Take it easy

네이버 증권 사이트에 들어가서 검색하는 곳의 소스를 잠깐 보면 다음과 같다.

이것을 이용할까? 고민해보았는데

웹 주소상의 종목코드를 이용한 접근이 더 편할것으로 보인다.  (https://finance.naver.com/item/main.nhn?code=011070)

이제 각 주식별로의 위치까지는 들어가는 것까진 할 수 있다.

더나아가면 https://m.stock.naver.com/item/main.nhn#/stocks/005930/notice

해당 것을 이용해서, 각 기업에 "공시" 탭까지 들어갈 수 있다.

그렇다면? 탭에 들어가서 "배당" 을 검색하여 나온 리스트를 가지고 "언제" 그리고 "얼마" 를 주는지 알아내고 싶어진다.

(가능할까?ㅠㅠ)

https://m.stock.naver.com/item/main.nhn#/stocks/005930/notice

의 소스를 검색해보니 이런식으로 구성되어 있는 것을 알 수 있다. 이중에서 일단 "배당"이라는 글자가 들어가는 것을 알아보자

사용하려고 하는 것은 Beautiful soup 과 request 라이브러리이다.

stock_result = requests.get("https://m.stock.naver.com/item/main.nhn#/stocks/005930/notice")

stok_list = BeautifulSoup(stock_result.text, "html.parser")

title_list = stok_list.find("div",{"class":"lst_wrp_contents"})

이렇게 해보면.. 

결과는?? "NONE"

막힌건가

그렇다면 다른 방법을 알아봐야지.. 

다트 전자공시의 API를 활용해볼까한다.. ㅠㅠ 

이거 안되면 "언제" 를 빼고 배당금만 가져오는 방법을 생각해봐야겠다. 

지난 https://songveloper.tistory.com/16 이때 돌려봤었고 나왔던 결과에 대해서

지난 9월(https://songveloper.tistory.com/22)에 해봤을 때의 등락률은 337 / 73 = 4.6% 였다.

과연 지난 8월 18일에 산 알고리즘을 통해 뽑은 데이터를 샀다면 지금의 등락률은 어느정도일까?

참고로 하면, 8월 18일(16일) 코스피는 1,927.17 원 , 9월 16일에는 2,062.22원이였고 지금은 2,246.13원이다. 코스피 지수에만 투자했어도 10%이상의 수익은 냈을텐데...

여튼 퀀트투자를 했다면 결과는 총 등락률 543 / 73 = 7.4% 이다.

알고리즘은 PER 10배 이하, 부채비율 50%이하, PBR 0.2 이상, ROA 5 이상 그리고 순이익증가율 > 0

여기서 PER 는 최근 분기 (영업이익 * 4) 를 (현재가격 * 총상장주식수) 로 나눈 것을 사용하였습니다.

그리고, 그것에 대해서 PER,PBR,PSR,PCR 의 합으로 정렬했었는데... 

생각보다 결과의 상위는 수익률이 매우 안좋고, 저 데이터의 하위만 놓고 보면 굉장히 좋은 수익률을 보인다.

아래에서 35개는 총 583 / 35 = 16%, 위에서 35개는 -37 / 35 = - 1.x%

아이러니한것이고, 어찌보면 좋은 가치의 주식을 고를 수는 있는데 이 PER,PBR,PSR,PCR 의 합의 순위가 결코 주가에 지대한 영향을 주지 않을 수 있다는 생각이든다.

지난 8월 18일에 올렸던 리스트에 대해서 얼마나 올랐는지 그리고 그것을 똑같은 금액으로 매수 했을 경우 얼마의 손익이 나는지를 알아보자.

비교데이터로는 코스피 지수와 코스닥 지수로 하겠다.

8월 18일(16일) 코스피는 1,927.17 원 , 현재는 2,062.22원 이다. 이를 계산하면 2,062.22 - 1,927.17 = 135.05

2,062.22 - 1,927.17 /  1,927.17  * 100  = 약 7% 이다.

8월 18일(16일) 코스닥은 591.57원 현재는 638.59원이다. 이를 계산하면  638.59 - 591.57 = 47.02

 638.59 - 591.57 / 591.57 *100 = 약 8% 이다.

18일의 결과에 대한 리스트는 다음과 같다.

[현재가 : 20190916 기준]

총 등락률은 337%이다. 여기에 73을 나누면 4.6% 지수 투자보다 안나오는 %이다.

처음에 나누지를 않아서 너무 놀라운 수치에 살짝 당황하였고, 퀀트를 믿지 못하여 이렇게 투자하지 못한 내 자신이 너무 화가났다. 

하지만 생각보다 코스피 코스닥이 오른 것보다 적게 올랐기때문에 분석할 필요가 있다.

더 공부해야겠다.

종목들의 정보들을 가져와서 이를 가지고 좋은 주식을 골라보려구한다.

책을 보고 뭔가 제일 표준적이라고 볼 수 있는

PER 10배 이하, 부채비율 50%이하, PBR 0.2 이상, ROA 5 이상 그리고 순이익증가율 > 0

여기서 PER 는 최근 분기 (영업이익 * 4) 를 (현재가격 * 총상장주식수) 로 나눈 것을 사용하였습니다.

그리고, 그것에 대해서 PER,PBR,PSR,PCR 의 합으로 정렬했다.

코드는 다음과 같다.

    def refindeStock(self, inputdata):
        data = []
        len2 = len(inputdata)
        for index in range(len2):
            tempdata = copy.deepcopy(inputdata[index])
            advantage = tempdata[12]
            advantage2 = tempdata[14]
            if advantage2 > 0 :
                per = tempdata[1]*tempdata[4] / (4 * advantage2)
                if advantage > 0 :
                    per2 = tempdata[1]*tempdata[4] / advantage

                    tempdata.append(per) ##19
                    debt = tempdata[7]
                    tempdata.append(debt)  ##20
                    if tempdata[11] > 0 :
                        pbr = tempdata[1] / tempdata[11]
                        tempdata.append(pbr)##21
                        roa = tempdata[9]
                        tempdata.append(roa)##22
                        sps = tempdata[19]
                        if sps > 0 :
                            psr = tempdata[1] /sps
                            tempdata.append(psr) ##23
                            cfps = tempdata[20]
                            if cfps > 0 :
                                pcr=tempdata[1] / cfps
                                tempdata.append(pcr)  ##24
                                if (per < 10) and (debt < 50)  and (pbr > 0.2) and(roa > 5) and(tempdata[10] > 0) :
                                    tempdata.append(0) #25
                                    tempdata.append(0) #26
                                    tempdata.append(0) #27
                                    tempdata.append(0) #28
                                    tempdata.append(0) #29
                                    data.append(tempdata)
        countData = len(data)
        data.sort(key=lambda x: x[21])
        for index in range(countData) :
            data[index][27] = index
            data[index][31] += index
        data.sort(key=lambda x: x[23])
        for index in range(countData) :
            data[index][28] = index
            data[index][31] += index
        data.sort(key=lambda x: x[25])
        for index in range(countData) :
            data[index][29] = index
            data[index][31] += index
        data.sort(key=lambda x: x[26])
        for index in range(countData) :
            data[index][30] = index
            data[index][31] += index

        data.sort(key=lambda x: x[31])

그리고 그것의 결과물은 다음과 같다.
(2019.08.18 기준)

Creon API 에서 MarketEye 를 이용해서 종목 코드만 있으면 다음과 같은 정보들을 가져올 수 있다.

http://money2.creontrade.com/e5/mboard/ptype_basic/HTS_Plus_Helper/DW_Basic_Read_Page.aspx?boardseq=284&seq=131&page=1&searchString=marketeye&p=8841&v=8643&m=9505

나는 일단 기본적인 지표인 PER,PSR,PBR 등을 이용하고자 하니, 이런것들이 포함된 것들을 가져올 예정이다.

그 코드는 다음과 같다.

<pre><code>

def subMarketEye(self, m_InfoList):
    numCodeRow =len( self.codeList)
    print(numCodeRow)
    obj = win32com.client.Dispatch("cpsysdib.MarketEye")

    data=[]
    for index in range(numCodeRow):
        obj.SetInputValue(0, m_InfoList)
        obj.SetInputValue(1, self.codeList[index])
        obj.BlockRequest()
        numField = obj.GetHeaderValue(0)
        numData = obj.GetHeaderValue(2)

        for idx_x in range(numData):
            tempdata=[]
            for idx_y in range(numField):
                tempdata.append(obj.GetDataValue(idx_y, idx_x))
            data.append(tempdata)

    return data

</code></pre>

매개변수인 m_InfoList를 활용하여, 원하는 값을 달리해서 불러 올 수 있으며, slice 한것을 넣기 위해서 일단 self.codeList[] 를 사용하였는데 생각해보면 함수화시키는 게 더 깔끔할 것으로 보인다.

다음 글에는 이 리스트를 이용하여 필요한 값들을 만들 것이다. 

그리고 그것들을 어떻게 조합하면 더 나은 투자를 할 수 있는지도 고민해볼생각이다.

지난 번에 전체 종목에 대해서 여러 정보를 가져오기를 시도하다가 '종목 개수는 200개를 초과할 수 없습니다.' 라는 오류와 함께 실패했다. 그래서 이번에는 받아온 전체 종목들을 나눠서 정보를 가져오려한다.

그렇게 해서 만든 코드는 매우 간단하며 다음과 같다.

이렇게 만든 리스트를 가지고 종목 검색에 성공하였다.

    def dataSlice(self):
        listRowCount = int(self.numTotalCount/200) + 1
        for i in range(listRowCount):
            line = []  # 안쪽 리스트로 사용할 빈 리스트 생성
            for j in range(200):
                numOfList = i*200 + j
                if self.numTotalCount <= numOfList :
                    break
                line.append(self.totalInfoList[numOfList])  # 안쪽 리스트에 0 추가
            self.codeList.append(line)

종목 전체를 가져와서 per 등의 지표로 순위를 메겨보려 했다.

종목을 전체 가져오는 건 성공..

  def getALLStockCode(self):
        # Creonapi 세팅
        obj = win32com.client.Dispatch("CpUtil.CpStockCode")
        numData = obj.GetCount()
        data = []
        for index in range(numData):
            tempData = []
            tempData.append(obj.GetData(0, index))
            data.append(tempData)
        return data
 

but..
문제가 생겨버렸다.

바로바로..

pywintypes.com_error: (-2147352567, '예외가 발생했습니다.', (0, None, 'Module:CpSysDib\nObj:MarketEye\nFun:SetInputValue\nType:1\nDescription:종목 개수는 200개를 초과할 수 없습니다.', None, 0, -2147024809), None)

코드는 이렇다.
200 으로 split 해서 가져와야되는건가

     def subMarketEye(self, m_InfoList, m_CodeList):

        obj = win32com.client.Dispatch("cpsysdib.MarketEye")
        obj.SetInputValue(0, m_InfoList) 
        obj.SetInputValue(1, m_CodeList) 
        obj.BlockRequest()

        numField=obj.GetHeaderValue(0) 
        print(m_CodeList.count())
        numData=obj.GetHeaderValue(2) 
        # nameField=obj.GetHeaderValue(1)
        # print('필드명:', nameField)
        data=[]
        for idx_x in range(numData):
            tempdata=[]
            for idx_y in range(numField):
                tempdata.append(obj.GetDataValue(idx_y, idx_x))
            data.append(tempdata)
        return data

 

맨날 공부한다고 생각만하고 있어서 그런지 상당히 더디게 프로젝트가 진행되고 있다.

처음에는 python 공부를 목적으로 하였지만.. 그것보단 내가 어떤 주식을 사야할지, 데이터 접근하여 값을 가져오는 용도로 이용하게 될 것같다.

Creon API로 connect 하는 예제 코드이다.

종목 번호를 기반으로 주가를 찍어주는 소스이다.

b_connected = self.obj_CpCybos.IsConnect
if b_connected == 0:
print("connect fail")
return None

이 부분이 앞으로의 프로젝트에 제일 많이 쓰일.. connect 를 체크하는 부분이다.

python 자체를 공부해보지 못해서 다소 소스 해석이 되지않지만 하다 보면 되지 않을까 생각된다.

예제 소스는 다음과 같다.

import time
import win32com.client
import pandas as pd

class Creon:
    def __init__(self):
        self.obj_CpCodeMgr = win32com.client.Dispatch('CpUtil.CpCodeMgr')
        self.obj_CpCybos = win32com.client.Dispatch('CpUtil.CpCybos')
        self.obj_StockChart = win32com.client.Dispatch('CpSysDib.StockChart')

    def creon_chart_search(self, code, date_from, date_to):
        b_connected = self.obj_CpCybos.IsConnect
        if b_connected == 0:
            print("connect fail")
            return None

        list_field_key = [0, 1, 2, 3, 4, 5, 8]
        list_field_name = ['date', 'time', 'open', 'high', 'low', 'close', 'volume']
        dict_chart = { name : [] for name in list_field_name}
        self.obj_StockChart.SetInputValue(0, 'A'+code)
        self.obj_StockChart.SetInputValue(1, ord('1'))
        self.obj_StockChart.SetInputValue(2, date_to)
        self.obj_StockChart.SetInputValue(3, date_from)
        self.obj_StockChart.SetInputValue(5, list_field_key)
        self.obj_StockChart.SetInputValue(6, ord('D'))
        self.obj_StockChart.BlockRequest()

        status = self.obj_StockChart.GetDibStatus()
        msg = self.obj_StockChart.GetDibMsg1()
        print("connected status : {} {}".format(status,msg))
        if status != 0:
            return None

        cnt = self.obj_StockChart.GetHeaderValue(3)
        for i in range(cnt):
            dict_item = (
                {name : self.obj_StockChart.GetDataValue(pos,i)
                for pos,name in zip(range(len(list_field_name)),list_field_name)}
            )
            for k,v in dict_item.items():
                dict_chart[k].append(v)

        print("char {} {}".format(cnt, dict_chart))
        return pd.DataFrame(dict_chart, columns=list_field_name)


if __name__ == '__main__':
    creon = Creon()
    print(creon.creon_chart_search('035420', 20150101, 20171201))