如何从tushare获取point in time的数据

最新推荐文章于 2022-12-31 17:38:49 发布

毫无用处的菜鸡yyq

最新推荐文章于 2022-12-31 17:38:49 发布

阅读量953

点赞数 1

文章标签： python

本文链接：https://blog.csdn.net/liulianqianceng/article/details/122117473

版权

本文介绍了如何在资产定价研究中遵循point in time原则获取数据，特别是从tushare获取股票报表数据的正确方法。讨论了不同类型的报表、调整标识和关键日期的处理，并提供了一个提取所需数据的函数示例。重点在于处理报表更新和修正情况，确保获取到对应调用日期的最新有效数据。

摘要由CSDN通过智能技术生成

tushare ID：456497

在资产定价的研究中，我们所使用的数据应该遵循point in time原则，既获取：对应调用日期所能获取的最新数据。听起来简单做起来却不然。一般来说，从原始报表构造的因子（截面，不是时序）有五种方法，分别为：1.获取对应调用日期所能获取的最新报告期的最新（实际报告期）数据。2.获取对应调用日期所能获取的最新报告期的单季度数据（如利润表中大部分数据都是按季度累计的，需要差分，然而差分也会随着调用日期的变化而有变化）。3.获取对应调用日期所能获取的对应的最新报告期的同比增长率。4.获取对应报告期所能获取的最新报告期的ttm数据（过去一年的对应数据的加总或平均）。5.获取对应报告期所能获取的最新报告期的单季度的ttm数据（2和4的综合）。显然第一种情况最简单，后面因为涉及到跨季度的情况，较为复杂。复杂的原因在于：调用之前的数据时调用的数据会随着调用日期的变化而变化，比如某公司在2017年4月公布2016年年报，总资产1亿，而在2017年8月公布调整年报，或者于2018年4月公布基准报表，都会改变2016年年报的总资产，假设改成了1.5亿。那么在2017年4月调用总资产就应该调用1亿，而在2018年4月之后计算总资产同比增长率，会需要2016年年报数据，那么就应该用1.5亿计算。

首先先获取tushare的所有报表：

import tushare as ts
import pandas as pd
import numpy as np
from time import time
path='D://data//data_test'
ts.set_token(自己的token)
pro = ts.pro_api()
code = pro.stock_basic()

def get_balancesheet(codelist,starttime,endtime,report_type=1):
    try:
        startdate=str(starttime)
        enddate=str(endtime)
        df = pro.balancesheet(ts_code=codelist,start_date=startdate,end_date=enddate,report_type=report_type)
        return df.set_index('ts_code')
    except:
        df=get_balancesheet(codelist,starttime,endtime,report_type)
        return df.set_index('ts_code')

def get_income(codelist,starttime,endtime,report_type=1):
    try:
        startdate=str(starttime)
        enddate=str(endtime)
        df = pro.income(ts_code=codelist,start_date=startdate,end_date=enddate,report_type=report_type)
        return df.set_index('ts_code')
    except:
        df=get_income(codelist,starttime,endtime,report_type)
        return df.set_index('ts_code')

def get_cashflow(codelist,starttime,endtime,report_type=1):
    try:
        startdate=str(starttime)
        enddate=str(endtime)
        df = pro.cashflow(ts_code=codelist,start_date=startdate,end_date=enddate,report_type=report_type)
        return df.set_index('ts_code')
    except:
        df=get_cashflow(codelist,starttime,endtime,report_type)
        return df.set_index('ts_code')

def get_bar(codelist,starttime,endtime,typ=None):
    try:
        startdate=str(starttime)
        enddate=str(endtime)
        df = ts.pro_bar(ts_code=codelist,start_date=startdate,end_date=enddate,adj=typ)
        return df.set_index('ts_code')
    except:
        df=get_bar(codelist,starttime,endtime)
        return df.set_index('ts_code')

def get_name(codelist):
    try:
        data = pro.namechange(ts_code=codelist)
        return data
    except:
        data=get_name(codelist)
        return data


for i in range(0,code.shape[0]):
    try:
        bfq1=get_bar(code['ts_code'].iloc[i],20100101,20201231)
        bfq2=get_bar(code['ts_code'].iloc[i],20000101,20091231)
        bfq=bfq1.append(bfq2).sort_values('trade_date',ascending=False)
        if bfq.shape[0]>0:
            bfq.to_excel(path+'//0//bar//bfq//'+code['ts_code'].iloc[i]+'.xlsx')
    except:
        1
    try:
        hfq1=get_bar(code['ts_code'].iloc[i],20100101,20201231,'hfq')
        hfq2=get_bar(code['ts_code'].iloc[i],20000101,20091231,'hfq')
        hfq=hfq1.append(hfq2).sort_values('trade_date',ascending=False)
        if hfq.shape[0]>0:
            hfq.to_excel(path+'//0//bar//hfq//'+code['ts_code'].iloc[i]+'.xlsx')
    except:
        try:
            if hfq1.shape[0]>0:
                hfq1.to_excel(path+'//0//bar//hfq//'+code['ts_code'].iloc[i]+'.xlsx')
        except:
            1
    try:
        balancesheet1=get_balancesheet(code['ts_code'].iloc[i],20000101,20201231,1)
        if balancesheet1.shape[0]>0:
            balancesheet1.to_excel(path+'//0//balancesheet//1//'+code['ts_code'].iloc[i]+'.xlsx')
    excep