幻想过这样的两种能力,一是回到过去,二是预见未来。时间逆转回到过去,这更多的是在文艺作品中能够出现的情节。而预见未来,我们正在努力,希望可以更准确地预见更长时间内更多的细节。例如在瞬息万变的股票交易市场中,我们可能会利用NLP来判断股市舆情,或者借助机器学习的方法来预测股市行情大势,又或者可以通过大数据找出不同股票间的隐性关联,从而获取正确的投资策略。而实现这一切,都需要大量数据来支撑我们的试验,在这里我将介绍如何高效获取股票交易历史数据的方法,让大家都能快速获取数据完成各项试验:
下面我先定义一下代号和对应的证券交易所的名称:
Code | Stock Exchange |
---|---|
SHA | Shanghai Stock Exchange |
SHE | Shenzhen Stock Exchange |
HKG | Hong Kong Stock Exchange |
LON | London Stock Exchange |
NASDAQ | NASDAQ Stock Exchange |
NYSE | New York Stock Exchange |
AMEX | American Stock Exchange |
ASX | Australian Securities Exchange |
BVMF | Bovespa Stock Exchange |
CVE | Toronto TSX Ventures Stock Exchange |
TSE | Toronto Stock Exchange |
KSE | Korea Stock Exchange |
NSE | National Stock Exchange of India |
NZE | New Zealand Stock Exchange |
SGX | Singapore Exchange |
STO | NASDAQ OMX Stockholm |
TPE | Taiwan Stock Exchange |
TYO | Tokyo Stock Exchange |
现在我们下载StockData,完成后进入目录可以看到:
可以看到一个文件夹symbol, 还有三个Python文件, 分别是data.py, run.py和stock.py。我们试运行一下run.py:
由上可知,要获取任意证券交易所的交易信息,只需要一行命令便能实现。例如,以下我们要获取深圳证券交易所(SHE),其中的八只股票的全部交易信息,并存放在目录SHE_8下面: