Melyik részvényt érdemes most vásárolni? írjtam rá egy python programot!

A professzionális elemzők két fő módszert kombinálnak, amelyeket Pythonban is könnyen megvalósíthatsz:Fundamentális elemzés: Olcsó, de stabil, nyereséges cégek keresése (pl. alacsony P/E ráta, magas profitmarzs).Technikai elemzés: A piaci momentum és trendek azonosítása (pl. RSI indikátor vagy mozgóátlagok segítségével).

 Kockázati figyelmeztetés: Egy egyedi részvény vásárlása mindig magas kockázattal jár, és akár a teljes befektetett tőke elvesztését is eredményezheti. A kockázatok csökkentése érdekében érdemes diverzifikált portfólióban (vagy ETF-ekben) gondolkodni.

Az alábbi program a népszerű yfinance könyvtárat használja. Letölti egy előre meghatározott részvénylista (pl. az S&P 500 legnagyobb technológiai és növekedési cégei) legfrissebb adatait, majd kiszűri azokat, amelyek fundamentálisan alulértékeltek (P/E < 30) és technikailag sincsenek még túlvásárolt állapotban (RSI < 70).

----------

import pandas as pd

import yfinance as yf

import pandas_ta as ta  # Technikai indikátorok egyszerű számításához kell telepíteni!

# 1. Definiáljuk a vizsgálni kívánt részvények listáját (példaként néhány nagyvállalat)

tickers = ["AAPL", "MSFT", "GOOGL", "AMZN", "META", "TSLA", "NVDA", "BRK-B", "JNJ", "V", "JPM", "XOM"]

def analyze_stocks(ticker_list):

    results = []

    

    print("Adatok letöltése és elemzése folyamatban...\n")

    

    for ticker_symbol in ticker_list:

        try:

            ticker = yf.Ticker(ticker_symbol)

            

            # --- FUNDAMENTÁLIS ADATOK ---

            info = ticker.info

            pe_ratio = info.get("trailingPE", None)

            forward_pe = info.get("forwardPE", None)

            profit_margin = info.get("profitMargins", None)

            company_name = info.get("longName", ticker_symbol)

            

            # --- TECHNIKAI ADATOK (Utolsó 6 hónap napi árai) ---

            history = ticker.history(period="6m")

            if history.empty or len(history) < 20:

                continue

                

            # RSI (Relative Strength Index) számítása 14 napos periódusra

            history.ta.rsi(length=14, append=True)

            # 50 napos mozgóátlag (SMA)

            history.ta.sma(length=50, append=True)

            

            latest_row = history.iloc[-1]

            current_price = latest_row["Close"]

            rsi = latest_row["RSI_14"]

            sma_50 = latest_row["SMA_50"]

            

            # Trend meghatározása: Ha az ár a 50 napos mozgóátlag felett van, a trend emelkedő

            trend = "Bika (Emelkedő)" if current_price > sma_50 else "Medve (Eső)"

            

            results.append({

                "Ticker": ticker_symbol,

                "Név": company_name,

                "Ár ($)": round(current_price, 2),

                "P/E Ráta": round(pe_ratio, 2) if pe_ratio else "N/A",

                "Profit Marzs": f"{round(profit_margin * 100, 2)}%" if profit_margin else "N/A",

                "RSI (14)": round(rsi, 2) if not pd.isna(rsi) else "N/A",

                "Trend (50 SMA)": trend

            })

            

        except Exception as e:

            print(f"Hiba történt a(z) {ticker_symbol} lekérésekor: {e}")

            

    # Adatok DataFrame-be rendezése

    df = pd.DataFrame(results)

    return df

# Elemzés futtatása

df_stocks = analyze_stocks(tickers)

# --- SZŰRÉSI STRATÉGIA ---

# Kiszűrjük azokat a cégeket, amelyek:

# 1. Rendelkeznek P/E rátával és az 30 alatti (nem túlárazott fundamentálisan)

# 2. Az RSI értékük 70 alatti (technikailag nem túlvásárolt, van még tér növekedni)

# 3. Pozitív a profit marzsuk (nyereségesek)

# Biztonsági konverzió a szűréshez

df_stocks["P/E_float"] = pd.to_numeric(df_stocks["P/E Ráta"], errors='coerce')

df_stocks["RSI_float"] = pd.to_numeric(df_stocks["RSI (14)"], errors='coerce')

Kivalasztott_reszvenyek = df_stocks[

    (df_stocks["P/E_float"] < 30) & 

    (df_stocks["RSI_float"] < 70) & 

    (df_stocks["Trend (50 SMA)"] == "Bika (Emelkedő)")

].drop(columns=["P/E_float", "RSI_float"])

# Eredmények megjelenítése

print("=== ÖSSZES LEKÉRT ADAT ===")

print(df_stocks.drop(columns=["P/E_float", "RSI_float"]).to_string(index=False))

print("\n" + "="*40)

print(" STRATÉGIA ALAPJÁN AJÁNLOTT VÉTELI CÉLPONTOK:")

print("="*40)

if Kivalasztott_reszvenyek.empty:

    print("A jelenlegi piaci feltételek mellett a listából egyik részvény sem felelt meg a szigorú kritériumoknak.")

else:

    print(Kivalasztott_reszvenyek.to_string(index=False))

-----------------------

Futtatás;https://www.w3schools.com/python/pandas/trypandas.asp?filename=demo_pandas_editor

https://colab.research.google.com/drive/1IBFmIxyM0-Ph71N2pks5lYz6z25PIeoI

---------------

Kimenet

https://medium.com/@sabirbagwan/working-in-python-using-yfinance-2aa211b909e0