
+    )
+
+def load_DataGuide_EconomicData(filename: str, sheet_name: str | None = 'Economic') -> pd.DataFrame | None:
+    """Economic 데이터를 로드합니다. (1-level column)"""
+    return _load_and_process_data(
+        filename=filename,
+        sheet_name=sheet_name,
+        column_spec=['Item Name'],
+        data_type_name='Economic'
+    )
+
+def load_DataGuide_CrossSectionalData(filename: str) -> pd.DataFrame | None:
+    """
+    지정된 파일명으로 CrossSectional 데이터를 찾아 로드하고 전처리합니다.
+    """
+    file_path = find_file_recursive(filename)
+
+    if not file_path:
+        print(f"현재 폴더 및 하위 폴더에서 '{filename}' 파일을 찾을 수 없습니다. 🤷‍♂️")
+        return None
+
+    print(f"파일 발견! '{file_path}' 파일을 로드합니다... 📂")
+
+    try:
+        if file_path.endswith('.xlsx'):
+            df = pd.read_excel(file_path, sheet_name='CrossSectional', index_col=[1, 0])
+        elif file_path.endswith('.csv'):
+            df = pd.read_csv(file_path, encoding='cp949', index_col=[1, 0], low_memory=False)
+        else:
+            print(f"지원하지 않는 파일 형식입니다: {filename}")
+            return None
+    except Exception as e:
+        print(f"파일 로드 중 오류: {e}")
+        return None
+
+    print("CrossSectional 데이터 후처리를 시작합니다... 🛠️")
+    header_tuple = ('Name', 'Symbol')
+    df.columns = df.loc[header_tuple]
+    header_location = df.index.get_loc(header_tuple)
+    df = df.iloc[header_location + 1:]
+    df.columns.names = ['Item Name']
+    df.index.names = ['Name', 'Symbol']
+    df.replace(',', '', regex=True, inplace=True)
+
+    print("float 타입으로 변환을 시도합니다...")
+    for col in df.columns:
+        try:
+            df[col] = df[col].astype(float)
+        except ValueError:
+            pass
+
+    print("처리 완료! ✨")
+    return df

topquant_ksk-0.1.0/src/topquant_ksk/metrics.py

@@ -0,0 +1,124 @@
+import pandas as pd
+import numpy as np
+from tqdm import tqdm
+def get_RiskReturnProfile(rebalencing_ret: pd.DataFrame, cash_return_daily_BenchmarkFrequency: pd.Series, BM: pd.Series | None = None):
+    """
+    수익률 데이터를 받아 주요 성과 지표를 계산합니다.
+    IndexingError를 수정한 최종 벡터화 코드를 사용합니다.
+    """
+    
+    def calculate_max_underwater_period(value_series: pd.Series) -> float:
+        """단일 가치 시리즈에 대한 최대 손실 기간(연 단위)을 계산하는 내부 함수"""
+        if value_series.empty or value_series.isnull().all():
+            return 0.0
+            
+        value_max = value_series.cummax()
+        underwater_series = value_max > value_series
+        
+        if not underwater_series.any():
+            return 0.0
+            
+        # 연속된 하락 기간(True)의 길이를 계산
+        underwater_groups = (underwater_series != underwater_series.shift()).cumsum()
+        underwater_lengths = underwater_series.groupby(underwater_groups).sum()
+        
+        # ★★★ 오류 수정: 하락(True) 그룹만 필터링한 후 최대 기간을 찾음 ★★★
+        # 1. underwater_series가 True인 그룹 ID를 찾음
+        true_groups = underwater_groups[underwater_series]
+        # 2. 해당 그룹 ID에 해당하는 길이들 중에서 최대값을 찾음
+        max_period_days = underwater_lengths.loc[true_groups.unique()].max()
+
+        return round(max_period_days / 252, 1)
+
+    # --- 1. 전략(들)에 대한 공통 성과 지표 계산 ---
+    CAGR = (np.exp(np.log(rebalencing_ret + 1).mean() * 252) - 1).round(3) * 100
+    STD_annualized = (rebalencing_ret.std() * np.sqrt(252)).round(3) * 100
+    
+    excess_ret = rebalencing_ret.subtract(cash_return_daily_BenchmarkFrequency.reindex(rebalencing_ret.index, method='ffill'), axis=0)
+    excess_ret_yearly = (np.exp(np.log(excess_ret + 1).mean() * 252) - 1)
+    Sharpe_Ratio = (excess_ret_yearly / (rebalencing_ret.std() * np.sqrt(252))).round(3)
+    
+    pfl_value = (rebalencing_ret + 1).cumprod()
+    MDD = (pfl_value / pfl_value.cummax() - 1).min().round(3) * 100
+    MDD_date = (pfl_value / pfl_value.cummax() - 1).idxmin().astype(str).str[:7]
+    UnderWaterPeriod = pfl_value.apply(calculate_max_underwater_period)
+
+    # 기간별 수익률
+    ret_1M = ((rebalencing_ret.iloc[-21:] + 1).prod() - 1).round(3) * 100
+    ret_3M = ((rebalencing_ret.iloc[-21*3:] + 1).prod() - 1).round(3) * 100
+    ret_6M = ((rebalencing_ret.iloc[-21*6:] + 1).prod() - 1).round(3) * 100
+    ret_1Y = ((rebalencing_ret.iloc[-252:] + 1).prod() - 1).round(2) * 100
+    ret_3Y = ((rebalencing_ret.iloc[-252*3:] + 1).prod() - 1).round(2) * 100
+    
+    metrics_list = [
+        CAGR, STD_annualized, Sharpe_Ratio, MDD, MDD_date, UnderWaterPeriod,
+        ret_1M, ret_3M, ret_6M, ret_1Y, ret_3Y
+    ]
+    index_list = [
+        'CAGR(%)', 'STD_annualized(%)', 'Sharpe_Ratio', 'MDD(%)', 'MDD시점', 'UnderWaterPeriod(년)',
+        '1M Ret(%)', '3M Ret(%)', '6M Ret(%)', '1Y Ret(%)', '3Y Ret(%)'
+    ]
+    
+    matric = pd.DataFrame(metrics_list, index=index_list).T
+    
+    if BM is not None:
+        aligned_ret, aligned_bm = rebalencing_ret.align(BM, join='inner', axis=0)
+        
+        # BM 자체의 공통 성과 지표 계산
+        BM_CAGR = round(np.exp(np.log(aligned_bm + 1).mean() * 252) - 1, 3) * 100
+        BM_STD = round(aligned_bm.std() * np.sqrt(252), 3) * 100
+        bm_excess_ret = aligned_bm.subtract(cash_return_daily_BenchmarkFrequency.reindex(aligned_bm.index, method='ffill'))
+        bm_excess_ret_yearly = np.exp(np.log(bm_excess_ret + 1).mean() * 252) - 1
+        BM_Sharpe = round(bm_excess_ret_yearly / (aligned_bm.std() * np.sqrt(252)), 3)
+        bm_value = (aligned_bm + 1).cumprod()
+        BM_MDD = round((bm_value / bm_value.cummax() - 1).min(), 3) * 100
+        BM_MDD_date = (bm_value / bm_value.cummax() - 1).idxmin().strftime('%Y-%m')
+        BM_UnderWaterPeriod = calculate_max_underwater_period(bm_value)
+        BM_ret_1M = round((aligned_bm.iloc[-21:] + 1).prod() - 1, 3) * 100
+        BM_ret_3M = round((aligned_bm.iloc[-21*3:] + 1).prod() - 1, 3) * 100
+        BM_ret_6M = round((aligned_bm.iloc[-21*6:] + 1).prod() - 1, 3) * 100
+        BM_ret_1Y = round((aligned_bm.iloc[-252:] + 1).prod() - 1, 2) * 100
+        BM_ret_3Y = round((aligned_bm.iloc[-252*3:] + 1).prod() - 1, 2) * 100
+        
+        # 전략의 BM 대비 상대 성과 지표 계산
+        excess_return_vs_bm = aligned_ret.subtract(aligned_bm, axis=0)
+        annualized_excess_return = (np.exp(np.log(excess_return_vs_bm + 1).mean() * 252) - 1)
+        tracking_error = excess_return_vs_bm.std() * np.sqrt(252)
+        information_ratio = (annualized_excess_return / tracking_error).round(3)
+        relative_value = (excess_return_vs_bm + 1).cumprod()
+        relative_drawdown = (relative_value / relative_value.cummax() - 1)
+        max_relative_drawdown = relative_drawdown.min().round(3) * 100
+        max_relative_drawdown_date = relative_drawdown.idxmin().astype(str).str[:7]
+        max_relative_underwater_duration = relative_value.apply(calculate_max_underwater_period)
+
+        # 최종 결과 테이블에 상대 성과 지표 컬럼 추가
+        matric['BM excess_return(%)']=round(annualized_excess_return*100,1)
+        matric['tracking_error(%)']=round(tracking_error*100,1)
+        matric['Information_Ratio'] = information_ratio
+        matric['BM대비최대손실(%)'] = max_relative_drawdown
+        matric['BM대비최대손실시점'] = max_relative_drawdown_date
+        matric['BM Max Underwater(년)'] = max_relative_underwater_duration
+
+        # BM 성과 행 생성 및 추가
+        bm_metrics_row = pd.Series(name='Benchmark', dtype=object)
+        bm_metrics_row['CAGR(%)'] = BM_CAGR
+        bm_metrics_row['STD_annualized(%)'] = BM_STD
+        bm_metrics_row['Sharpe_Ratio'] = BM_Sharpe
+        bm_metrics_row['MDD(%)'] = BM_MDD
+        bm_metrics_row['MDD시점'] = BM_MDD_date
+        bm_metrics_row['UnderWaterPeriod(년)'] = BM_UnderWaterPeriod
+        bm_metrics_row['1M Ret(%)'] = BM_ret_1M
+        bm_metrics_row['3M Ret(%)'] = BM_ret_3M
+        bm_metrics_row['6M Ret(%)'] = BM_ret_6M
+        bm_metrics_row['1Y Ret(%)'] = BM_ret_1Y
+        bm_metrics_row['3Y Ret(%)'] = BM_ret_3Y
+        bm_metrics_row['BM excess_return(%)'] = '-'
+        bm_metrics_row['tracking_error(%)'] = '-'
+        bm_metrics_row['Information_Ratio'] = '-'
+        bm_metrics_row['BM대비최대손실(%)'] = '-'
+        bm_metrics_row['BM대비최대손실시점'] = '-'
+        bm_metrics_row['BM Max Underwater(년)'] = '-'
+
+        matric = pd.concat([matric, bm_metrics_row.to_frame().T])
+
+    return matric

topquant_ksk-0.1.0/src/topquant_ksk.egg-info/PKG-INFO

@@ -0,0 +1,16 @@
+Metadata-Version: 2.4
+Name: topquant-ksk
+Version: 0.1.0
+Summary: 기관 투자자를 위한 파이썬 퀀트 투자 백테스팅 및 분석 도구
+Author-email: Your Name <your_email@example.com>
+Project-URL: Homepage, https://github.com/your-username/topquantksk
+Project-URL: Bug Tracker, https://github.com/your-username/topquantksk/issues
+Classifier: Programming Language :: Python :: 3
+Classifier: License :: OSI Approved :: MIT License
+Classifier: Operating System :: OS Independent
+Classifier: Topic :: Office/Business :: Financial :: Investment
+Requires-Python: >=3.9
+Description-Content-Type: text/markdown
+Requires-Dist: pandas>=1.5.0
+Requires-Dist: numpy>=1.20.0
+Requires-Dist: tqdm

topquant_ksk-0.1.0/src/topquant_ksk.egg-info/SOURCES.txt

@@ -0,0 +1,9 @@
+pyproject.toml
+src/topquant_ksk/__init__.py
+src/topquant_ksk/load_data.py
+src/topquant_ksk/metrics.py
+src/topquant_ksk.egg-info/PKG-INFO
+src/topquant_ksk.egg-info/SOURCES.txt
+src/topquant_ksk.egg-info/dependency_links.txt
+src/topquant_ksk.egg-info/requires.txt
+src/topquant_ksk.egg-info/top_level.txt

topquant_ksk-0.1.0/src/topquant_ksk.egg-info/dependency_links.txt

@@ -0,0 +1 @@
+

topquant_ksk-0.1.0/src/topquant_ksk.egg-info/requires.txt

@@ -0,0 +1,3 @@
+pandas>=1.5.0
+numpy>=1.20.0
+tqdm

topquant_ksk-0.1.0/src/topquant_ksk.egg-info/top_level.txt

@@ -0,0 +1 @@
+topquant_ksk