【量化交易数据篇】01如何通过wind获取股票数据

橙子先生-量化

已于 2024-10-15 11:34:17 修改

阅读量1.8k

点赞数 11

分类专栏：量化数据获取篇文章标签： python pandas 数据分析

于 2024-10-15 11:33:24 首次发布

本文链接：https://blog.csdn.net/m0_70414033/article/details/142941123

版权

量化数据获取篇专栏收录该内容

1 篇文章

订阅专栏

量化数据的获取对于量化交易至关重要，但公开平台很多数据的获取和处理不够严谨。本文通过专业数据库的使用，给大家提供获取的方法。WIND是不错的数据，但其内部WINDATA格式不是传统的 DATAFRAME，所以有一些朋友用起来不方便。作为入门量化数据系列之一，我们就首先介绍一下，省去大家看文档的时间。

（特此声明：本案例中的所有股票代码均随机抽选，不具有任何投资建议和价值！）

示例1 通过WIND获取某只股票从2020年 1月1日-2024年1月1日的数据，整理为DataFrame格式。

代码为：

第一步引入相关库。

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import warnings; warnings.simplefilter('ignore')
from WindPy import w
w.start() # 默认命令超时时间为120秒，可加入waitTime参数，如waitTime=30,即设置命令超时时间为60秒  
w.isconnected() # 判断WindPy是否已经登录成功


#1.获取特斯拉过去四年的量价数据
data_tela = w.wsd("TSLA.O", "open,high,low,close,volume", "2020-01-01", "2024-02-18", "TradingCalendar=AMEX;Currency=USD;PriceAdj=F")
data_tela

.ErrorCode=0
.Codes=[TSLA.O]
.Fields=[OPEN,HIGH,LOW,CLOSE,VOLUME]
.Times=[20200102,20200103,20200106,20200107,20200108,20200109,20200110,20200113,20200114,20200115,...]
.Data=[[28.300003598531546,29.36667040083191,29.364670400577598,30.76000391133676,31.580004015605166,33.14000421396945,32.11933741751829,32.90000418345187,36.28367128037405,35.317337824165065,...],[28.713050317719816,30.266670515272843,30.104003827922035,31.442003998057555,33.23267089241929,33.25333756171386,32.329337444221174,35.042004455821285,36.49400464045266,35.856004559326756,...],[28.114003574880417,29.128003703817203,29.333337063260025,30.22367050980511,31.21533730256873,31.524670675235836,31.580004015605166,32.80000417073621,34.99333778296633,34.45235771417716,...],[28.684003647359674,29.53400375544278,30.10267049441916,31.27067064293806,32.80933750525634,32.08933741370359,31.87667071999495,34.99067111596058,35.86133789333825,34.56667106204619,...],[9558386.0,17774420.0,10157500.0,18209140.0,31199390.0,28463190.0,12976830.0,26634550.0,29061380.0,17368830.0,...]]等

请注意：这是WindPy.w.WindData格式的数据，很多人不熟悉。如果要获得DataFrame格式的数据，则需要指定usedf=True。如果要获得分项数据，则需要df.items()。

第二步：将WindData对象转换为DataFrame格式。

代码：

data1 = w.wsd("TSLA.O", "open,high,low,close,volume", "2020-01-01", "2024-01-01", "TradingCalendar=AMEX;Currency=USD;PriceAdj=F",usedf=True)
data1

(0,
                   OPEN        HIGH         LOW       CLOSE       VOLUME
 2020-01-02   28.300004   28.713050   28.114004   28.684004    9558386.0
 2020-01-03   29.366670   30.266671   29.128004   29.534004   17774420.0
 2020-01-06   29.364670   30.104004   29.333337   30.102670   10157500.0
 2020-01-07   30.760004   31.442004   30.223671   31.270671   18209140.0
 2020-01-08   31.580004   33.232671   31.215337   32.809338   31199390.0
 ...                ...         ...         ...         ...          ...
 2023-12-22  256.760000  258.220000  251.370000  252.540000   93370094.0
 2023-12-26  254.490000  257.970000  252.910000  256.610000   86892382.0
 2023-12-27  258.350000  263.340000  257.520000  261.440000  106494359.0
 2023-12-28  263.660000  265.130000  252.710000  253.180000  113619943.0
 2023-12-29  255.100000  255.190000  247.430000  248.480000  100891578.0
 
 [1006 rows x 5 columns])

注意，该数据格式仍不是我们想要的格式，需要进一步修改。

其中，data1[0] #ErrorCode =0表示代码运行正常，元组中的第二个数，为数据本身。

data1[1] # 取第二个数，为数据本身

	            OPEN	   HIGH	        LOW	      CLOSE	     VOLUME
2020-01-02	28.300004	28.713050	28.114004	28.684004	9558386.0
2020-01-03	29.366670	30.266671	29.128004	29.534004	17774420.0
2020-01-06	29.364670	30.104004	29.333337	30.102670	10157500.0
2020-01-07	30.760004	31.442004	30.223671	31.270671	18209140.0
2020-01-08	31.580004	33.232671	31.215337	32.809338	31199390.0
...	...	...	...	...	...
2023-12-22	256.760000	258.220000	251.370000	252.540000	93370094.0
2023-12-26	254.490000	257.970000	252.910000	256.610000	86892382.0
2023-12-27	258.350000	263.340000	257.520000	261.440000	106494359.0
2023-12-28	263.660000	265.130000	252.710000	253.180000	113619943.0
2023-12-29	255.100000	255.190000	247.430000	248.480000	100891578.0
1006 rows × 5 columns