前言

认为整体环境看多，优秀的个股不会太差；大环境不好，优秀的股票也会被拖累。有这个概念後我们取得三大法人的留仓作为判断依据，但这个判断依据是不是可以跟市场趋势做结合，这时候就是需要可以代替整体市场的发行量加权股价指数，作为比较的依据，来验正这个想法。

本日程序码使用：d9_saveTaiexToDb.py

简介：发行量加权股价指数

「发行量加权股价指数」是交易所自行编撰的指数，又称为加权指数、上市指数、TAIEX，是跟美国S&P 500的公式相同，可以作为判断台北股市的状况。

此指数是从1966开始，并且以1966年为基期，基期指数设为100，其计算公式为：发行量加权股价指数 =（当期总发行市值 / 基值）× 基期指数。现在大概为17304（2021/9/9）。

汇入资料

建立Table

这次取得的资料是从「发行量加权股价指数历史资料」取得，此为一个CSV档，里面的栏位为：

• 日期
• 开盘指数
• 最高指数
• 最低指数
• 收盘指数

因此纪录加权指数的Table会长成这样：

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`)
)

汇入资料库

接着仿效Day6的做法，先从网路取得CSV，然後再用pandas读取CSV，进而转乘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

接着把资料资料汇入之前，稍微检查一下资料，发现日期为1100901，为民国年，需要转成西元年，因此要特别转换，这边使用：

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

由於资料本身就是数值，所以就直接除以10000，然後用int()只取前面的年，接着再加上1911，然後再重新组合成日期格式，这边就把数值用str()方式转换成文字，接着用方式转换成文字，接着用切割的方式切成所需的片段，也就是月份和日的部分，最後就组成：2021-09-01。然後就可以存进去罗！

所以这一块的程序码为：

my_connt_obj = db_connect.mysql_connect()
conn = my_connt_obj.connect()
with conn.cursor() as cursor:
    # 新增SQL语法
    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()