⑴ 如何編程從免費股票軟體中提取實時數據
自己寫程序的話，一種方法是從已提供的信息源，例如webservice獲取數據。還有種辦法就是去連接提供即時信息的網頁硬解析。
代碼舉例如下：
Created on Thu Jul 23 09:17:27 2015
@author: jet
"""
DAY_PRICE_COLS = ['date', 'open', 'high', 'close', 'low', 'volume',
'chg', '%chg', 'ma5', 'ma10', 'ma20',
'vma5', 'vma10', 'vma20', 'turnover']
DAY_PRICE_URL = '%sapi.finance.%s/%s/?code=%s&type=last'
INDEX_KEY = ['SH', 'SZ', 'HS300', 'SZ50', 'GEB', 'SMEB']
INDEX_LIST = {'SH': 'sh000001', 'SZ': 'sz399001', 'HS300': 'sz399300',
'SZ50': 'sh000016', 'GEB': 'sz399006', 'SMEB': 'sz399005'}
INDEX_DAY_PRICE_COLS= ['date', 'open', 'high', 'close', 'low', 'volume',
'chg', '%chg', 'ma5', 'ma10', 'ma20',
'vma5', 'vma10', 'vma20']
K_TYPE_KEY = ['D', 'W', 'M']
K_TYPE_MIN_KEY = ['5', '15', '30', '60']
K_TYPE = {'D': 'akdaily', 'W': 'akweekly', 'M': 'akmonthly'}
MIN_PRICE_URL = '%sapi.finance.%s/akmin?scode=%s&type=%s'
PAGE_TYPE = {'http': 'http://', 'ftp': 'ftp://'}
PAGE_DOMAIN = {'sina': 'sina.com.cn', 'ifeng': 'ifeng.com'}
URL_ERROR_MSG = '獲取失敗，請檢查網路狀態，或者API埠URL已經不匹配！'
get_hist_data.py
# -*- coding: utf-8 -*-
"""
Created on Thu Jul 23 09:15:40 2015
@author: jet
"""
import const as ct
import pandas as pd
import json
from urllib2 import urlopen,Request
def get_hist_data(code = None, start = None, end = None, ktype = 'D'):
"""
功能:
獲取個股歷史交易數據
--------
輸入:
--------
code:string
股票代碼 比如:601989
start:string
開始日期 格式:YYYY-MM-DD 為空時取到API所提供的最早日期數據
end:string
結束日期 格式:YYYY-MM-DD 為空時取到最近一個交易日數據
ktype:string(default=D, 函數內部自動統一為大寫)
數據類型 D=日K線，W=周K線，M=月K線，5=5分鍾，15=15分鍾
30=30分鍾，60=60分鍾
輸出:
--------
DataFrame
date 日期
open 開盤價
high 最高價
close 收盤價
low 最低價
chg 漲跌額
p_chg 漲跌幅
ma5 5日均價
ma10 10日均價
ma20 20日均價
vma5 5日均量
vma10 10日均量
vma20 20日均量
turnover換手率(指數無此項)
"""
code = code_to_APIcode(code.upper())
ktype = ktype.upper()
url = ''
url = get_url(ktype, code)
print(url)
js = json.loads(ping_API(url))
cols = []
if len(js['record'][0]) == 14:
cols = ct.INDEX_DAY_PRICE_COLS
else:
cols = ct.DAY_PRICE_COLS
df = pd.DataFrame(js['record'], columns=cols)
if ktype in ct.K_TYPE_KEY:
df = df.applymap(lambda x:x.replace(u',', u''))
for col in cols[1:]:
df[col]=df[col].astype(float)
if start is not None:
df = df [df.date >= start]
if end is not None:
df = df[df.date <= end]
df = df.set_index('date')
return df
def code_to_APIcode(code):
"""
功能：
驗證輸入的股票代碼是否正確，若正確則返回API對應使用的股票代碼
"""
print(code)
if code in ct.INDEX_KEY:
return ct.INDEX_LIST[code]
else:
if len(code) != 6:
raise IOError('code input error!')
else:
return 'sh%s'%code if code[:1] in ['5', '6'] else 'sz%s'%code
def get_url(ktype, code):
"""
功能：
驗證輸入的K線類型是否正確，若正確則返回url
"""
if ktype in ct.K_TYPE_KEY:
url = ct.DAY_PRICE_URL % (ct.PAGE_TYPE['http'], ct.PAGE_DOMAIN['ifeng'],
ct.K_TYPE[ktype], code)
return url
elif ktype in ct.K_TYPE_MIN_KEY:
url = ct.MIN_PRICE_URL % (ct.PAGE_TYPE['http'], ct.PAGE_DOMAIN['ifeng'],
code, ktype)
return url
else:
raise IOError('ktype input error!')
def ping_API(url):
"""
功能：
向API發送數據請求，若鏈接正常返回數據
"""
text = ''
try:
req = Request(url)
text = urlopen(req,timeout=10).read()
if len(text) < 15:
raise IOError('no data!')
except Exception as e:
print(e)
else:
return text
#測試入口
print(get_hist_data('601989','2015-07-11','2015-07-22'))
⑵ 如何用python代碼判斷一段范圍內股票最高點
Copyright © 1999-2020, CSDN.NET, All Rights Reserved
登錄
python+聚寬 統計A股市場個股在某時間段的最高價、最低價及其時間 原創
2019-10-12 09:20:50
開拖拉機的大寶
碼齡4年
關注
使用工具pycharm + 聚寬數據源，統計A股市場個股在某時間段的最高價、最低價及其時間，並列印excel表格輸出
from jqdatasdk import *
import pandas as pd
import logging
import sys
logger = logging.getLogger("logger")
logger.setLevel(logging.INFO)
# 聚寬數據賬戶名和密碼設置
auth('username','password')
#獲取A股列表，包括代號，名稱，上市退市時間等。
security = get_all_securities(types=[], date=None)
pd2 = get_all_securities(['stock'])
# 獲取股票代號
stocks = list(get_all_securities(['stock']).index)
# 獲取股票名稱
stocknames = pd2['display_name']
start_date = '2015-01-01'
end_date = '2018-12-31'
def get_stocks_high_low(start_date,end_date):
# 新建表，表頭列
# 為："idx","stockcode","stockname","maxvalue","maxtime","lowvalue","lowtime"
result = pd.DataFrame(columns=["idx", "stockcode", "stockname", "maxvalue", "maxtime", "lowvalue", "lowtime"])
for i in range(0,stocks.__len__()-1):
pd01 = get_price(stocks[i], start_date, end_date, frequency='daily',
fields=None, skip_paused=False,fq='pre', count=None)
result=result.append(pd.DataFrame({'idx':[i],'stockcode':[stocks[i]],'stockname':
[stocknames[i]],'maxvalue':[pd01['high'].max()],'maxtime':
[pd01['high'].idxmax()],'lowvalue': [pd01['low'].min()], 'lowtime':
[pd01['low'].idxmin()]}),ignore_index=True)
result.to_csv("stock_max_min.csv",encoding = 'utf-8', index = True)
logger.warning("執行完畢！
⑶ 報錯TypeError: 'NoneType' object is not subscriptable尋求解決辦法
該錯誤意味著您正在嘗試使用方括弧（例如 ）訪問對象的元素，但該對象支持且不支持此操作。TypeError: 'NoneType' object is not subscriptableobject[index]None
在這種特定情況下，看起來函數正在返回而不是預期的數據框。這可能是由於Tushare API或網路連接出現問題。ts.get_hs300s()None
要修復此錯誤，您可以嘗試以下操作：
查看圖共享API文檔，以確保您正確使用該函數。get_hs300s()
檢查您的網路連接並確保其穩定可靠。
在互動式 Python shell 中使用該函數以查看它是否返回預期的數據框。ts.get_hs300s()
如果函數仍返回 ，請嘗試使用其他 API 或數據集來獲取所需的股票代碼。ts.get_hs300s()None
下面是如何修改代碼以處理返回的情況的示例：ts.get_hs300s()None
在這個例子中，我們在嘗試訪問它的「code」列之前檢查變數是否不是。如果數據框是 ，我們通過列印消息來處理這種情況。這可以防止發生錯誤。hs300NoneNoneTypeError: 'NoneType' object is not subscriptable
回答不易望請採納
⑷ 解決 pandas_datareader 無法獲取雅虎財經數據的問題
pandas_datareader 是重要的 pandas 相關包，原來是 pandas.io.data 方法，用於獲取介面數據，比如雅虎財經上的數據或者美聯儲路易斯安娜分行的數據，但是在最近版本（比如 pandas 0.20）中 pandas.io.data 的方法獨立出來稱為一個新的包 pandas_datareader 。
雅虎財經和谷歌財經的介面變換頻繁。如果用 pip install pandas_datareader ，已經無法得到雅虎財經。
pandas_datareader github Issuse #315 針對的就是雅虎財經介面無法訪問的問題， gusutabopb 在 5月21日進行了成功修正，並提供了他修正後的 pandas_datareader 新版本。
該修正版本的安裝方法是
安裝以後測試獲取 google 的股票數據成功。
參考：
Issues with the data reader fetching yahoo finance #315
Error with pulling data from Yahoo Finance
⑸ 混合型\股票型基金有什麼辦法可以實時查看漲跌走勢 和指數型基金一樣。
沒有辦法查看漲跌走勢圖。
股票說白了就是一種「商品」，和別的商品一樣，它的價格也受到它的內在價值（標的公司價值）的控制，而且它的價格無論怎樣變化都是圍繞之價值周圍的。
像普通商品一樣，股票的價格波動，供求關系影響著它的價格變化。
和豬肉有一樣，當需求的豬肉量大幅度增長，豬肉的供給卻跟不上，那豬肉價肯定上升；當市場上的豬肉越來越多，而人們的需求卻達不到那麼多，供給大於需求，那價格就會下跌。
股票的價格波動表現為：10元/股的價格，50個人賣出，但市場上有100個買，那另外50個買不到的人就會以11元的價格買入，導致股價上漲，否則就會下跌（由於篇幅問題，這里將交易進行簡化了）。
平日里，買賣雙方的情緒會受到很多事情的影響，進而影響到供求關系的穩定，其中影響比較大的因素有3個，接下來我將給大家進行詳細說明。
在這之前，先給大家送波福利，免費領取各行業的龍頭股詳細信息，涵蓋醫療、軍工、新能源能熱門產業，隨時可能被刪：【絕密】機構推薦的牛股名單泄露，限時速領！！
一、哪些因素會使得股票出現漲跌變化？
1、政策
國家政策引領著行業和產業，比如說新能源，幾年前我國開始對新能源進行開發，針對相關的企業、產業都展開了幫扶計劃，比如補貼、減稅等。
這就招來大量的市場資金，對於相關行業板塊或者上市公司，都會不斷的尋找它們，最後引起股票的漲跌。
2、基本面
看長期的趨勢，市場的走勢和基本面相同，基本面向好，市場整體就向好，比如說疫情期間我國經濟優先恢復增長，企業的經營狀況變好，股市也會出現回彈的情況。
3、行業景氣度
這點是關鍵所在，不言而喻，股票的漲跌不會脫離行業走勢，行業景氣度和公司股票的漲幅程度成正比，比如上面說到的新能源。
為了讓大家及時了解到最新資訊，我特地掏出了壓箱底的寶貝--股市播報，能及時掌握企業信息、趨勢拐點等，點擊鏈接就能免費獲取：【股市晴雨表】金融市場一手資訊播報
二、股票漲了就一定要買嗎？
許多新手剛接觸到股票，一看某支股票漲勢大好，馬上花了幾萬塊投資，後來竟然一路下跌，被套的非常牢。其實股票的變化起伏可以進行短期的人為控制，只要有人持有足夠多的籌碼，一般來說占據市場流通盤的40%，就可以完全控制股價。學姐覺得如果你還處於小白階段，把長久持有龍頭股進行價值投資放在第一位，防止在短線投資中出現大量損失。吐血整理！各大行業龍頭股票一覽表，建議收藏！
應答時間：2021-09-23，最新業務變化以文中鏈接內展示的數據為准，請點擊查看
⑹ 如何從tushare中調取十大股東數據
0. 簡介
TuShare是一個免費、開源的Python財經數據介麵包。主要實現對股票等金融數據從數據採集、清洗加工 到 數據存儲的過程，能夠為金融分析人員提供快速、整潔、和多樣的便於分析的數據，為他們在數據獲取方面極大地減輕工作量，使他們更加專注於策略和模型的研究與實現上。考慮到Python pandas包在金融量化分析中體現出的優勢，TuShare返回的絕大部分的數據格式都是pandas DataFrame類型。
1. 歷史行情
獲取個股歷史交易數據（包括均線數據），可以通過參數設置獲取日k線、周k線、月k線，以及5分鍾、15分鍾、30分鍾和60分鍾k線數據。本介面只能獲取近3年的日線數據，適合搭配均線數據進行選股和分析。
參數說明：
code：股票代碼，即6位數字代碼，或者指數代碼（sh=上證指數 sz=深圳成指 hs300=滬深300指數 sz50=上證50 zxb=中小板 cyb=創業板）
start：開始日期，格式YYYY-MM-DD
end：結束日期，格式YYYY-MM-DD
ktype：數據類型，D=日k線 W=周 M=月 5=5分鍾 15=15分鍾 30=30分鍾 60=60分鍾，默認為D
retry_count：當網路異常後重試次數，默認為3
pause:重試時停頓秒數，默認為0
返回值說明：
date：日期
open：開盤價
high：最高價
close：收盤價
low：最低價
volume：成交量
price_change：價格變動
p_change：漲跌幅
ma5：5日均價
ma10：10日均價
ma20:20日均價
v_ma5:5日均量
v_ma10:10日均量
v_ma20:20日均量
turnover:換手率[註：指數無此項]
(1) #獲取全部日k線數據（查看前11行）
⑺ 中國的 Python 量化交易工具鏈有哪些
萬得的Python API，可以用來獲取實時數據、歷史數據以及下單交易 優點：萬得大而全 缺點：下單交易功能不是事件驅動（例如成交回報需要用戶去查詢，而不是主推）
同花順iFinD的Python API，類似萬得的API 優點：比萬得便宜，同花順的服務態度很好（用戶提出新需求後很快就能給出確定的答復或者解決方案）
掘金的量化平台
通聯數據的量化平台
QuickFix的Python API（可以用來接國信、方正的FIX介面）
Numpy/Scipy/Matplotlib/Pandas（量化分析）
IPyhon/Spyder（適合做量化分析的IDE環境）
Zipline（策略開發回測）
TuShare財經數據介面 - 可以直接抓取新浪財經、鳳凰財經的網站數據，包括行情、基本面、經濟數據等等。完全免費，簡潔易用，API設計得非常友好，提取的數據格式是Pandas的DataFrame。同時可以獲取非高頻實時數據（取決於網站更新速度，同事經驗大約是15秒），一個極好的非高頻股票策略數據解決方案。
恆生電子的量化贏家平台，提供Python介面，鏈接我點進去後沒看到具體的使用教程，希望回頭補一下。
米礦ricequant在我提出這個問題時尚只有Java的API，後來也支持了Python，期待2016有新的突破。