https://github.com/i-savelev/invest_toolkit
Инструментарий для анализа инвестиционного портфеля и фундаментального анализа акций MOEX.
https://github.com/i-savelev/invest_toolkit
investment-analysis investment-portfolio moex smart-lab
Last synced: 11 days ago
JSON representation
Инструментарий для анализа инвестиционного портфеля и фундаментального анализа акций MOEX.
- Host: GitHub
- URL: https://github.com/i-savelev/invest_toolkit
- Owner: i-savelev
- Created: 2025-09-13T09:02:39.000Z (9 months ago)
- Default Branch: main
- Last Pushed: 2026-04-28T11:08:12.000Z (about 1 month ago)
- Last Synced: 2026-04-28T13:14:26.115Z (about 1 month ago)
- Topics: investment-analysis, investment-portfolio, moex, smart-lab
- Language: Python
- Homepage: https://datalens.yandex/5ylyszbllnt6p
- Size: 1.54 MB
- Stars: 0
- Watchers: 0
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
- Support: support_files/20251206-free-float.xlsx
- Agents: AGENTS.md
Awesome Lists containing this project
README
# invest_toolkit
Инструментарий для анализа инвестиционного портфеля, расчёта рейтингов и визуализации данных по акциям MOEX.
---
## Возможности
- Парсинг отчётов брокеров (Сбербанк, ВТБ)
- Загрузка данных с MOEX API и SmartLab
- Расчёт целевого распределения портфеля и ребалансировка
- Построение графиков с скользящей средней
- Автоматический расчёт инвестиционного рейтинга
- Генерация отчётов в Markdown
- Все функции возвращают `pd.DataFrame` и автоматически логируются в `.log/app.log`
---
## Установка
```bash
# Через uv (рекомендуется)
uv pip install -e .
# Или через pip
pip install -e .
```
> Требуется Python ≥3.13
---
## 📦 Быстрый старт и примеры использования
### Получение финансовых данных с smartlab
```python
import invest_toolkit as it
it.scrape_and_download(
save_directory=r'support_files/scrapper_reports',
period_columns=['2025', 'LTM'],
)
```
Данные по финансовым показателям каждоый компании с сайта smartlab в формате csv будут сохранены в указанную папку
### Сбор всех данных по акциям (moex api + отчеты с smartlab)
```python
import invest_toolkit as it
df = it.all_stock_info(
free_dloat_path='support_files/20251206-free-float.xlsx',
ir_path='support_files/ir_rating.xlsx',
sl_stock_folder='support_files/scrapper_reports',
)
```
Будет создан датафрейм следующего вида
```
ТАБЛИЦА: Результат выполнения 'all_stock_info'
Размер: 149726 строк × 5 столбцов
================================================================================
ticker indicator value type year
0 SBER name Сбербанк moex NaN
1 ROSN name Роснефть moex NaN
2 NVTK name Новатэк ао moex NaN
3 LKOH name ЛУКОЙЛ moex NaN
4 PLZL name Полюс moex NaN
5 GAZP name ГАЗПРОМ ао moex NaN
6 SIBN name Газпрнефть moex NaN
7 GMKN name ГМКНорНик moex NaN
8 YDEX name ЯНДЕКС moex NaN
9 TATN name Татнфт 3ао moex NaN
10 OZON name Озон moex NaN
11 T name Т-Техно ао moex NaN
12 PHOR name ФосАгро ао moex NaN
```
### Визуализация
```python
import invest_toolkit as it
# Один график
it.plot_one_chart(
df=df,
ticker='SBER',
title='Чистая прибыль, млрд руб',
window=3 # окно скользящей средней
)
# Несколько графиков
it.plot_multiple_chart(
df=df,
ticker='SBER',
metric_list=['Чистая прибыль, млрд руб', 'Див.выплата, млрд руб'],
rows=2, cols=1
)
```
Примеры графиков
### Рейтинг
```python
import invest_toolkit as it
# Расчёт рейтинга
rating = it.rating_df(df, n=7) # (df = it.all_stock_info)
```
Пример расчета рейтинга
```
ТАБЛИЦА: Результат выполнения 'rating_df'
Размер: 2331 строк × 5 столбцов
================================================================================
ticker type indicator year value
0 ABIO rating IR None 0.77
1 ABIO rating Выплата див-в None 0.29
2 ABIO rating_string Выплата див-в, расчет None Кол-во [Див.выплата, млрд руб]: 2/7 = 0.29
3 ABIO rating Рост див-в None 0.29
4 ABIO rating_string Рост див-в, расчет None Рост [Див.выплата, млрд руб]: 2/7 = 0.29
5 ABIO rating Рост прибыли None 0.43
6 ABIO rating_string Рост прибыли, расчет None Рост [Чистая прибыль, млрд руб]: 3/7 = 0.43
```
🔗 **[Рейтинг на datalens](https://datalens.yandex/5ylyszbllnt6p)**
### Управление портфелем
```python
it.portfolio_report(
report_path_sber='.reports/sber_27012026.html',
report_path_vtb='.reports/vtb20260208.xlsx',
allocation_path='support_files/index_fund.xlsx',
deposit=100000,
grouping_tickers=['LQDT', 'SBMM'],
allow_sell_tickers=['LQDT', 'SBMM'],
sell=True,
report_save_path='.output'
)
```
Пример отчета по портфелю
```
Общая сумма активов = 2310810 руб.
Акции = 1291352.0 руб. (55.9/60.0%)
Денежный рынок = 1019458.0 руб. (44.1/40.0%)
Пополнение = 100000
## Исходный отчет
| ticker | buy/sell | %_src | %_tgt | %_res |
| :--------- | :--------------------------- | ----: | ----: | ----: |
| AQUA | buy 11 шт. (5380 руб.) | 0.72 | 0.96 | 0.91 |
| BSPB | buy 2 шт. (6843 руб.) | 1.63 | 1.93 | 1.85 |
| CHMF | - | 0.67 | 0.6 | 0.64 |
| HEAD | buy 5 шт. (14560 руб.) | 1.51 | 2.27 | 2.05 |
| IRAO | buy 29 шт. (9599 руб.) | 2.48 | 2.84 | 2.77 |
| LKOH | - | 4.95 | 4.2 | 4.74 |
| LSNGP | - | 1.75 | 1.57 | 1.68 |
| ... | ... | ... | ... | ... |
| SNGSP | - | 0.77 | 0.6 | 0.74 |
| T | buy 6 шт. (21037 руб.) | 2.73 | 3.73 | 3.49 |
| TATN | - | 2.42 | 1.8 | 2.32 |
| TRNFP | - | 3.25 | 3 | 3.12 |
| WTCMP | buy 2 шт. (2584 руб.) | 1.01 | 1.09 | 1.07 |
| X5 | buy 5 шт. (12132 руб.) | 2.73 | 3.19 | 3.12 |
| YDEX | - | 2.7 | 2.48 | 2.59 |
| LQDT, SBMM | sell 27910 шт. (-55131 руб.) | 44.12 | 40 | 40 |
AQUA: buy 11 шт. (5380 руб.)
BSPB: buy 2 шт. (6843 руб.)
HEAD: buy 5 шт. (14560 руб.)
...
WTCMP: buy 2 шт. (2584 руб.)
X5: buy 5 шт. (12132 руб.)
LQDT, SBMM: sell 27910 шт. (-55131 руб.)
```
Полные рабочие примеры использования находятся в Jupyter-ноутбуках в папке [`notebooks/`](notebooks/):
- `analysis.ipynb` — анализ данных и рейтинги
- `portfolio.ipynb` — управление портфелем и ребалансировка
- `data.ipynb` — загрузка и предобработка данных
---
## Структура
```
invest_toolkit/
├── notebooks/ # Jupyter-ноутбуки с примерами ← начните отсюда
├── src/invest_toolkit/
│ ├── core/ # Бизнес-логика (портфель, рейтинги)
│ ├── io/ # Загрузка данных (брокеры, MOEX, SmartLab)
│ ├── orchestration/ # Основные workflows
│ ├── reports/ # Генерация Markdown-отчётов
│ ├── utils/ # Логирование и декораторы
│ └── viz/ # Визуализация (matplotlib)
├── support_files/ # Конфигурационные Excel-файлы
└── pyproject.toml
```
---
## ⚙️ Конфигурация
Целевое распределение настраивается в `support_files/index_fund.xlsx`:
- Лист `categories` — доли категорий (акции, ETF)
- Отдельные листы — тикеры и веса внутри категорий
---
## 📝 Логирование
```python
from invest_toolkit.utils import log
log.init("my_script.py") # инициализация
log.info("Сообщение") # запись в .log/app.log
```
Все `DataFrame`, возвращаемые функциями, автоматически логируются в табличном виде.
---
> 📌 **Совет**: Для работы скрапера SmartLab требуется Firefox и `geckodriver`. Все пути в примерах относительные — адаптируйте под свою структуру проекта.