【数据】【自动化交易】Python获取中国股市行情和指数
【数据】【自动化交易】Python获取中国股市行情和指数一般来说获取股市行情和指数都是需要付费的，并且这些数据你根本无法导出，比如早年看我妈他们炒股用的大富翁等软件。不过现在可以用诸如腾讯、新浪财经等的网页数据，不过顶多是1s级的，不过免费。所以思路就是使用爬虫扒取。爬虫也不需要你自己写，这里介绍几种易用的数据lib:Tushare: 内核并非爬虫，好像是C++写的，文档比较老了。印象...
·
【数据】【自动化交易】Python获取中国股市行情和指数
一般来说获取股市行情和指数都是需要付费的，并且这些数据你根本无法导出，比如早年看我妈他们炒股用的大富翁等软件。不过现在可以用诸如腾讯、新浪财经等的网页数据，不过顶多是1s级的，不过免费。所以思路就是使用爬虫扒取。
爬虫也不需要你自己写，这里介绍几种易用的数据lib:
- Tushare: 内核并非爬虫，好像是C++写的，文档比较老了。印象最深的是它有电影票房数据模块。
- easyquotation: 要求 V P y t h o n ≥ 3.5 V_{Python} \ge 3.5 VPython≥3.5。单只股票数据感觉比Tushare全，小巧易用。
- pyalgotrade-cn: 可以和Tushare数据配合回测的lib。
easyquotation
前言
- 获取新浪的免费实时行情
- 获取腾讯财经的免费实时行情
- 获取集思路的分级基金数据
开发环境 : Ubuntu 16.04 / Python 3.5
requirements
- Python 3.5+
- pip install -r requirements.txt
安装
pip install easyquotation
升级
pip install easyquotation --upgrade
用法
引入:
import easyquotation
选择行情
quotation = easyquotation.use('sina') # 新浪 ['sina'] 腾讯 ['tencent', 'qq']
获取所有股票行情
quotation.market_snapshot(prefix=True) # prefix 参数指定返回的行情字典中的股票代码 key 是否带 sz/sh 前缀
return
{'sh000159': {'name': '国际实业', # 股票名
'buy': 8.87, # 竞买价
'sell': 8.88, # 竞卖价
'now': 8.88, # 现价
'open': 8.99, # 开盘价
'close': 8.96, # 昨日收盘价
'high': 9.15, # 今日最高价
'low': 8.83, # 今日最低价
'turnover': 22545048, # 交易股数
'volume': 202704887.74， # 交易金额
'ask1': 8.88, # 卖一价
'ask1_volume': 111900, # 卖一量
'ask2': 8.89,
'ask2_volume': 54700,
'bid1': 8.87, # 买一价
'bid1_volume': 21800, # 买一量
...
'bid2': 8.86,
'bid2_volume': 78400,
'date': '2016-02-19',
'time': '14:30:00',
...},
......
}
单只股票
quotation.real('162411') # 支持直接指定前缀，如 'sh000001'
多只股票
quotation.stocks(['000001', '162411'])
同时获取指数和行情
quotation.stocks(['sh000001', 'sz000001'], prefix=True)
更新股票代码
easyquotation.update_stock_codes()
选择 jsl 行情
quotation = easyquotation.use('jsl') # ['jsl']
获取分级基金信息
quotation.funda() # 参数可选择利率、折价率、交易量、有无下折、是否永续来过滤
quotation.fundb() # 参数如上
对应的分级 A 数据
return
{ 150020:
{'abrate': '5:5',
'calc_info': None,
'coupon_descr': '+3.0%',
'coupon_descr_s': '+3.0%',
'fund_descr': '每年第一个工作日定折，无下折，A不参与上折，净值<1元无定折',
'funda_amount': 178823,
'funda_amount_increase': '0',
'funda_amount_increase_rt': '0.00%',
'funda_base_est_dis_rt': '2.27%',
'funda_base_est_dis_rt_t1': '2.27%',
'funda_base_est_dis_rt_t2': '-0.34%',
'funda_base_est_dis_rt_tip': '',
'funda_base_fund_id': '163109',
'funda_coupon': '5.75',
'funda_coupon_next': '4.75',
'funda_current_price': '0.783',
'funda_discount_rt': '24.75%',
'funda_id': '150022',
'funda_increase_rt': '0.00%',
'funda_index_id': '399001',
'funda_index_increase_rt': '0.00%',
'funda_index_name': '深证成指',
'funda_left_year': '永续',
'funda_lower_recalc_rt': '1.82%',
'funda_name': '深成指A',
'funda_nav_dt': '2015-09-14',
'funda_profit_rt': '7.74%',
'funda_profit_rt_next': '6.424%',
'funda_value': '1.0405',
'funda_volume': '0.00',
'fundb_upper_recalc_rt': '244.35%',
'fundb_upper_recalc_rt_info': '深成指A不参与上折',
'last_time': '09:18:22',
'left_recalc_year': '0.30411',
'lower_recalc_profit_rt': '-',
'next_recalc_dt': '<span style="font-style:italic">2016-01-04</span>',
'owned': 0,
'status_cd': 'N'}>'}}
分级基金套利接口
quotation.fundarb(jsl_username, jsl_password, avolume=100, bvolume=100, ptype='price')
jsl_username: 集思录用户名
jsl_password: 集思路登录密码
avolume: A成交额，单位百万
bvolume: B成交额，单位百万
ptype: 溢价计算方式，price=现价，buy=买一，sell=卖一
return
{
"165511":{
'base_fund_id': '165511', # 母基金代码
'AB_price': '现价A/B : 1.008/1.329',
'a_profit_rt_next': '4.705',
'a_ratio': 4,
'abrate': '4:6',
'apply_fee': '0',
'apply_fee_tip': '0',
'apply_sell': '-0.59',
'asset_ratio': '95%',
'asset_ratio_last': '99%',
'asset_ratio_num': '95.00',
'b_est_val': '1.340',
'b_gangan': '1.502',
'b_ratio': 6,
'base_est_dis_rt': '-0.56%',
'base_est_val': '1.2073',
'base_fund_nm': '信诚500',
'base_lower_recalc_rt': '54.15%',
'base_nav': '1.1970',
'base_nav_dt': '2016-04-13',
'buy1A': '1.007',
'buy1B': '1.329',
'buy1_amountA': '0.201',
'buy1_amountB': '7.123',
'buy_redeem': '-0.51',
'calc_info': None,
'coupon': '0.00%',
'coupon_next': '4.700',
'est_dis_rt': '-0.55%',
'est_time': '2016-04-14 15:10:05',
'fundA_amount': '6667',
'fundA_amount_increase': '-51',
'fundA_amount_increase_rt': '-0.76%',
'fundA_amount_tip': '2016-04-14 A类总份额6667.000万份，份额增长-0.76%',
'fundA_id': '150028',
'fundA_last_dt': '2016-04-14',
'fundA_last_time': '14:57:02',
'fundA_nav': '1.0090',
'fundA_nav_dt': '2016-04-13',
'fundA_nm': '中证500A',
'fundA_stock_volume': '28.2446',
'fundA_stock_volume_tip': 'A类总份额6667.000万份, 成交28万份',
'fundA_turnover_rt': '0.42%',
'fundA_volume': '28.46',
'fundB_amount': 10000.5,
'fundB_amount_increase': '-76',
'fundB_amount_tip': '2016-04-14 B类总份额10000万份，份额增长-0.76%',
'fundB_id': '150029',
'fundB_last_dt': '2016-04-14',
'fundB_last_time': '15:00:27',
'fundB_nav': '1.3220',
'fundB_nav_dt': '2016-04-13',
'fundB_nm': '中证500B',
'fundB_stock_volume': '255.5280',
'fundB_stock_volume_tip': 'B类总份额10000万份, 成交256万份',
'fundB_turnover_rt': '2.56%',
'fundB_volume': '337.24',
'fund_company_nm': '信诚基金',
'funda_name_tip': '下期利率：4.70，修正收益率：4.71%',
'idx_incr_rt': '0.91%',
'increase_rtA': '-0.10%',
'increase_rtB': '1.06%',
'index_id': '399905',
'index_nm': '中证 500',
'is_est_val': 1,
'is_last_nav': 1,
'lower_recalc_rt': '54.15',
'maturity_dt': '-',
'merge_price': '1.2006',
'min_apply_amount': None,
'notes': 'http://www.xcfunds.com/funds_2012/165511/fundinfor.shtml\r\n',
'ownedA': 0,
'ownedM': 1,
'priceA': '1.008',
'priceB': '1.329',
'real_idx_increase_rt': '0.91',
'recalc_to': None,
'redeem_fee': '0.5%',
'redeem_fee_tip': '0.5%',
'sell1A': '1.008',
'sell1B': '1.330',
'sell1_amountA': '7.132',
'sell1_amountB': '16.820',
'status_cd': 'N'
}
}
指数ETF查询接口
TIP : 尚未包含黄金ETF和货币ETF
quotation.etfindex(index_id="", min_volume=0, max_discount=None, min_discount=None)
return
{
"510050": {
"fund_id": "510050", # 代码
"fund_nm": "50ETF", # 名称
"price": "2.066", # 现价
"increase_rt": "0.34%", # 涨幅
"volume": "71290.96", # 成交额(万元)
"index_nm": "上证50", # 指数
"pe": "9.038", # 指数PE
"pb": "1.151", # 指数PB
"index_increase_rt": "0.45%", # 指数涨幅
"estimate_value": "2.0733", # 估值
"fund_nav": "2.0730", # 净值
"nav_dt": "2016-03-11", # 净值日期
"discount_rt": "-0.34%", # 溢价率
"creation_unit": "90", # 最小申赎单位(万份)
"amount": "1315800", # 份额
"unit_total": "271.84", # 规模(亿元)
"index_id": "000016", # 指数代码
"last_time": "15:00:00", # 价格最后时间(未确定)
"last_est_time": "23:50:02", # 估值最后时间(未确定)
}
}
分数图
quotation = easyquotation.use("timekline")
data = quotation.real(['603828'], prefix=True)
return
{
'sh603828': {
'date': '170721', #日期
'time_data': {
'201707210930': ['0930', '19.42', '61'], # [时间, 当前价, 上一分钟到这一分钟之间的成交数量]
'201707210931': ['0931', '19.42','122'],
'201707210932': ['0932', '19.43', '123'],
'201707210933': ['0933', '19.48', '125'],
'201707210934': ['0934', '19.49', '133'],
'201707210935': ['0935', '19.48', '161'],
...
}
}
港股日k线图
import easyquotation
quotation = easyquotation.use("daykline")
data = quotation.real(['00001','00700'])
print(data)
return
{
'00001': [
['2017-10-09', '352.00', '349.00', '353.00', '348.60', '13455864.00'], # [日期, 今开, 今收, 最高, 最低, 成交量 ]
['2017-10-10', '350.80', '351.20', '352.60', '349.80', '10088970.00'],
]
'00700':[
]
}
}
腾讯港股时时行情
import easyquotation
quotation = easyquotation.use("hkquote")
data = quotation.real(['00001','00700'])
print(data)
{
'00001':
{
'stock_code': '00001', # 股票代码
'lotSize': '"100', # 每手数量
'name': '长和', # 股票名称
'price': '97.20', # 股票当前价格
'lastPrice': '97.75', # 股票昨天收盘价格
'openPrice': '97.75', # 股票今天开盘价格
'amount': '1641463.0', # 股票成交量
'time': '2017/11/29 15:38:58', # 当前时间
'high': '98.05', # 当天最高价格
'low': '97.15' # 当天最低价格
},
'00700':
{
'stock_code': '00700',
'lotSize': '"100',
'name': '腾讯控股',
'price': '413.20',
'lastPrice': '419.20',
'openPrice': '422.20',
'amount': '21351010.0',
'time': '2017/11/29 15:39:01',
'high': '422.80',
'low': '412.40'
}
}
开发指南
初始化环境
进入项目目录后运行
make init
Tushare
TuShare是实现对股票/期货等金融数据从数据采集、清洗加工 到 数据存储过程的工具，满足金融量化分析师和学习数据分析的人在数据获取方面的需求，它的特点是数据覆盖范围广，接口调用简单,响应快速。
Dependencies
- python 2.x/3.x
- pandas
Installation
- 方式1：pip install tushare
- 方式2：python setup.py install
- 方式3：访问https://pypi.python.org/pypi/tushare/下载安装
Upgrade
pip install tushare --upgrade
Quick Start
Example 1. 获取个股历史交易数据（包括均线数据）：
import tushare as ts
ts.get_hist_data('600848') #一次性获取全部数据
结果显示：
日期 ，开盘价， 最高价， 收盘价， 最低价， 成交量， 价格变动 ，涨跌幅，5日均价，10日均价，20日均价，5日均量，10日均量，20日均量，换手率
open high close low volume p_change ma5 \
date
2012-01-11 6.880 7.380 7.060 6.880 14129.96 2.62 7.060
2012-01-12 7.050 7.100 6.980 6.900 7895.19 -1.13 7.020
2012-01-13 6.950 7.000 6.700 6.690 6611.87 -4.01 6.913
2012-01-16 6.680 6.750 6.510 6.480 2941.63 -2.84 6.813
2012-01-17 6.660 6.880 6.860 6.460 8642.57 5.38 6.822
2012-01-18 7.000 7.300 6.890 6.880 13075.40 0.44 6.788
2012-01-19 6.690 6.950 6.890 6.680 6117.32 0.00 6.770
2012-01-20 6.870 7.080 7.010 6.870 6813.09 1.74 6.832
ma10 ma20 v_ma5 v_ma10 v_ma20 turnover
date
2012-01-11 7.060 7.060 14129.96 14129.96 14129.96 0.48
2012-01-12 7.020 7.020 11012.58 11012.58 11012.58 0.27
2012-01-13 6.913 6.913 9545.67 9545.67 9545.67 0.23
2012-01-16 6.813 6.813 7894.66 7894.66 7894.66 0.10
2012-01-17 6.822 6.822 8044.24 8044.24 8044.24 0.30
2012-01-18 6.833 6.833 7833.33 8882.77 8882.77 0.45
2012-01-19 6.841 6.841 7477.76 8487.71 8487.71 0.21
2012-01-20 6.863 6.863 7518.00 8278.38 8278.38 0.23
设定历史数据的时间：
ts.get_hist_data('600848',start='2015-01-05',end='2015-01-09')
open high close low volume p_change ma5 ma10 \
date
2015-01-05 11.160 11.390 11.260 10.890 46383.57 1.26 11.156 11.212
2015-01-06 11.130 11.660 11.610 11.030 59199.93 3.11 11.182 11.155
2015-01-07 11.580 11.990 11.920 11.480 86681.38 2.67 11.366 11.251
2015-01-08 11.700 11.920 11.670 11.640 56845.71 -2.10 11.516 11.349
2015-01-09 11.680 11.710 11.230 11.190 44851.56 -3.77 11.538 11.363
ma20 v_ma5 v_ma10 v_ma20 turnover
date
2015-01-05 11.198 58648.75 68429.87 97141.81 1.59
2015-01-06 11.382 54854.38 63401.05 98686.98 2.03
2015-01-07 11.543 55049.74 61628.07 103010.58 2.97
2015-01-08 11.647 57268.99 61376.00 105823.50 1.95
2015-01-09 11.682 58792.43 60665.93 107924.27 1.54
复权历史数据
获取历史复权数据，分为前复权和后复权数据，接口提供股票上市以来所有历史数据，默认为前复权。如果不设定开始和结束日期，则返回近一年的复权数据，从性能上考虑，推荐设定开始日期和结束日期，而且最好不要超过一年以上，获取到数据后，请及时在本地存储。
ts.get_h_data('002337') #前复权
ts.get_h_data('002337',autype='hfq') #后复权
ts.get_h_data('002337',autype=None) #不复权
ts.get_h_data('002337',start='2015-01-01',end='2015-03-16') #两个日期之间的前复权数据
Example 2. 一次性获取最近一个日交易日所有股票的交易数据（结果显示速度取决于网速）
ts.get_today_all()
结果显示：
代码，名称，涨跌幅，现价，开盘价，最高价，最低价，最日收盘价，成交量，换手率
code name changepercent trade open high low settlement \
0 002738 中矿资源 10.023 19.32 19.32 19.32 19.32 17.56
1 300410 正业科技 10.022 25.03 25.03 25.03 25.03 22.75
2 002736 国信证券 10.013 16.37 16.37 16.37 16.37 14.88
3 300412 迦南科技 10.010 31.54 31.54 31.54 31.54 28.67
4 300411 金盾股份 10.007 29.68 29.68 29.68 29.68 26.98
5 603636 南威软件 10.006 38.15 38.15 38.15 38.15 34.68
6 002664 信质电机 10.004 30.68 29.00 30.68 28.30 27.89
7 300367 东方网力 10.004 86.76 78.00 86.76 77.87 78.87
8 601299 中国北车 10.000 11.44 11.44 11.44 11.29 10.40
9 601880 大连港 10.000 5.72 5.34 5.72 5.22 5.20
10 000856 冀东装备 10.000 8.91 8.18 8.91 8.18 8.10
volume turnoverratio
0 375100 1.25033
1 85800 0.57200
2 1058925 0.08824
3 69400 0.51791
4 252220 1.26110
5 1374630 5.49852
6 6448748 9.32700
7 2025030 6.88669
8 433453523 4.28056
9 323469835 9.61735
10 25768152 19.51090
Example 3. 获取历史分笔数据
import tushare as ts
df = ts.get_tick_data('600848',date='2014-01-09')
df.head(10)
结果显示：
成交时间、成交价格、价格变动，成交手、成交金额(元)，买卖类型
Out[3]:
time price change volume amount type
0 15:00:00 6.05 -- 8 4840 卖盘
1 14:59:55 6.05 -- 50 30250 卖盘
2 14:59:35 6.05 -- 20 12100 卖盘
3 14:59:30 6.05 -0.01 165 99825 卖盘
4 14:59:20 6.06 0.01 4 2424 买盘
5 14:59:05 6.05 -0.01 2 1210 卖盘
6 14:58:55 6.06 -- 4 2424 买盘
7 14:58:45 6.06 -- 2 1212 买盘
8 14:58:35 6.06 0.01 2 1212 买盘
9 14:58:25 6.05 -0.01 20 12100 卖盘
10 14:58:05 6.06 -- 5 3030 买盘
Example 4. 获取实时交易数据(Realtime Quotes Data)
df = ts.get_realtime_quotes('000581') #Single stock symbol
df[['code','name','price','bid','ask','volume','amount','time']]
结果显示：
名称、开盘价、昨价、现价、最高、最低、买入价、卖出价、成交量、成交金额…more in docs
code name price bid ask volume amount time
0 000581 威孚高科 31.15 31.14 31.15 8183020 253494991.16 11:30:36
请求多个股票方法（一次最好不要超过30个）：
ts.get_realtime_quotes(['600848','000980','000981']) #symbols from a list
ts.get_realtime_quotes(df['code'].tail(10)) #from a Series
pyalgotrade-cn
这部分参考了这个博客。
策略可视化
在pyalgotrade中，已经为我们提供了很好用的可视化模块了，plotter。所以，一开始我们先导入模块。
from pyalgotrade import plotter
把策略的净值图、买卖开仓情况绘制出来其实很简单，把我们的策略实例化之后，传给plotter就可以了。
myStrategy = MyStrategy(feed, "fd")# 策略实例化
plt = plotter.StrategyPlotter(myStrategy) # 传入策略
myStrategy.run()# 运行策略
myStrategy.info("Final portfolio value: $%.2f" % myStrategy.getResult())
plt.plot()# 绘制
长江两岸老火锅，共聚山城开发者！We Want You！
更多推荐
9
0- 0
已为社区贡献1条内容
所有评论(0)