Python量化交易：数据获取接口

**同学们前面两期量化交易内容：**

1. Python量化交易入门
2. 量化交易的历史
3. Python量化交易项目怎么做
4. Python量化交易之回测框架介绍
5. Python量化交易：策略创建运行流程

---

学习目标：

应用industry实现行业股票列表的获取
应用history_bars实现股票合约历史行情数据获取
应用get_fundamentals实现股票基本面数据获取
使用query的过滤条件完成股票数据的过滤
应用scheduler定时器实现股票数据定期获取

---

一、数据接口种类

获取指定行业、板块股票列表
history_bars - 指定股票合约历史数据
get_fundamentals - 查询财务数据

二、获取韩各样、板块以及概念股票列表

2.1 关于股票代码以及代码补齐

RiceQuant上的股票代码标记：

股票自动搜索及补全
Windows 用户 ： 输入ctrl + i
Mac 用户 ：输入command + i
Linux 用户 ：输入ctrl + i

当您输入了这个组合键之后，Ricequant在线IDE就会进入股票代码搜索和自动完成模式，接着您可以输入任何一种进行搜索和自动补全：

股票数字代码 - 自动补全为股票数字代码，比如"000024.XSHE"：
股票中文全称 - 自动补全为股票中文全称，比如"招商地产"
股票拼音缩写 - 这里比较特殊，自动补全为股票中文全称，因为股票拼音缩写并不是独一无二的，比如ZSDC补全为"招商地产"

2.2 获取行业

industry - 行业股票列表

industry(code)

获得属于某一行业的所有股票列表。

参数

返回

获得属于某一行业的所有股票的order_book_id list。

范例

def init(context):
    stock_list = industry('A01')
    logger.info("农业股票列表：" + str(stock_list))

2.3 获取板块

sector - 板块股票列表

sector(code)

获得属于某一板块的所有股票列表。

参数

返回

属于该板块的股票order_book_id或order_book_id list.

范例

def init(context):
    ids1 = sector("consumer discretionary")
    ids2 = sector("非必需消费品")
    ids3 = sector("ConsumerDiscretionary")
    assert ids1 == ids2 and ids1 == ids3
    logger.info(ids1)

支持的行业获取如下，想要了解全球行业划分标准参考全球行业标准分类:

2.4 获取概念

参考：https://www.ricequant.com/api/python/chn#data-methods-concept

2.5 获取指数成分股

index_components - 指数成分股

index_components(order_book_id, date=None)

获取某一指数的股票构成列表，也支持指数的历史构成查询。

返回
构成该指数股票的order_book_id list

常见的指数获取代码为

2.6 自定义股票池，提供给handle_bar使用

我们可以通过context的参数，相当于提供一个全局变量来获取

def init(context):
    # 在context中保存全局变量
    context.s1 = "000001.XSHE"

    # context.s2 = "601390.XSHG"
    # 获取行业
    # context.stock_list = industry("C39")
    # 获取指数成分股
    context.hs300 = index_components("000300.XSHG")


def before_trading(context):
    logger.info(context.hs300)
    logger.info("before_trading")

三、获取股票合约数据

3.1 history_bars - 某一合约历史数据

history_bars(order_book_id, bar_count, frequency, fields=None, skip_suspended=True, include_now=False)

获取指定合约的历史行情，同时支持日以及分钟历史数据。不能在init中调用。

参数

返回
ndarray ，方便直接与talib等计算库对接，效率较history返回的DataFrame更高。

获取的字段内容如下

3.2 代码以及注意的问题

因为撮合逻辑是当前bar收盘或者下一个bar开盘，所以history_bars()可以获取到包含当前bar及之前所有的bar数据
获取当天的数据
获取前十天的数据
获取每天的每分钟分钟的数据?获取每分钟之前的几分钟数据？

# 如果想在今天运行，获取从几天开始前几天一些数据
# 获取前5天的收盘价，开盘价
# 股票代号，间隔，频率，交易指标
data = history_bars(context.s1, 5, '1d', 'close')

# 获取多个指标
data = history_bars(context.s1, 5, '1d', ['close', 'open'])

# 如果回测是每日的，不支持获取分钟数据
data = history_bars(context.s1, 5, '1m', ['close', 'open'])

问题：这里的频率跟回测的频率区别？

3.3 其它-通过bar_dict获取

获取合约当前价格的bar_dict，

Bar对象

注意,在股票策略中bar对象可以拿到所有股票合约的bar信息

只能获取当前的交易信息

logger.info(bar_dict[context.s1].close)

注：只能获取当前运行日期的，不能获取之前日期

四、获取财务数据

4.1 get_fundamentals - 查询财务数据

get_fundamentals(query, entry_date=None, interval='1d', report_quarter=False)

获取历史财务数据表格。目前支持中国市场超过400个指标，具体请参考 财务数据文档 。目前仅支持中国市场。需要注意，一次查询过多股票的财务数据会导致系统运行缓慢。（entry_date在回测当中不去要提供）

注意这里的数据指标类别虽然有400多种，但是RQ平台的这些指标数据质量不高，很多指标没有经过运算处理成需要的指标，跟我们在讲金融数据处理的时候列出来的那些财务指标差别比较大

参数

返回

pandas DataPanel 如果查询结果为空，返回空pandas DataFrame 如果给定间隔为1d, 1m, 1q, 1y，返回pandas DataFrame

4.2 如何获取指标-query查询

通过fundamentals获取以上的属性

q = query(fundamentals.eod_derivative_indicator.pe_ratio)

4.3 过滤指标条件

query().filter：过滤大小
query().order_by：排序
query().limit()：限制数量
fundamentals.stockcode.in_()：在指定的股票池当中过滤

# 增加条件过滤掉不符合的股票代码
# 默认直接获取A股是所有的股票这个指标数据
# order_by默认是升序
# limit:选择固定数量的股票，获取20个股票交易
q = query(fundamentals.eod_derivative_indicator.pe_ratio,
             fundamentals.eod_derivative_indicator.pcf_ratio).filter(
                 fundamentals.eod_derivative_indicator.pe_ratio > 20,
                 fundamentals.eod_derivative_indicator.pcf_ratio > 15,
                 ).order_by(
                     fundamentals.eod_derivative_indicator.pe_ratio
                     ).limit(20)

# 想要从沪深300指数的一些股票去进行筛选
# 通过fundamentals.stockcode去限定股票池
    q = query(fundamentals.eod_derivative_indicator.pe_ratio,
             fundamentals.eod_derivative_indicator.pcf_ratio).filter(
                 fundamentals.eod_derivative_indicator.pe_ratio > 20,
                 ).order_by(
                     fundamentals.eod_derivative_indicator.pe_ratio
                     ).filter(
                         fundamentals.stockcode.in_(context.hs300)
                         ).limit(20)


# 获取财务数据，默认获取的是dataframe，entry_date在回测当中不去要提供
fund = get_fundamentals(q)
# 注释：每个表都有一个stockcode在用来方便通过股票代码来过滤掉查询的数据

问题：一般选择一些满足财务数据的股票时间并不是每天去获取，而是间隔一周、一个月去获取一次？怎么取获取呢？

五、scheduler定时器定时数据获取

scheduler.run_daily - 每天运行
scheduler.run_weekly - 每周运行
scheduler.run_monthly - 每月运行

5.1 API介绍

5.1.1 scheduler.run_daily - 每天运行

scheduler.run_daily(function)
每日运行一次指定的函数，只能在init内使用。

注意，schedule一定在其对应时间点的handle_bar之前执行，如果定时运行函数运行时间较长，则中间的handle_bar事件将会被略过。

参数：
返回
无

5.1.2 scheduler.run_monthly - 每月运行

scheduler.run_monthly(function,tradingday=t)

每月运行一次指定的函数，只能在init内使用。

注意:

tradingday的负数表示倒数。
tradingday表示交易日，如某月只有三个交易日，则此月的tradingday=3与tradingday=-1表示同一。

参数：

返回
无

5.2 添加定时器之后的策略运行顺序

比如我们添加了这样一段代码：

def init(context):
    # 定义一个每天运行一个定时器
    scheduler.run_daily(get_data)
    # 每个一个月去获取财务数据，每隔一周去获取财务数据
    scheduler.run_monthly(get_data, tradingday=1)

5.3 代码

def get_data(context, bar_dict):
    # logger.info("-------")
    # 进行每月的第一天去调整要买卖的股票
    q = query(fundamentals.eod_derivative_indicator.pe_ratio,
             fundamentals.eod_derivative_indicator.pcf_ratio).filter(
                 fundamentals.eod_derivative_indicator.pe_ratio > 20,
                 ).order_by(
                     fundamentals.eod_derivative_indicator.pe_ratio
                     ).filter(
                         fundamentals.stockcode.in_(context.hs300)
                         ).limit(20)

    # 获取财务数据
    data = get_fundamentals(q)

    logger.info("这个月更新的股票池")
    logger.info(data.T)