Python+Tushare，自制A股筛选器

互联网时代，金融行业的海量的数据不再依靠人工来分析，统计，越来越多的数据处理工作被大数据，AI，机器学习取代，出现了量化交易、程序化交易、量化投资。散户面对海量的数据，掌握的信息往往是沧海一粟，难以在数据的海洋中快速发现机会。

本文介绍利用Python和免费的Tushare金融大数据对A股股票的信息进行筛选，快速准确地找到符合自己理想的股票。

1. Tushare简介

Tushare是一个免费、开源的python财经数据接口包。主要实现对股票等金融数据从数据采集、清洗加工 到数据存储的过程，能够为金融分析人员提供快速、整洁、和多样的便于分析的数据。

使用前提

• 安装Python（建议使用Anaconda集成python开发环境）
• 安装pandas

pip install panda

• 安装tushare

pip install tushare

• 注册tushare社区用户（https://tushare.pro/register?reg=416966）
• 获取tushare token（具体操作请参考tushare社区说明，或留言）

调用tushare数据

• 导入tushare 并设置token

import tushare as ts
ts.set_token('your token here')  #token的获取方法参考tushare社区说明，或留言
pro = ts.pro_api()

或者

import tushare as ts
pro = ts.pro_api('your token')

• 数据调取

df = pro.trade_cal(exchange='', start_date='20180901', end_date='20181001', fields='exchange,cal_date,is_open,pretrade_date', is_open='0')

调取结果

股票筛选

• 示例1（筛选当前股价是今年最高点70%以下的股票）

#查询结果存储list
securityNeeded=[]
#查询当前所有正常上市交易的股票列表
data = pro.query('stock_basic', exchange='', list_status='L', fields='ts_code,symbol,name,area,industry')
#遍历所有股票，将符合条件的存入SecurityNeeded
i=1
for code in data['ts_code']:
    print('{0}/{1}\t{2}:'.format(i,len(data),code),end='')
    i+=1
    df=ts.pro_bar(ts_code=code,adj='qfq',start_date='20210101',end_date='20210630',limit=10)
    if (df.loc[0,'close']/df['pre_close'].max())<0.7:
        print('符合要求')
        securityNeeded.append(code)
    else:
        print('不符合要求')
print(securityNeeded)

• 示例2（筛选近10个交易日内，涨幅超过20%的股票）

#查询结果存储list
securityNeeded=[]
#查询当前所有正常上市交易的股票列表
data = pro.query('stock_basic', exchange='', list_status='L', fields='ts_code,symbol,name,area,industry')
#遍历所有股票，将符合条件的存入SecurityNeeded
i=1
for code in data['ts_code']:
    print('{0}/{1}\t{2}:'.format(i,len(data),code),end='')
    i+=1
    df=ts.pro_bar(ts_code=code,adj='qfq',start_date='20210101',end_date='20210630',limit=10)
    if df.loc[0,'close']/df.loc[9,'pre_close'].max()>1.2:
        print('符合要求')
        securityNeeded.append(code)
    else:
        print('不符合要求')
print(securityNeeded)

同学们还可以加入更多的条件，对股票数据进行多方位筛选。

筛选数据仅对股票投资形成参考，不能作为股票的交易依据。股市有风险，投资需谨慎。

如果你对金融量化或Python感兴趣，请关注我，持续带给您更多工具与信息。