金融量化的初步构建①

本次从tushre获取数据，tushare提供免费、开源的python数据源。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。在股票数据获取方面为不二之选。

①注册：https://tushare.pro/register?reg=510879https://tushare.pro/register?reg=510879

②pip安装

### 这里注意， tushare版本需大于1.2.10
pip  install  --upgrade     tushare

③在python中使用

### 【重要】设置token
### 第一次使用需要先设置token，在【个人主页】→【接口TOKEN】获取
### 不需要每次都设置
import tushare as ts
pro = ts.set_token('你的token')

### 以后不用每次都设置token啦
import tushare as ts
pro = ts.pro_api()
### 下面可以愉快的调数据了

### 点击想要调用的数据，会有具体用法：Tushare大数据社区

### 查询当前所有正常上市交易的股票列表
data = pro.stock_basic(exchange='', list_status='L', fields='ts_code,symbol,name,area,industry,list_date')

# 4     000006.SZ  000006     深振业A    深圳     区域地产  19920427
# ...         ...     ...      ...   ...      ...       ...
# 4794  871857.BJ  871857     泓禧科技  None     None  20220228
# 4795  871981.BJ  871981     晶赛科技  None     None  20211115
# 4796  872925.BJ  872925     锦好医疗  None     None  20211025
# 4797  873169.BJ  873169     七丰精工  None     None  20220415
# 4798  689009.SH  689009  九号公司-WD    北京      摩托车  20201029

### 查询当前所有正常上市交易的股票列表
data = pro.query('stock_basic', exchange='', list_status='L', fields='ts_code,symbol,name,area,industry,list_date')

#         ts_code  symbol     name  area industry list_date
# 0     000001.SZ  000001     平安银行    深圳       银行  19910403
# 1     000002.SZ  000002      万科A    深圳     全国地产  19910129
# 2     000004.SZ  000004     国华网安    深圳     软件服务  19910114
# 3     000005.SZ  000005     ST星源    深圳     环境保护  19901210
# 4     000006.SZ  000006     深振业A    深圳     区域地产  19920427

下载下来的数据是Pandas的DataFrame类型的数据，详细的操作可以去翻阅文档：①Tushare大数据社区；②Tushare大数据社区

④调取个股日线行情，以宁德时代为例：

点击日线行情

### 单只股票
df = pro.daily(ts_code='000001.SZ', start_date='20220401', end_date='20220415')

### 多只股票
df = pro.daily(ts_code='000001.SZ, 600000.SH', start_date='20220401', end_date='20220415')

### 也可以通过日期取历史某一天的全部股票的历史
df = pro.daily(trade_date='20220401')

### 宁德时代的日线
df_n = pro.daily(ts_code='300750.SZ', start_date='20220401', end_date='20220415')
# 0  300750.SZ   20220415  451.14  456.99  432.77  450.86     459.80   -8.94  -1.9443  199891.04  8854163.487    
# 1  300750.SZ   20220414  475.00  476.00  454.00  459.80     466.00   -6.20  -1.3305  137523.70  6360122.750    
# 2  300750.SZ   20220413  465.89  481.80  462.00  466.00     472.00   -6.00  -1.2712   95231.22  4479994.702    
# 3  300750.SZ   20220412  460.77  472.78  460.50  472.00     459.00   13.00   2.8322  124982.01  5825410.117    
# 4  300750.SZ   20220411  475.27  478.00  452.10  459.00     495.00  -36.00  -7.2727  207382.05  9541686.135    
# 5  300750.SZ   20220408  492.70  504.87  489.00  495.00     495.22   -0.22  -0.0444   93571.30  4635752.788    
# 6  300750.SZ   20220407  500.55  505.00  487.05  495.22     508.17  -12.95  -2.5484  119580.82  5909983.777    
# 7  300750.SZ   20220406  516.52  518.00  503.00  508.17     518.90  -10.73  -2.0678   85428.10  4336158.375    
# 8  300750.SZ   20220401  508.00  524.50  505.13  518.90     512.30    6.60   1.2883   95182.41  4923473.198    

嗯，确实很方便