量化投资基础之常见金融数据读取方式（端口）

• 点赞、关注再看，养成良好习惯
• Life is short, U need Python

---

1. 前言

作为投资者，尤其是量化投资者，时常听到的一句话是“不要把鸡蛋放入同一个篮子中”，即所谓的分散投资策略。于是，从中可以看出分散投资可以降低投资风险，但是，投资者面对几千种各式各样的篮子，选择哪一个篮子，然后每个篮子该放多少个鸡蛋，大多数投资者仅仅凭自己的感觉或者一时冲动；另外，即使投资者选对篮子且鸡蛋数量也控制的很好，可是何时把手里的鸡蛋换成超额收益又是跟着感觉走。针对上述种种问题，量化投资破壳而出，专门解决上述问题的一种工具。

众所周知，金融数据是量化投资的基础和前提，投资者制定的量化投资策略都是建立在对金融数据分析的基础上。本文博主将带领大家尝试如何利用Python实现金融数据的获取。

据博主所知，目前在线编程量化投资平台众多，而且各种在线策略平台都支持Python语言（而且大多策略平台仅支持Python语言，且对应的Python课程资源以及策略案例众多，社区非常活跃），例如JoinQuant（聚宽量化交易平台）、BigQuant（点宽量化交易平台）、UQER（优矿量化交易平台）、WQ（万矿量化交易平台）等，这也是博主推出Python量化投资基础系列的原因。但是，本文不再涉及利用Python调取这些平台端口的金融数据（因为这些平台需要注册，且每天流量有限制，速度有点慢）。

2. 雅虎网

（1）官网：https://www.yahoo.com/

（2）安装 pandas-datareader

• 命令行窗口：pip install pandas-datareader（建议）
• 下载本地安装：https://pypi.org/project/pandas-datareader/

（3）读取数据

import pandas_datareader.data as pdr 

# 读取标普500
sp500 = pdr.DataReader(name='^GSPC',data_source='yahoo',start='1/1/2020',end='2/26/2020)   
# 查看数据前5行
sp500.head()
# 输出数据
sp500.to_csv('sp500.csv')

或者

import pandas_datareader.data as pdr 

# 读取标普500
sp500 = pdr.get_data_yahoo('^GSPC',start='1/1/2020',end='20/2/2020') 
# 查看数据前5行
sp500.head()
# 输出数据
sp500.to_csv('sp500.csv')

• 上证、深证标的

import pandas_datareader.data as pdr 

# 读取浦发银行：600000（上证）
stock_600000 = pdr.get_data_yahoo('600000.ss','1/1/2015','20/8/2015')   
stock_600000.head()

# 读取广发证券：000776（深证）
stock_000776 = pdr.get_data_yahoo('000776.sz','1/1/2015','20/8/2015')   
stock_000776.head()

3. TuShare

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，为他们在数据获取方面极大地减轻工作量，使他们更加专注于策略和模型的研究与实现上。

考虑到Python pandas包在金融量化分析中体现出的优势，TuShare返回的绝大部分的数据格式都是pandas DataFrame类型。

（1）官网：http://tushare.org/

（2）安装 tushare

• 命令行窗口：pip install tushare
• 下载本地安装：https://pypi.python.org/pypi/tushare/

（3）读取数据

import tushare as ts 

# 读取中国平安（601318）数据
zgpa = ts.get_hist_data('601318', start='2019-01-01', end='2019-02-20')
# 查看数据前5行
zgpa.head()
# 输出数据
zgpa.to_csv('zgpa.csv')

或者

import tushare as ts 

# 读取中国平安（601318）数据: ktype='D'/'W'/'M'（日/周/月）; 默认日线数据
zgpa = ts.get_hist_data('601318', start='2019-01-01', end='2019-02-20', ktype='D')
# 查看数据前5行
zgpa.head()
# 输出数据
zgpa.to_csv('zgpa.csv')

• 注： "ts.get_hist_data"接口即将停止更新，请尽快使用Pro版接口：https://tushare.pro/document/2

import tushare as ts             # 事先安装：pip install tushare
pro = ts.pro_api()

df_000776 = pro.daily(ts_code='000776.SZ', start_date='20161017', end_date='20181117')       # 日线数据
df_000776 = pro.weekly(ts_code='000776.SZ', start_date='20161017', end_date='20181117')      # 周线数据
df_000776 = pro.monthly(ts_code='000776.SZ', start_date='20161017', end_date='20181117')     # 月线数据

df_000776.head()

4. BaoStock

（1）官网：http://baostock.com/baostock/index.php

（2）安装baostock

• 命令行窗口：pip install baostock
• 下载本地安装：https://pypi.python.org/pypi/baostock

（3）读取数据

import baostock as bs     

# 无需注册，直接输入此行代码即可
lg = bs.login(user_id="anonymous", password="123456")  
# 浦发银行数据（600000）：frequency=’d'/'w'/'m'（日/周/月）
# 选取特征
fields = 'date,code,open,high,low,close,preclose,volume,amount,adjustflag,turn,tradestatus,pctChg,peTTM,pbMRQ,psTTM,pcfNcfTTM,isST'
rs = bs.query_history_k_data('sh.600000',fields,start_date='2019-01-01', end_date='2019-02-20', frequency="d")   
# 获取数据
pfyh = rs.get_data()
# 查看数据前5行
pfyh.head()
# 输出数据
pfyh.to_csv('pfyh.csv')

• date（日期）；code（代码）；open（开盘价）；high（最高价）；high（最高价）；low（最低价）；close（收盘价）；preclose（前收盘价）；volume（成交量）；amount（成交额）；adjustflag（复权状态：1-后复权2-前复权3-不复权）；turn（换手率）；tradestatus（交易状态：1-正常0-停盘）；pctChg（涨跌幅）；peTTM（动态市盈率）；pbMRQ（市净率）；psTTM（市销率）；pcfNcfTTM（市现率）；isST（是否ST:1-是0-否）

---

• 写作不易，切勿白剽
• 博友们的点赞和关注就是对博主坚持写作的最大鼓励
• 持续更新，未完待续…

下一篇：量化投资基础（一）之 K线图策略