用python批量股票歷史數據

1. 璇鋒暀python閲忓寲浜ゆ槗鏃剁敤鍒扮殑鑲＄エ姣忓ぉ閫愮瑪浜ゆ槗鏁版嵁濡備綍鐖鍙栵紵

棣栧厛錛屾墦寮鏈熻揣浜ゆ槗杞浠訛紝鐧誨綍鑷宸辯殑浜ゆ槗璐︽埛銆傞夋嫨鐩稿簲鐨勬湡璐у悎綰︼紝榪涘叆浜ゆ槗鐣岄潰銆

鍏舵★紝鎵懼埌鈥滄垚浜よ板綍鈥濇垨鈥滈愮瑪鎴愪氦鈥濈瓑鐩稿叧鍔熻兘鎸夐挳銆傚湪涓浜涗氦鏄撹蔣浠朵腑錛岃繖涓鎸夐挳鍙鑳戒綅浜庝氦鏄撶晫闈㈢殑搴曢儴鎴栦晶杈規爮銆

鐒跺悗錛岀偣鍑燴滄垚浜よ板綍鈥濇垨鈥滈愮瑪鎴愪氦鈥濇寜閽錛岃繘鍏ユ垚浜よ板綍欏甸潰銆傚湪榪欎釜欏甸潰涓婏紝浣犲彲浠ョ湅鍒版渶榪戠殑鎴愪氦璁板綍鍒楄〃銆

鎺ヤ笅鏉ワ紝鎵懼埌鈥滃煎嚭鈥濇垨鈥滃煎嚭鎴愪氦鏄庣粏鈥濈瓑鎸夐挳銆傝繖涓鎸夐挳閫氬父浣嶄簬鎴愪氦璁板綍欏甸潰鐨勪笂鏂規垨涓嬫柟銆

鐒跺悗錛岀偣鍑燴滃煎嚭鈥濇垨鈥滃煎嚭鎴愪氦鏄庣粏鈥濇寜閽錛岄夋嫨瀵煎嚭鏂囦歡鐨勬牸寮忓拰淇濆瓨璺寰勩備竴鑸鏉ヨ達紝鎴戜滑鍙浠ラ夋嫨瀵煎嚭涓篍xcel鎴朇SV鏍煎紡鐨勬枃浠訛紝榪欐牱鍙浠ユ柟渚垮悗緇鐨勬暟鎹澶勭悊鍜屽垎鏋愩

鏈鍚庯紝鐐瑰嚮鈥滅『璁も濇垨鈥滃煎嚭鈥濇寜閽錛岀瓑寰呰蔣浠跺畬鎴愬煎嚭榪囩▼銆傚煎嚭鐨勯熷害鍙栧喅浜庢垚浜よ板綍鐨勬暟閲忓拰鐢佃剳鎬ц兘絳夊洜緔犮

涓鏃﹀煎嚭瀹屾垚錛屼綘灝卞彲浠ュ湪閫夋嫨鐨勪繚瀛樿礬寰勪腑鎵懼埌瀵煎嚭鐨勬枃浠躲傞氳繃鎵撳紑榪欎釜鏂囦歡錛屼綘灝卞彲浠ユ煡鐪嬪拰鍒嗘瀽鏈熻揣閫愮瑪鎴愪氦鏄庣粏浜嗐

瀵煎嚭鐨勬湡璐ч愮瑪鎴愪氦鏄庣粏鏂囦歡閫氬父鍖呮嫭浠ヤ笅淇℃伅錛氫氦鏄撴棩鏈熴佷氦鏄撴椂闂淬佹垚浜や環鏍箋佹垚浜ゆ暟閲忋佷拱鍗栨柟鍚戠瓑銆傝繖浜涗俊鎮鍙浠ュ府鍔╀綘榪借釜姣忎竴絎旀垚浜ょ殑鎯呭喌錛屽垎鏋愬競鍦虹殑涔板崠鍔涢噺鍜屼氦鏄撹屼負銆

閫氳繃瀵規湡璐ч愮瑪鎴愪氦鏄庣粏鐨勫垎鏋愶紝浜ゆ槗鑰呭拰鎶曡祫鑰呭彲浠ヨ幏鍙栦互涓嬫柟闈㈢殑淇℃伅錛

棣栧厛錛屼簡瑙ｅ競鍦虹殑鎴愪氦鎯呭喌銆傞氳繃鏌ョ湅鎴愪氦浠鋒牸鍜屾垚浜ゆ暟閲忥紝鍙浠ュ垽鏂甯傚満鐨勪環鏍艱蛋鍔垮拰浜ゆ槗媧昏穬搴︺

鍏舵★紝鍒嗘瀽甯傚満鐨勪拱鍗栧姏閲忋傞氳繃緇熻′拱鍏ュ拰鍗栧嚭鐨勬暟閲忓拰姣斾緥錛屽彲浠ヤ簡瑙ｅ競鍦虹殑澶氱┖鍙屾柟鍔涢噺瀵規瘮錛屽垽鏂甯傚満鐨勮蛋鍔垮拰瓚嬪娍銆

鍐嶆★紝鐮旂┒浜ゆ槗鑰呯殑琛屼負鍜岀瓥鐣ャ傞氳繃鍒嗘瀽鎴愪氦璁板綍錛屽彲浠ヤ簡瑙ｄ氦鏄撹呯殑涔板崠琛屼負鍜岀瓥鐣ワ紝鍙戠幇涓浜涙綔鍦ㄧ殑浜ゆ槗鏈轟細銆

鏈鍚庯紝浼樺寲浜ゆ槗絳栫暐鍜岄庨櫓綆＄悊銆傞氳繃瀵規湡璐ч愮瑪鎴愪氦鏄庣粏鐨勭爺絀訛紝鍙浠ュ彂鐜頒竴浜涘父瑙佺殑浜ゆ槗閿欒鍜岄庨櫓鍥犵礌錛屼粠鑰屾敼榪涜嚜宸辯殑浜ゆ槗絳栫暐鍜岄庨櫓綆＄悊鑳藉姏銆

2. python如何獲得股票實時交易數據

使用easyquotation這個庫。(不用重復造輪子了)
github地址是：
https://github.com/shidenggui/easyquotation

3. 如何用python代碼判斷一段范圍內股票最高點

Copyright © 1999-2020, CSDN.NET, All Rights Reserved




登錄

python+聚寬 統計A股市場個股在某時間段的最高價、最低價及其時間 原創
2019-10-12 09:20:50

開拖拉機的大寶

碼齡4年

關注
使用工具pycharm + 聚寬數據源，統計A股市場個股在某時間段的最高價、最低價及其時間，並列印excel表格輸出

from jqdatasdk import *
import pandas as pd
import logging
import sys
logger = logging.getLogger("logger")
logger.setLevel(logging.INFO)

# 聚寬數據賬戶名和密碼設置
auth('username','password')

#獲取A股列表，包括代號，名稱，上市退市時間等。
security = get_all_securities(types=[], date=None)
pd2 = get_all_securities(['stock'])

# 獲取股票代號
stocks = list(get_all_securities(['stock']).index)

# 獲取股票名稱
stocknames = pd2['display_name']

start_date = '2015-01-01'
end_date = '2018-12-31'
def get_stocks_high_low(start_date,end_date):
# 新建表，表頭列
# 為："idx","stockcode","stockname","maxvalue","maxtime","lowvalue","lowtime"
result = pd.DataFrame(columns=["idx", "stockcode", "stockname", "maxvalue", "maxtime", "lowvalue", "lowtime"])
for i in range(0,stocks.__len__()-1):
pd01 = get_price(stocks[i], start_date, end_date, frequency='daily',
fields=None, skip_paused=False,fq='pre', count=None)
result=result.append(pd.DataFrame({'idx':[i],'stockcode':[stocks[i]],'stockname':
[stocknames[i]],'maxvalue':[pd01['high'].max()],'maxtime':
[pd01['high'].idxmax()],'lowvalue': [pd01['low'].min()], 'lowtime':
[pd01['low'].idxmin()]}),ignore_index=True)

result.to_csv("stock_max_min.csv",encoding = 'utf-8', index = True)
logger.warning("執行完畢！

4. 股票池如何用python構建

股票池用python構建的方法是：使用第三方平台，目前可以使用的是聚寬，對比一下聚寬、優礦、大寬網（已經倒閉了），都大同小異，選哪個都一樣。

雖然這些平台都大同小異，但是代碼可不能簡單復制粘貼，因為底層函數庫是不一樣的，有可能在別的平台根本用不了某個函數，並且簡單復制到自己電腦中的python的話百分之百用不了。

代碼的思路是，每個月底進行調倉，選出市值最小的股票交易，去掉ST/*ST/停牌/漲停的股票，然後選擇最小市值的10隻，基準是創業板綜指，看看結果。

python構建數據獲取方法是：旅衡

這里使用為了接下來的操作需要將一定歷史范圍的股票數據下載下來，這里下載起始時間為20160101，截至時間為運行代碼的時間范圍的歷史日線數據。

這里以tushare為例, tushare獲取歷史數據有兩種方式。

第一種是以迭代歷史交陪攔易日的方式獲取所有歷史數據，假設獲取三年的歷史數據，一拆亂做年一般220個交易日左右，那麼3年需要請求660多次左右，如果以這種方式的話，就下載數據的時間只需要1分鍾多點的樣子。

第二種是以迭代所有股票代碼的方式獲取所有歷史數據，股票數量有大概3800多個，需要請求3800多次，但是在積分有限的情況下一分鍾最多請求500次，也就意味著僅下載數據的時間至少需要大概8分鍾時間。

理論上，你獲取的歷史范圍超過17.3年，那麼使用第一種方式才比第二種方式快。

5. 怎麼用python計算股票

作為一個python新手，在學習中遇到很多問題，要善於運用各種方法。今天，在學習中，碰到了如何通過收盤價計算股票的漲跌幅。
第一種：
讀取數據並建立函數：
import numpy as np
import matplotlib.pyplot as plt
from scipy.interpolate import spline
from pylab import *
import pandas as pd
from pandas import Series
a=pd.read_csv('d:///1.csv',sep=',')#文件位置

t=a['close']
def f(t):
s=[]
for i in range(1,len(t)):
if i==1:
continue
else:
s.append((t[i]-t[i-1])/t[i]*100)
print s
plot(s)

plt.show()
f(t)
第二種：
利用pandas裡面的方法：
import pandas as pd

a=pd.read_csv('d:///1.csv')
rets = a['close'].pct_change() * 100
print rets

第三種：
close=a['close']
rets=close/close.shift(1)-1
print rets

總結：python是一種非常好的編程語言，一般而言，我們可以運用構建相關函數來實現自己的思想，但是，眾所周知，python中裡面的有很多科學計算包，裡面有很多方法可以快速解決計算的需要，如上面提到的pandas中的pct_change()。因此在平時的使用中應當學會尋找更好的方法，提高運算速度。

6. 怎樣遍歷任意股票歷史數據要求使用循環。

下載個大智慧就可以了啊

7. 鍥介檯鑲＄エ鎸囨暟 涓嬭澆 python 鍖

Python涓鍙浠ヤ嬌鐢ㄥ氱嶅寘鏉ヤ笅杞藉浗闄呰偂紲ㄦ寚鏁版暟鎹錛屽俻andas_datareader銆亂finance絳夈

鍏充簬鑲＄エ鎸囨暟鏁版嵁涓嬭澆

鍦ㄥ浗闄呰偂紲ㄦ暟鎹涓嬭澆鏂歸潰錛孭ython鎻愪緵浜嗗氱嶅簱鏉ュ府鍔╁紑鍙戣呰幏鍙栭噾鋙嶆暟鎹銆傚叾涓錛屽浗闄呰偂紲ㄦ寚鏁版暟鎹鐨勮幏鍙栨槸榪欎簺搴撶殑涓涓閲嶈佸姛鑳姐傝繖浜涙暟鎹鍙浠ョ敤浜庡垎鏋愯偂紲ㄥ競鍦鴻秼鍔褲佸緩絝嬫姇璧勭瓥鐣ョ瓑銆

甯哥敤鐨凱ython鍖

1. pandas_datareader錛氳繖鏄涓涓鐢ㄤ簬璇誨彇鍚勭嶉噾鋙嶆暟鎹鐨凱ython搴撱傞氳繃榪欎釜搴擄紝鍙浠ヨ交鏉懼湴浠庡悇縐嶆潵婧愪笅杞借偂紲ㄦ寚鏁版暟鎹錛屽俌ahoo Finance絳夈傚畠鎻愪緵浜嗕竴涓緇熶竴鐨勬帴鍙ｆ潵璁塊棶澶氱嶆暟鎹婧愶紝浣垮緱鏁版嵁鑾峰彇鍙樺緱鐩稿圭畝鍗曘

2. yfinance錛氳繖鏄涓涓涓撲負Yahoo Finance璁捐＄殑Python搴撱傚畠鍙浠ョ敤鏉ヤ笅杞借偂紲ㄣ佹湡璐с佸栨眹鍜屽姞瀵嗚揣甯佺瓑閲戣瀺浜у搧鐨勬暟鎹錛屽寘鎷鍥介檯鑲＄エ鎸囨暟銆傜敱浜庡畠鏄涓撻棬閽堝簹ahoo Finance璁捐＄殑錛屽洜姝ゅ湪鏌愪簺鎯呭喌涓嬪彲鑳芥洿閫傜敤浜庣壒瀹氱殑鑲＄エ鍜屽競鍦恆

浣跨敤鏂瑰紡

榪欎簺搴撶殑浣跨敤閫氬父娑夊強鍒板畨瑁呯浉搴旂殑Python鍖咃紝鐒跺悗閫氳繃綆鍗曠殑鍑芥暟璋冪敤灝卞彲浠ヤ笅杞藉埌鑲＄エ鎸囨暟鏁版嵁銆傚叿浣撶殑浣跨敤鏂瑰紡闇瑕佹牴鎹搴撶殑鏂囨。鍜屾寚鍗楄繘琛岋紝閫氬父闇瑕佹彁渚涜偂紲ㄧ殑浠ｇ爜鎴栬呭競鍦虹殑鏍囪瘑絎︿綔涓哄弬鏁般傚悓鏃訛紝榪橀渶瑕佹敞鎰忔暟鎹鐨勬椂鏁堟у拰鎺堟潈闂棰樸

鎬葷粨鏉ヨ達紝濡傛灉闇瑕佷笅杞藉浗闄呰偂紲ㄦ寚鏁版暟鎹錛孭ython鎻愪緵浜嗗氱嶅簱鏉ュ府鍔╁疄鐜拌繖涓鐩鏍囷紝寮鍙戣呭彲浠ユ牴鎹鍏蜂綋闇奼傚拰鍋忓ソ閫夋嫨鍚堥傜殑搴撱

8. python的QSTK中，裡面股票的歷史數據是包含在包裡面么，還是通過網路獲取

在 Python的QSTK中，是通過 s_datapath 變數，定義相應股票數據所在的文件夾。一般可以通過 QSDATA 這個環境變數來設置對應的數據文件夾。

具體的股票數據來源，例如滬深、港股等市場，你可以使用免費的WDZ程序輸出相應日線、5分鍾數據到 s_datapath 變數所指定的文件夾中。然後可使用 Python的QSTK中，qstkutil.DataAccess進行數據訪問。