同花顺python_赠书 | Python 预测股票价格，竟然这么简单-CSDN博客

本文链接：https://blog.csdn.net/weixin_39822993/article/details/111392855

作为一种技术手段，预测在金融、证券领域的应用非常广泛，尤其是对股票价格的预测。我们介绍一下获得股票数据的方法，并基于此对数据进行预处理，接着使用数据分析方法，建立基础特征，进一步构建预测模型，且基于新数据验证模型效果。拟使用VAR及LSTM两种算法建立预测模型。

获取股票数据

股票数据通常可从新浪股票、雅虎股票等网页上获取，此外还有一些炒股软件，如同花顺、通达信等都提供了非常清楚的股票数据展示和图表呈现。如果要获得实时的股票数据，可以考虑使用新浪股票提供的接口获取数据。以大秦铁路(股票代码：601006)为例，如果要获取它的最新行情，只需访问新浪的股票数据接口(具体可以百度)，该接口会返回一串文本，例如：

1 var hq_str_sh601006="大秦铁路,6.980,6.960,7.010,7.070,6.950,7.010,7.020,121033256,847861533.000,18900, 7.010,214867,7.000,66500,6.990,386166,6.980,336728,6.970,273750,7.020,836066,7.030,630800,7.040,936306,7.050,579400,7.060,2016-03-18,15:00:00,00";

这个字符串由许多数据拼接在一起，不同含义的数据用逗号隔开了，按照程序员的思路，顺序号从0开始。

0：，股票名字1：<< span="">6.980>，今日开盘价2：<< span="">6.960>，昨日收盘价3：<< span="">7.010>，当前价格4：<< span="">7.070>，今日最高价5：<< span="">6.950>，今日最低价6：<< span="">7.010>，竞买价，即“买一”报价7：<< span="">7.020>，竞卖价，即“卖一”报价8：<< span="">121033256>，成交的股票数，由于股票交易以一百股为基本单位，所以在使用时，通常把该值除以一百9：<< span="">847861533.000>，成交金额，单位为“元”，为了一目了然，通常以“万元”为成交金额的单位，所以通常把该值除以一万10：<< span="">18900>，“买一”申请4695股，即47手11：<< span="">7.010>，“买一”报价12：<< span="">214867>，“买二”13：<< span="">7.000>，“买二”14：<< span="">66500>，“买三”15：<< span="">6.990>，“买三”16：<< span="">386166>，“买四”17：<< span="">6.980>，“买四”18：<< span="">336728>，“买五”19：<< span="">6.970>，“买五”20：<< span="">273750>，“卖一”申报3100股，即31手21：<< span="">7.020>，“卖一”报价(22,23),(24,25),(26,27),(28,29)分别为“卖二”至“卖四的情况”30：<< span="">2016-03-18>，日期31：<< span="">15:00:00>，时间

这个接口对于JavaScript程序非常方便，如果要查看该股票的日K线图，可访问新浪股票的K线图接口(具体可百度)，便可得到日K线图。

日K线图

如果要查看该股票的分时线，可访问链接新浪股票的分时线图接口(具体可百度)，便可得到分时线图。

分时线图

对于周K线和月K线的查询，可分别访问新浪股票的周K线图和月K线图的接口(具体可百度)。Python中我们可以使用pandas_datareader库来获取股票数据，默认是访问yahoofinance的数据，其中包括上证和深证的股票数据，还有港股数据，该库只能获取股票的历史交易记录信息：如最高价、最低价、开盘价、收盘价以及成交量，无法获取个股的分笔交易明细历史记录。上证代码是ss，深证代码是sz，港股代码是hk，比如茅台：6000519.ss，万科000002.sz，长江实业0001.hk。这里以贵州茅台股票为例，说明pandas_datareader库中股票数据的获取方法及简单的可视化，代码如下：

1import pandas as pd

2import pandas_datareader.data as web

3import datetime as dt

4data = web.DataReader('600519.ss','yahoo', dt.datetime(2019,8,1),dt.datetime(2019,8,31))

5data.head

6 High Low Open Close Volume Adj Close

7# Date

8# 2019-08-01 977.000000 953.020020 976.51001 959.299988 3508952 959.299988

9# 2019-08-02 957.979980 943.000000 944.00000 954.450012 3971940 954.450012

10# 2019-08-05 954.000000 940.000000 945.00000 942.429993 3677431 942.429993

11# 2019-08-06 948.000000 923.799988 931.00000 946.299988 4399116 946.299988

12# 2019-08-07 955.530029 945.000000 949.50000 945.000000 2686998 945.000000