Python金融量化分析第一步

我就是我 2023-02-25 07:17 1阅读 0赞

随着股民的专业素养越来越强，我们也开始从侧重基本面分析转向了侧重基本面+技术面分析，那技术面分析的第一步就是要有大量的对应股票的数据~

那老 amy 就提出问题，大家需要如何利用 Python 去获取数据呢？兄得们估计立马就会想到自己去撸一个爬虫~

实际上，duck 不必，我们强大的 Python 的先锋们早就发现了这个问题，所以封装了很多关于财经数据的接口(当然其本质还是爬虫哈)，比如：pandas\_datareader、tushare、baostock 等等。那么今天，我们就迈出金融量化的第一步，跟着 老Amy 一起来学习叭

### 开始学习叭 ###

#### tushare ####

首先，一定要给大家介绍 tushare 这个包，这个包是真的好用，所以一定要“学它学它学它！”不过需要注意的是，这个包大家直接通过 pip install tushare 安装就可以用。但是社区的新版本它来了，需要大家注册个 token 才能免费使用，所以请大家点击这个：https://tushare.pro/register?reg=379314 ，以及官网里面的教程也是非常详细

#### 初始化 pro 接口 ####

# 导入模块
    import tushare as ts
    
    # 设置你的token,别拿我的...
    token = "你的 token"
    
    # 初始化pro接口 设置token
    pro = ts.pro_api(token)

注意：获取 token

*  登录成功后，点击右上角->个人主页
 *  在“用户中心”中点击“接口TOKEN”
 *  可以点击右侧复制按钮复制token

#### 获取当前上市股票数据 ####

*  **使用方法**：stock\_basic(is\_hs,list\_status,exchange)
    
     *  is\_hs 是否沪深港通标的，N否 H沪股通 S深股通
     *  list\_status 上市状态： L上市 D退市 P暂停上市，默认L
     *  exchange 交易所 SSE上交所 SZSE深交所 HKEX港交所(未上线)

basic_data = pro.stock_basic(list_status="L")
    basic_data.head()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDM1Mjk4MQ_size_16_color_FFFFFF_t_70]  
注意：tushare pro 使用方法获取数据需要平台积分，详情请参考 https://tushare.pro/document/1?doc\_id=13

#### 获取万科A日行情数据 ####

*  **使用方法**：daily(ts\_code,trade\_date,start\_date,end\_date)
    
     *  ts\_code 股票代码（支持多个股票同时提取，逗号分隔）
     *  trade\_date 交易日期（YYYYMMDD）
     *  start\_date 开始日期(YYYYMMDD)
     *  end\_date 结束日期(YYYYMMDD)

# 获取万科A日行情数据
    wanke = pro.daily(ts_code="000002.SZ", start_date="20190101")
    
    # 获取前5行
    wanke.head()

![在这里插入图片描述][20200710221532163.png]

import pandas as pd
    
    # 将时间设置为时间序列索引
    wanke.index = pd.to_datetime(wanke["trade_date"])
    
    # 将时间序列索引排序
    wanke = wanke.sort_index()
    wanke.head()

![在这里插入图片描述][2020071022155831.png]  
注意：至于返回的每一列是啥意思，大家可以参考 https://tushare.pro/document/2?doc\_id=27

#### 绘制K线图 ####

*  构建x，y数据
    
     *  x：时间
     *  y：股票收盘价
 *  使用 pyecharts 绘制k线图
    
     *  参考链接：http://pyecharts.org/

# 取出 open high low close 列的值 转为列表
    k_data = list(wanke.loc[:,["open","close","low","high"]].values)
    
    # 获取时间索引
    k_idx = wanke.index
    
    # 类型为：DatetimeIndex
    type(k_idx)
    
    # 将DatetimeIndex 转为 字符串 
    k_idx2 = list(k_idx.strftime("%Y%m%d"))
    
    # 绘制日k
    import matplotlib.pyplot as plt
    from pyecharts import Kline
    
    kline = Kline("万科K线图")
    kline.add("", k_idx2 ,k_data, is_datazoom_show=True,
             mark_line = ["average"],
             mark_point = ["max","min"],
             mark_point_symbolsize = 50,
             mark_line_valuedim = ["highest", "lowest"]
             )
    
    kline

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDM1Mjk4MQ_size_16_color_FFFFFF_t_70 1]

#### baostock ####

baostock 也叫作证券宝，它是一款开源、免费的证券数据平台。直接通过 pip install baostock 就可以使用，它的地址：http://baostock.com/baostock/index.php/Python\_API

but…我是觉得它的代码没有 tushare 好懂鸭~

import baostock as bs
    # 登陆系统
    lg = bs.login()
    
    # 获取历史 k 线数据
    rs = bs.query_history_k_data_plus("sh.600000",
        "date,code,open,high,low,close,preclose,volume,amount,adjustflag,turn,tradestatus,pctChg,isST",
        start_date='2017-07-01', end_date='2019-01-01',
        frequency="d", adjustflag="3")
    rs

![在这里插入图片描述][202007102218001.png]

# 构建 数据列表
    data_list = []
    
    # 当 错误代码为0 并且 rs.next() 存在时 获取行添加到 data_list 中
    while (rs.error_code == '0') & rs.next():
        data_list.append(rs.get_row_data())
        
    # 构建 数值：data_list 列索引：rs.fields
    result = pd.DataFrame(data_list, columns=rs.fields)
    
    # 将索引 设置为 时间序列索引
    result.index = pd.to_datetime(result.date)
    
    # 将某些字段的 object类型 转化为 numeric类型
    result = result.apply(pd.to_numeric, errors="ignore")
    result.head()

![在这里插入图片描述][20200710221828820.png]

#### 通过 seaborn 绘制折线图 ####

import seaborn as sns
    
    # 设置图片大小
    sns.set(rc={'figure.figsize':(11,4)})
    
    # 绘制折线图
    sns.lineplot(x=result.index, y="close",data=result)
    plt.show()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDM1Mjk4MQ_size_16_color_FFFFFF_t_70 2]

#### pandas\_datareader ####

这个接口我真的是无力吐槽了。但是，如果你阅读金融数据分析这本书，会发现上面有用到它，但是是真的很慢很慢~我基本上用 jupyter 获取一年的数据都要请求好久，所以大家如果有兴趣的话可以自行了解一下呀~我就不分享它了

好啦~今天的车就开到这里，司机要下车啦！如果觉得有所收获，欢迎给我33333，不过有朋友问我33333是啥意思，是3连呀

![在这里插入图片描述][2020071022194179.gif]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDM1Mjk4MQ_size_16_color_FFFFFF_t_70]: /images/20230209/48251567c1864cf98348b161a501375e.png
[20200710221532163.png]: https://img-blog.csdnimg.cn/20200710221532163.png
[2020071022155831.png]: https://img-blog.csdnimg.cn/2020071022155831.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDM1Mjk4MQ_size_16_color_FFFFFF_t_70 1]: https://img-blog.csdnimg.cn/20200710221714234.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDM1Mjk4MQ==,size_16,color_FFFFFF,t_70
[202007102218001.png]: https://img-blog.csdnimg.cn/202007102218001.png
[20200710221828820.png]: https://img-blog.csdnimg.cn/20200710221828820.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDM1Mjk4MQ_size_16_color_FFFFFF_t_70 2]: https://img-blog.csdnimg.cn/20200710221907218.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDM1Mjk4MQ==,size_16,color_FFFFFF,t_70
[2020071022194179.gif]: https://img-blog.csdnimg.cn/2020071022194179.gif