def update_price_db(self, filtered=False):
# 다운로드 한 이후로는 설정 값 변경 불가
self.comboBox.setEnabled(False)
self.checkBox.setEnabled(False)
if filtered:
fetch_code_df = self.f_sv_code_df
db_code_df = self.f_db_code_df
else:
fetch_code_df = self.sv_code_df
db_code_df = self.db_code_df
if self.comboBox.currentIndex() == 0: # 1분봉
tick_unit = '분봉'
count = 200000 # 서버 데이터 최대 reach 약 18.5만 이므로 (18/02/25 기준)
tick_range = 1
elif self.comboBox.currentIndex() == 1: # 5분봉
tick_unit = '분봉'
count = 100000
tick_range = 5
elif self.comboBox.currentIndex() == 2: # 일봉
tick_unit = '일봉'
count = 10000 # 10000개면 현재부터 1980년 까지의 데이터에 해당함. 충분.
tick_range = 1
elif self.comboBox.currentIndex() == 3: # 주봉
tick_unit = '주봉'
count = 2000
else: # 월봉
tick_unit = '월봉'
count = 500
if self.checkBox.isChecked():
columns = ['open', 'high', 'low', 'close', 'volume']
ohlcv_only = True
else:
columns = [
'open', 'high', 'low', 'close', 'volume', '상장주식수', '외국인주문한도수량',
'외국인현보유수량', '외국인현보유비율', '기관순매수', '기관누적순매수'
]
ohlcv_only = False
# 분봉/일봉에 대해서만 아래 코드가 효과가 있음.
if not is_market_open():
latest_date = available_latest_date()
if tick_unit == '일봉':
latest_date = latest_date // 10000
# 이미 DB 데이터가 최신인 종목들은 가져올 목록에서 제외한다
already_up_to_date_codes = db_code_df.loc[
db_code_df['갱신날짜'] == latest_date]['종목코드'].values
fetch_code_df = fetch_code_df.loc[fetch_code_df['종목코드'].apply(
lambda x: x not in already_up_to_date_codes)]
with sqlite3.connect(self.db_path) as con:
cursor = con.cursor()
tqdm_range = tqdm.trange(len(fetch_code_df), ncols=100)
for i in tqdm_range:
code = fetch_code_df.iloc[i]
self.update_status_msg = '[{}] {}'.format(code[0], code[1])
tqdm_range.set_description(
preformat_cjk(self.update_status_msg, 25))
from_date = 0
if code[0] in self.db_code_df['종목코드'].tolist():
cursor.execute(
"SELECT date FROM {} ORDER BY date DESC LIMIT 1".
format(code[0]))
from_date = cursor.fetchall()[0][0]
if tick_unit == '일봉': # 일봉 데이터 받기
if self.objStockChart.RequestDWM(code[0], ord('D'), count,
self, from_date,
ohlcv_only) == False:
continue
elif tick_unit == '분봉': # 분봉 데이터 받기
if self.objStockChart.RequestMT(code[0], ord('m'),
tick_range, count, self,
from_date,
ohlcv_only) == False:
continue
elif tick_unit == '주봉': #주봉 데이터 받기
if self.objStockChart.RequestDWM(code[0], ord('W'), count,
self, from_date,
ohlcv_only) == False:
continue
elif tick_unit == '월봉': #주봉 데이터 받기
if self.objStockChart.RequestDWM(code[0], ord('M'), count,
self, from_date,
ohlcv_only) == False:
continue
df = pd.DataFrame(self.rcv_data,
columns=columns,
index=self.rcv_data['date'])
# 기존 DB와 겹치는 부분 제거
if from_date != 0:
df = df.loc[:from_date]
df = df.iloc[:-1]
# 뒤집어서 저장 (결과적으로 date 기준 오름차순으로 저장됨)
df = df.iloc[::-1]
df.to_sql(code[0], con, if_exists='append', index_label='date')
# 메모리 overflow 방지
del df
gc.collect()
self.update_status_msg = ''
self.connect_code_list_view()
def update_price_db(self, db_path, tick_unit='day', ohlcv_only=False):
"""
db_path: db 파일 경로.
tick_unit: '1min', '5min', 'day'. 이미 db_path가 존재할 경우, 입력값 무시하고 기존에 사용된 값 사용.
ohlcv_only: ohlcv 이외의 데이터도 저장할지 여부. 이미 db_path가 존재할 경우, 입력값 무시하고 기존에 사용된 값 사용
'day' 아닌경우 False 선택 불가 고정.
"""
if tick_unit != 'day':
ohlcv_only = True
# 로컬 DB에 저장된 종목 정보 가져와서 dataframe으로 저장
con = sqlite3.connect(db_path)
cursor = con.cursor()
cursor.execute("SELECT name FROM sqlite_master WHERE type='table';")
db_code_list = cursor.fetchall()
for i in range(len(db_code_list)):
db_code_list[i] = db_code_list[i][0]
db_name_list = list(map(self.objCodeMgr.get_code_name, db_code_list))
db_latest_list = []
for db_code in db_code_list:
cursor.execute(
"SELECT date FROM {} ORDER BY date DESC LIMIT 1".format(
db_code))
db_latest_list.append(cursor.fetchall()[0][0])
# 현재 db에 저장된 'date' column의 tick_unit 확인
# 현재 db에 저장된 column 명 확인. (ohlcv_only 여부 확인)
if db_latest_list:
cursor.execute(
"SELECT date FROM {} ORDER BY date ASC LIMIT 2".format(
db_code_list[0]))
date0, date1 = cursor.fetchall()
# 날짜가 분 단위 인 경우
if date0[0] > 99999999:
if date1[0] - date0[0] == 5: # 5분 간격인 경우
tick_unit = '5min'
else: # 1분 간격인 경우
tick_unit = '1min'
elif date0[0] % 100 == 0: # 월봉인 경우
tick_unit = 'month'
elif date0[0] % 10 == 0: # 주봉인 경우
tick_unit = 'week'
else: # 일봉인 경우
tick_unit = 'day'
# column개수로 ohlcv_only 여부 확인
cursor.execute('SELECT * FROM {}'.format(db_code_list[0]))
column_names = [
description[0] for description in cursor.description
]
if len(column_names) > 7: # date, o, h, l, c, v
ohlcv_only = False
else:
ohlcv_only = True
db_code_df = pd.DataFrame(
{
'종목코드': db_code_list,
'종목명': db_name_list,
'갱신날짜': db_latest_list
},
columns=('종목코드', '종목명', '갱신날짜'))
fetch_code_df = self.sv_code_df
# 분봉/일봉에 대해서만 아래 코드가 효과가 있음.
if not is_market_open():
latest_date = available_latest_date()
if tick_unit == 'day':
latest_date = latest_date // 10000
# 이미 DB 데이터가 최신인 종목들은 가져올 목록에서 제외한다
already_up_to_date_codes = db_code_df.loc[
db_code_df['갱신날짜'] == latest_date]['종목코드'].values
fetch_code_df = fetch_code_df.loc[fetch_code_df['종목코드'].apply(
lambda x: x not in already_up_to_date_codes)]
if tick_unit == '1min':
count = 200000 # 서버 데이터 최대 reach 약 18.5만 이므로 (18/02/25 기준)
tick_range = 1
elif tick_unit == '5min':
count = 100000
tick_range = 5
elif tick_unit == 'day':
count = 10000 # 10000개면 현재부터 1980년 까지의 데이터에 해당함. 충분.
tick_range = 1
elif tick_unit == 'week':
count = 2000
elif tick_unit == 'month':
count = 500
if ohlcv_only:
columns = ['open', 'high', 'low', 'close', 'volume']
else:
columns = [
'open', 'high', 'low', 'close', 'volume', '상장주식수', '외국인주문한도수량',
'외국인현보유수량', '외국인현보유비율', '기관순매수', '기관누적순매수'
]
with sqlite3.connect(db_path) as con:
cursor = con.cursor()
tqdm_range = tqdm.trange(len(fetch_code_df), ncols=100)
for i in tqdm_range:
code = fetch_code_df.iloc[i]
update_status_msg = '[{}] {}'.format(code[0], code[1])
tqdm_range.set_description(preformat_cjk(
update_status_msg, 25))
from_date = 0
if code[0] in db_code_df['종목코드'].tolist():
cursor.execute(
"SELECT date FROM {} ORDER BY date DESC LIMIT 1".
format(code[0]))
from_date = cursor.fetchall()[0][0]
if tick_unit == 'day': # 일봉 데이터 받기
if self.objStockChart.RequestDWM(code[0], ord('D'), count,
self, from_date,
ohlcv_only) == False:
continue
elif tick_unit == '1min' or tick_unit == '5min': # 분봉 데이터 받기
if self.objStockChart.RequestMT(code[0], ord('m'),
tick_range, count, self,
from_date,
ohlcv_only) == False:
continue
elif tick_unit == 'week': #주봉 데이터 받기
if self.objStockChart.RequestDWM(code[0], ord('W'), count,
self, from_date,
ohlcv_only) == False:
continue
elif tick_unit == 'month': #주봉 데이터 받기
if self.objStockChart.RequestDWM(code[0], ord('M'), count,
self, from_date,
ohlcv_only) == False:
continue
df = pd.DataFrame(self.rcv_data,
columns=columns,
index=self.rcv_data['date'])
# 기존 DB와 겹치는 부분 제거
if from_date != 0:
df = df.loc[:from_date]
df = df.iloc[:-1]
# 뒤집어서 저장 (결과적으로 date 기준 오름차순으로 저장됨)
df = df.iloc[::-1]
df.to_sql(code[0], con, if_exists='append', index_label='date')
# 메모리 overflow 방지
del df
gc.collect()
def update_price_db(self, filtered=False):
if filtered:
fetch_code_df = self.f_sv_code_df
db_code_df = self.f_db_code_df
else:
fetch_code_df = self.sv_code_df
db_code_df = self.db_code_df
if not is_market_open():
latest_date = available_latest_date()
print(latest_date)
# 이미 DB 데이터가 최신인 종목들은 가져올 목록에서 제외한다
already_up_to_date_codes = db_code_df.loc[
db_code_df['갱신날짜'] == latest_date]['종목코드'].values
fetch_code_df = fetch_code_df.loc[fetch_code_df['종목코드'].apply(
lambda x: x not in already_up_to_date_codes)]
if self.radioButton.isChecked(): # 1분봉
tick_unit = '분봉'
count = 200000 # 서버 데이터 최대 reach 약 18.5만 이므로 (18/02/25 기준)
tick_range = 1
elif self.radioButton_3.isChecked(): # 5분봉
tick_unit = '분봉'
count = 100000
tick_range = 5
elif self.radioButton_2.isChecked(): # 일봉
tick_unit = '일봉'
count = 10000 # 10000개면 현재부터 1980년 까지의 데이터에 해당함. 충분.
tick_range = 1
elif self.radioButton_4.isChecked(): # 주봉
tick_unit = '주봉'
count = 2000
else: # 월봉
tick_unit = '월봉'
count = 500
with sqlite3.connect(self.db_path) as con:
cursor = con.cursor()
for i, (_, code) in enumerate(fetch_code_df.iterrows()):
self.update_status_msg = '[{}/{}]: [{}] {}'.\
format(i+1, len(fetch_code_df), code[0], code[1])
print(self.update_status_msg)
from_date = 0
if code[0] in self.db_code_df['종목코드'].tolist():
cursor.execute(
"SELECT date FROM {} ORDER BY date DESC LIMIT 1".
format(code[0]))
from_date = cursor.fetchall()[0][0]
if tick_unit == '일봉': # 일봉 데이터 받기
if self.objStockChart.RequestDWM(code[0], ord('D'), count,
self, from_date) == False:
continue
elif tick_unit == '분봉': # 분봉 데이터 받기
if self.objStockChart.RequestMT(code[0], ord('m'),
tick_range, count, self,
from_date) == False:
continue
elif tick_unit == '주봉': #주봉 데이터 받기
if self.objStockChart.RequestDWM(code[0], ord('W'), count,
self, from_date) == False:
continue
elif tick_unit == '월봉': #주봉 데이터 받기
if self.objStockChart.RequestDWM(code[0], ord('M'), count,
self, from_date) == False:
continue
df = pd.DataFrame(
self.rcv_data,
columns=['open', 'high', 'low', 'close', 'volume'],
index=self.rcv_data['date'])
# 기존 DB와 겹치는 부분 제거
if from_date != 0:
df = df.loc[:from_date]
df = df.iloc[:-1]
# 뒤집어서 저장 (결과적으로 date 기준 오름차순으로 저장됨)
df = df.iloc[::-1]
df.to_sql(code[0], con, if_exists='append', index_label='date')
# 메모리 overflow 방지
del df
gc.collect()
self.update_status_msg = ''
self.connect_code_list_view()
while marketOpen == True :
for stock_name,tradeStatus in stockList.items():
quote = rs.stocks.get_quotes(stock_name)
last_trade_price = float(quote[0]['last_trade_price'])
previous_close = float(quote[0]['previous_close'])
logging.info(f'{stock_name.rjust(5)}: Last trade price is {last_trade_price:10.3f} and previous close was {previous_close:10.3f}')
for ctr in range(len(buyThresholds)):
if last_trade_price/previous_close < buyThresholds[ctr] and tradeStatus[ctr] == True:
tradeConf = utils.buy_stock_units(stock_name,buyStockUnits[ctr],last_trade_price)
if tradeConf == True :
logging.info(f'Bought {str(buyStockUnits[ctr]):3} stocks of {stock_name}\n')
tradeStatus[ctr] = False
# End If
# End if
# End For
for ctr in range(len(sellThresholds)):
if last_trade_price/previous_close > sellThresholds[ctr] and tradeStatus[ctr] == True:
tradeConf = utils.sell_stock_units(stock_name,sellStockUnits[ctr],last_trade_price)
if tradeConf == True :
logging.info(f'Sold {str(sellStockUnits[ctr]):3} stocks of {stock_name}\n')
tradeStatus[ctr] = False
# End If
# End If
# End For
#Wait for 5 minutes before running the script again.
sleep(300)
marketOpen = utils.is_market_open()
# End If Else
# End While
tradePlaced = False
tradeQuantity = 2 #Quantity of trades to be placed on each stock
scalpThicknessByPrice = {
10: 0.005,
20: 0.003,
30: 0.002,
40: 0.001,
50: 0.001
} # Set different scalp thicknesses for different prices. at $10, a thickness of 0.005 would create a spread of 10 c (+/- 5c)
#This is the robinhood watchlist for straddle strategy
straddleList = "Straddle"
while tradePlaced == False:
marketStatus = utils.is_market_open()
if marketStatus:
login()
stockList = utils.build_stocklist(straddleList)
for stock in stockList:
quote = rs.stocks.get_quotes(stock)
lastTradePrice = round(float(quote[0]['last_trade_price']), 2)
scalpIndex = (int(lastTradePrice / 10) + 1) * 10
if scalpIndex > 50:
scalpIndex = 50
scalpThickness = scalpThicknessByPrice[scalpIndex]
buyPrice = round(
lastTradePrice * (1 - scalpThickness), 2
) # Buy order at scalp% below lower of current or last close price
sellPrice = round(
lastTradePrice * (1 + scalpThickness),