前言

認為整體環境看多，優秀的個股不會太差；大環境不好，優秀的股票也會被拖累。有這個概念後我們取得三大法人的留倉作為判斷依據，但這個判斷依據是不是可以跟市場趨勢做結合，這時候就是需要可以代替整體市場的發行量加權股價指數，作為比較的依據，來驗正這個想法。

本日程式碼使用：d9_saveTaiexToDb.py

簡介：發行量加權股價指數

「發行量加權股價指數」是交易所自行編撰的指數，又稱為加權指數、上市指數、TAIEX，是跟美國S&P 500的公式相同，可以作為判斷臺北股市的狀況。

此指數是從1966開始，並且以1966年為基期，基期指數設為100，其計算公式為：發行量加權股價指數 =（當期總發行市值 / 基值）× 基期指數。現在大概為17304（2021/9/9）。

匯入資料

建立Table

這次取得的資料是從「發行量加權股價指數歷史資料」取得，此為一個CSV檔，裡面的欄位為：

• 日期
• 開盤指數
• 最高指數
• 最低指數
• 收盤指數

因此紀錄加權指數的Table會長成這樣：

CREATE TABLE `Taiex` (
  `TradeDate` date NOT NULL,
  `Open` float NOT NULL DEFAULT '0',
  `High` float NOT NULL DEFAULT '0',
  `Low` float NOT NULL DEFAULT '0',
  `Close` float NOT NULL DEFAULT '0',
  PRIMARY KEY (`TradeDate`)
)

匯入資料庫

接著仿效Day6的做法，先從網路取得CSV，然後再用pandas讀取CSV，進而轉乘Dataframe：

try:
    csv = requests.get(self.url)
    df = pandas.read_csv(StringIO(csv.text))  # 有header
    print(df)  # debug
    self.df = df
except Exception as exc:
    print(exc)
    return False

接著把資料資料匯入之前，稍微檢查一下資料，發現日期為1100901，為民國年，需要轉成西元年，因此要特別轉換，這邊使用：

str(int(row[0]/10000)+1911)}-{str(row[0])[3:5]}-{str(row[0])[5:8]

由於資料本身就是數值，所以就直接除以10000，然後用int()只取前面的年，接著再加上1911，然後再重新組合成日期格式，這邊就把數值用str()方式轉換成文字，接著用方式轉換成文字，接著用切割的方式切成所需的片段，也就是月份和日的部分，最後就組成：2021-09-01。然後就可以存進去囉！

所以這一塊的程式碼為：

my_connt_obj = db_connect.mysql_connect()
conn = my_connt_obj.connect()
with conn.cursor() as cursor:
    # 新增SQL語法
    for _, row in self.df.iterrows():
        trade_date = f"{str(int(row[0]/10000)+1911)}-{str(row[0])[3:5]}-{str(row[0])[5:8]}"
        cmd = f"""INSERT INTO Taiex
        (TradeDate, Open, High, Low, Close)
        values('{trade_date}',
        '{row[1]}', {row[2]}, {row[3]}, {row[4]});"""
        cursor.execute(cmd)

        counter += 1
conn.commit()