通过 python 获取金融数据-akshare

研究交易策略时，高质量数据是分析和构建交易策略的根本。你可能会遇到如下的一些问题。

• 数据从哪找？
• 数据怎么清理？
• 数据又该如何维护？

本文将先开始介绍第一个主题，即 “数据从哪里找？”，我将首先基于 Python 开源数据包 akshare 下载数据，为什么选择作为第一个数据源？因为它是完全免费的。

常见分类

在研究和构建策略时，基于目标不同，对数据的要求也不同。不同的数据适合不同的策略。找到合适的数据集，能显著提升策略。

市场价格数据，即开高低收和交易量数据，如果构建 CTA 策略，价格数据已经足够了；

公司财务数据，财务三大报表，如资产负债表、损益表，可助我们评估股票的长期投资价值，作为选股因子等；

宏观经济数据，比如 GDP、通胀率、就业情况或是针对不同行业的数据等，有助于评估整体经济、观周期或某个行业的前景等；

其他另类数据，也开始逐渐被重视，如像新闻、社交媒体信息等文本信息，重要人物的社交账号等，有助于我们及时抓住短期的波动；

这篇文章主要演示如上的这些数据的下载方法。

还想细化分类的话，不同角度还可以有不同分类，如：

从品种上，有股票、期货、期权、外汇、债券和基金的不同品种上的区别，如股票有财报数据，而期货可能更加关注供需分析；非场内基金的价格数据就没有了开高低收；期权还包含独特的衍生数据，即它的隐含波动率和各类希腊字母；如果你关注数字货币市场，还要关注一些链上的活动，如跟踪巨鲸的账户，识别链上地址的活跃度，大额转账。

从频率上，有小时线日线周线月线，还有高频数据，如分钟级、秒级甚至 tick 分笔的数据。对于如趋势追踪等 CTA 策略只要日线小时线级别即可，高频交易则要分析分钟或订单薄的分笔数据，这类高频数据的数据量会非常大，开源数据不会提供，购买的费用也相对贵一些。

注：我在淘宝上发现有卖高频数据，价格一般几百块，因为数据量巨大，还送硬盘，不过我没有买，也不知道真假。

数据的种类繁多，上面是一些常规分类。不同的交易策略，对数据的要求还是有很大区别，如你分析的是一些特殊事件对行业的影响，如美联储主席讲话对行情的实时影响，可能需要从视频提取字幕与行情相映射，还有如新冠疫情的影响，要收集每日的疫情数据，分析它和行情的关系。

选择数据源

对于数据源方面，我选择开源数据，如 akshare、tushare 和 yfinance。

akshare 是一个金融数据的 Python 包，数据种类繁多，主要是通过爬虫实时抓取网上的公开数据，提供国内股票、期货、外汇、宏观经济等多领域的金融数据接口，可以说，它的数据非常庞杂。

tushare，和 akshare 一样，是专注于国内市场，虽然它有积分要求，但积分的获取难度不高，如果是购买积分，500/年就能使用 90% 的数据。它的数据是单独维护管理的，毫无疑问，数据质量很高的，在性价比这块，没有其他数据源可比。

yfinance 是一个用于从 Yahoo Finance 获取金融数据的 Python 库。主要是国外市场，可下载如股票、期货、外汇等资产的历史市场数据，包括价格、交易量、公司财务数据等。

如果你已经有可用的 Python 环境，安装过程就非常简单，如下命令安装这三个 Python 包：

pip install akshare
pip install tushare
pip install yfinance

如果没有 Python 环境，可以去了解下 anaconda，用它安装我们的 Python 环境。

数据下载

本文目标是先通过 akshare 实现 Python 下载 A 股的数据，毕竟它是完全免费的，门槛最低。我会通过代码快速一览 akshare 获取这些数据的函数。而对于 tushare 和 yfinance，准备另外的篇章介绍。

还有，文中也不会提供数据样例，毕竟是太占用空间了。

先提前导入 Python 包：

import akshare as aks

市场价格

A 股股票：包括它的历史行情、实时行情和分笔数据的获取。

历史行情的接口示例：

# 日线/周线/月线
aks.stock_zh_a_hist(symbol="000001", 
                   start_date="20200101",
                   end_date="20241201",
                   period="daily", # daily/weekly/monthly
                   adjust="qfq") # qfq-前复权/hfq-后复权/默认不复权
# 日线
aks.stock_zh_a_daily(symbol="sz000001",
                    start_date="20200101",
                    end_date="20241201",
                    adjust="qfq")
# 分钟线
aks.stock_zh_a_minute(symbol="sz000001",
                     period="1", # 1-1分钟/5-5分钟/15-15分钟/30-30分钟/60-1小时
                     adjust="qfq")

如上的代码演示了获取 A 股市场日线/周线/月线/小时/分钟级别的历史行情数据的函数。

日线数据示例：

   日期        股票代码 开盘     收盘 最高  最低   成交量   成交额      振幅  涨跌幅  涨跌额 换手率
0  2020-01-02  000001  14.77  14.99  15.07  14.67  1530232  2.571196e+09  2.75  2.88  0.42  0.79
1  2020-01-03  000001  15.06  15.30  15.43  15.04  1116195  1.914495e+09  2.60  2.07  0.31  0.58
2  2020-01-06  000001  15.13  15.19  15.46  15.03   862084  1.477930e+09  2.81 -0.72 -0.11  0.44
3  2020-01-07  000001  15.25  15.27  15.40  15.07   728608  1.247047e+09  2.17  0.53  0.08  0.38
4  2020-01-08  000001  15.12  14.78  15.17  14.75   847824  1.423609e+09  2.75 -3.21 -0.49  0.44

因为 akshare 的数据是从直接财经网站拉取的，不同站的 symbol 规则有所差异，如 stock_zh_a_hist 是东方财富的接口，symbol 为 000001 即可，而其余两个接口是 sina 新浪财经，要加上交易所前缀：深交所-sz和上交所-sh。

还有一点，我测试发现，分钟到小时级别的数据接口只能返回有限的数据，不是全量。不过这个也还好，如果确有需求，可以通过其他渠道拿到历史全量数据，通过这个接口获取增量数据。

实时行情的接口示例：

aks.stock_zh_a_spot()

输出示例：

   代码    名称    最新价   涨跌额    涨跌幅     买入     卖出     昨收     今开     最高     最低        成交量          成交额       时间戳
0  bj430017  星昊医药  15.35 -0.36 -2.292  15.32  15.35  15.71  15.86  15.87  15.28  1922319.0   29838001.0  15:30:01
1  bj430047  诺思兰德  13.57 -0.51 -3.622  13.56  13.57  14.08  14.12  14.18  13.44  3269916.0   45133670.0  15:30:01
2  bj430090  同辉信息   7.56 -0.27 -3.448   7.56   7.57   7.83   7.89   8.01   7.53  7122586.0   54781060.0  15:30:01
3  bj430139  华岭股份  28.69 -1.87 -6.119  28.68  28.69  30.56  30.26  30.59  28.52  8799534.0  258453787.0  15:30:01
4  bj430198  微创光电  13.38 -0.36 -2.620  13.37  13.38  13.74  13.62  14.08  13.00  4379609.0   59129424.0  15:30:01

这个接口返回的是全部股票的实时行情数据，请求耗时较长，确实在可用性不怎么好，tushare 上也有实时行情接口 realtime_quote，同样是从各个财经站点上抓取的，不过封装的更好。

当日的分笔数据的接口示例：

aks.stock_zh_a_tick_tx_js(symbol="sz000001")

这个接口返回的是某个股票当日的每笔成交列表。

A 股指数： 以沪深 300 为例，演示 akshare 获取股票指数的历史和实时行情的函数。

历史行情的演示示例：

# 日线
aks.stock_zh_index_daily(symbol="sh000300") # sina
aks.stock_zh_index_daily_tx(symbol="sh000300") # tencent
aks.stock_zh_index_daily_em(symbol="sh000300") # 东方财富

这个接口会直接拉取指定指数的全部日线行情。

实时行情的演示示例：

aks.stock_zh_index_spot_sina() # sina
aks.stock_zh_index_spot_em() # 东方财富

这两个接口都是获取当前的实时行情，不过它返回的是一个全部数据的 pd.Dataframe，没有提供 symbol 参数指定指数 Symbol，要简单过滤才能拿到指定的 symbol 数据。

搞到这里，你会发现 akshare 没有在易用性投入太多处理。如果你查看它的数据接口列表，它更多还是一个数据大杂烩，很多数据都能找到。但受限于全部来源于公开数据，没有存储下来，更像是给我提供了数据采集渠道，我们还有更多的工作要做。

财务数据

A 股三大报表：

aks.stock_financial_report_sina(stock="sz000001", symbol="资产负债表")
aks.stock_financial_report_sina(stock="sz000001", symbol="利润表")
aks.stock_financial_report_sina(stock="sz000001", symbol="现金流量表")

如资产负载表数据示例：

        报告日   资产     现金及存放中央银行款项 其中:现金 存放中央银行款 结算准备金  ...   数据源 是否审计      公告日期   币种    类型                 更新日期
0  20240930  NaN  281777000000.0   NaN     NaN   NaN  ...  定期报告  未审计  20241019  CNY  合并期末  2024-10-18T18:20:11
1  20240630  NaN  305998000000.0   NaN     NaN   NaN  ...  定期报告  未审计  20240816  CNY  合并期末  2024-08-15T20:35:13
2  20240331  NaN  322076000000.0   NaN     NaN   NaN  ...  定期报告  未审计  20240420  CNY  合并期末  2024-04-19T19:15:02
3  20231231  NaN  274663000000.0   NaN     NaN   NaN  ...  定期报告    是  20241019  CNY  合并期末  2024-03-14T19:05:04
4  20230930  NaN  350143000000.0   NaN     NaN   NaN  ...  定期报告  未审计  20231025  CNY  合并期末  2023-10-24T20:40:01

[5 rows x 150 columns]

数据列非常的多，这里面只展示了部分。

这个接口通过 symbol 指定名称获取不同的财报，这也是挺奇怪。不得不吐槽下，易用性上和 tushare 不好比。

其它常用数据还有如业绩预告、分红送股等数据。

# 业绩预告
aks.stock_yjyg_em(date="20240930") # 从 20081231 开始，日期必须是 20200331 20200630 20200930 20201231
# 分红送股
aks.stock_history_dividend_detail("000001")

财务数据大概就找这么多吧。

一句题外话，akshare 有些数据有限，可以通过其他渠道下载全量数据，然后再用 akshare 维护增量数据。毕竟是免费更香，虽然要更多的时间成本。

宏观数据

宏观数据方面，主要看如何获取如 GDP、CPI、PMI、PPI、利率和就业数据等。

aks.macro_china_gdp() # GDP 国内生产总值
aks.macro_china_cpi() # CPI 居民消费价格指数
aks.macro_china_pmi() # PMI 采购经理人指数
aks.macro_china_ppi() # PPI 工业品出厂价格指数
aks.macro_china_lpr() # LRP 贷款报价利率
aks.macro_china_urban_unemployment()  # 城镇调查失业率

如国内生产总值 GDP 的数据样例：

            季度  国内生产总值-绝对值  国内生产总值-同比增长  第一产业-绝对值  第一产业-同比增长  第二产业-绝对值  第二产业-同比增长  第三产业-绝对值  第三产业-同比增长
0  2024年第1-3季度    949745.7          4.8   57733.1        3.4  361361.6        5.4  530651.1        4.7
1  2024年第1-2季度    616836.0          5.0   30660.0        3.5  236529.9        5.8  349646.1        4.6
2    2024年第1季度    296299.5          5.3   11538.4        3.3  109846.3        6.0  174914.7        5.0
3  2023年第1-4季度   1260582.1          5.2   89755.2        4.1  482588.5        4.7  688238.4        5.8
4  2023年第1-3季度    912692.0          5.2   56330.1        4.0  348885.6        4.4  507476.2        6.0

akshare 提供了各类宏观数据，相对更加丰富。除了国内的宏观经济数据，还有中国香港和其他不少国家的宏观数据，如美国、日本、欧洲等一些国家。

我本人不是专业金融出生，先整理下这些数据，等日后慢慢研究，以求为自己的交易增加更多理解。

总结

本文介绍了如何从 akshare 获取常用的数据，提供了使用代码。如果想查看它提供的其他接口函数，可查看 akshare 接口文档。

不得不说，akshare 提供的数据丰富，是收集公开数据的一个利器，免去了我们自行寻找数据的时间。