株価が上昇し始めるタイミングのニュースを探す

import sqlite3
import pandas as pd

# データベースに接続
conn = sqlite3.connect("stock_data.db")

# データベースから株価データを取得
sql = "SELECT * FROM stock_table"
df = pd.read_sql_query(sql, conn)

# 日付でソート
df['date'] = pd.to_datetime(df['date'])
df = df.sort_values(by=['ticker', 'date'])

# 銘柄ごとに5日連続で始値が上昇しているかどうかを判定
df['is_rising'] = df.groupby('ticker')['open'].apply(lambda x: x.pct_change().gt(0)).rolling(5).apply(lambda x: x.all())

# 条件を満たす最初の日付を取得
result = df[df['is_rising']].groupby('ticker')['date'].min().reset_index()

# 結果を新しいテーブルに格納
result.to_sql("rising_stocks", conn, if_exists="replace", index=False)

# データベースとの接続を閉じる
conn.close()

import sqlite3
import pandas as pd

# データベースに接続
conn = sqlite3.connect("stock_data.db")

# rising_stocksテーブルを取得
sql = "SELECT * FROM rising_stocks"
rising_stocks = pd.read_sql_query(sql, conn)

# news_tableテーブルを取得
sql = "SELECT * FROM news_table"
news_table = pd.read_sql_query(sql, conn)

# 日付の型を揃える
rising_stocks['date'] = pd.to_datetime(rising_stocks['date'])
news_table['date'] = pd.to_datetime(news_table['date'])

# rising_stocksテーブルとnews_tableテーブルを結合
rising_news = pd.merge(rising_stocks, news_table, on=['ticker', 'date'])

# 結果を新しいテーブルに格納
rising_news.to_sql("rising_news_table", conn, if_exists="replace", index=False)

# データベースとの接続を閉じる
conn.close()