量化交易分析:4000多只股票2015-2022年历史数据分享,供小伙伴们学习交流

简介: 量化交易分析:4000多只股票2015-2022年历史数据分享,供小伙伴们学习交流

量化交易学习数据


下面是我在学习量化交易过程中自行保存的4000多只股票的基本数据,数据时间是从2015年1月–2022年9月,每只股票数据为一个.csv文件,包括每天开盘价、收盘价、最高价、最低价、成交量、成交额等数据,提供给需要的小伙伴分析使用,需要的可以自行下载。


文件图片

24e225b9ab0a43a38e34128bcf0e0a4e.jpg

83ccda46668345e996b635f54cf33164.jpg


数据读取方式


import pandas as pd
df = pd.read_csv('./price/000001.XSHE.csv')
print(df)


读取结果如下:


 date   open  close      ...         low       volume         money
0     2015-01-05   9.98  10.00      ...        9.74  458099037.0  4.565388e+09
1     2015-01-06   9.90   9.85      ...        9.71  346952496.0  3.453446e+09
2     2015-01-07   9.72   9.67      ...        9.55  272274401.0  2.634796e+09
3     2015-01-08   9.68   9.34      ...        9.30  225445502.0  2.128003e+09
4     2015-01-09   9.30   9.42      ...        9.19  401736419.0  3.835378e+09
5     2015-01-12   9.29   9.22      ...        9.05  248759608.0  2.293105e+09
6     2015-01-13   9.15   9.17      ...        9.12  130822538.0  1.204987e+09
7     2015-01-14   9.23   9.25      ...        9.18  202274250.0  1.889297e+09
8     2015-01-15   9.27   9.58      ...        9.19  198933635.0  1.868796e+09
9     2015-01-16   9.62   9.60      ...        9.48  249168874.0  2.403346e+09
10    2015-01-19   8.75   8.64      ...        8.64  342260458.0  3.016203e+09
11    2015-01-20   8.64   8.64      ...        8.47  238786616.0  2.064281e+09
12    2015-01-21   8.67   9.00      ...        8.59  310776035.0  2.758193e+09
13    2015-01-22   8.95   8.93      ...        8.84  200990884.0  1.801436e+09
14    2015-01-23   8.97   8.99      ...        8.93  233688053.0  2.108747e+09
15    2015-01-26   8.97   8.95      ...        8.84  169375612.0  1.508447e+09
16    2015-01-27   8.96   8.74      ...        8.64  214520130.0  1.881059e+09
17    2015-01-28   8.66   8.78      ...        8.62  198726593.0  1.742176e+09
18    2015-01-29   8.63   8.68      ...        8.59  162833086.0  1.408825e+09
19    2015-01-30   8.70   8.70      ...        8.59  148958237.0  1.298736e+09
20    2015-02-02   8.49   8.51      ...        8.46  137878326.0  1.176950e+09
21    2015-02-03   8.60   8.71      ...        8.50  141468403.0  1.217877e+09
22    2015-02-04   8.74   8.56      ...        8.55  129340881.0  1.122667e+09
23    2015-02-05   8.93   8.61      ...        8.59  306483809.0  2.710524e+09
24    2015-02-06   8.55   8.44      ...        8.37  165019979.0  1.411299e+09
25    2015-02-09   8.43   8.44      ...        8.25  151595831.0  1.273141e+09
26    2015-02-10   8.42   8.60      ...        8.38  116088823.0  9.918237e+08
27    2015-02-11   8.60   8.57      ...        8.54   88779102.0  7.634146e+08
28    2015-02-12   8.59   8.65      ...        8.50   97485845.0  8.386113e+08
29    2015-02-13   8.70   8.71      ...        8.64  142172103.0  1.244515e+09
...          ...    ...    ...      ...         ...          ...           ...
1866  2022-09-01  12.65  12.61      ...       12.58   86198195.0  1.092666e+09
1867  2022-09-02  12.62  12.51      ...       12.43   78636281.0  9.834339e+08
1868  2022-09-05  12.46  12.57      ...       12.37   63203998.0  7.884511e+08
1869  2022-09-06  12.58  12.50      ...       12.43   73129499.0  9.146922e+08
1870  2022-09-07  12.42  12.33      ...       12.28   97981281.0  1.208330e+09
1871  2022-09-08  12.32  12.36      ...       12.30   62111692.0  7.689135e+08
1872  2022-09-09  12.40  12.72      ...       12.36  195129731.0  2.469131e+09
1873  2022-09-13  12.88  12.95      ...       12.66  172268989.0  2.223707e+09
1874  2022-09-14  12.75  12.73      ...       12.70   85803584.0  1.095055e+09
1875  2022-09-15  12.80  13.00      ...       12.77  184101788.0  2.393239e+09
1876  2022-09-16  12.92  12.56      ...       12.56  135744781.0  1.719253e+09
1877  2022-09-19  12.54  12.57      ...       12.48   63212104.0  7.934913e+08
1878  2022-09-20  12.61  12.34      ...       12.32   88998853.0  1.102212e+09
1879  2022-09-21  12.31  12.43      ...       12.20   68419739.0  8.454772e+08
1880  2022-09-22  12.33  12.29      ...       12.25   58613338.0  7.200582e+08
1881  2022-09-23  12.24  12.29      ...       12.23   58644106.0  7.227031e+08
1882  2022-09-26  12.16  12.00      ...       11.99   90372904.0  1.094061e+09
1883  2022-09-27  12.00  12.15      ...       11.81   78962229.0  9.467330e+08
1884  2022-09-28  12.09  12.11      ...       11.92   78092558.0  9.462118e+08
1885  2022-09-29  12.25  11.86      ...       11.82   91771804.0  1.100405e+09
1886  2022-09-30  11.87  11.84      ...       11.83   53723019.0  6.389069e+08
1887  2022-10-10  11.70  11.47      ...       11.46   96608018.0  1.119090e+09
1888  2022-10-11  11.54  11.48      ...       11.41   41525337.0  4.767492e+08
1889  2022-10-12  11.45  11.60      ...       11.35   55957243.0  6.417765e+08
1890  2022-10-13  11.51  11.34      ...       11.31   85261597.0  9.700217e+08
1891  2022-10-14  11.45  11.53      ...       11.40  109606158.0  1.265487e+09
1892  2022-10-17  11.42  11.48      ...       11.34  102482271.0  1.171524e+09
1893  2022-10-18  11.55  11.48      ...       11.46   94683709.0  1.091647e+09
1894  2022-10-19  11.42  11.29      ...       11.28   92398968.0  1.049701e+09
1895  2022-10-20  11.23  11.20      ...       11.16   78192323.0  8.769672e+08


完整数据


方式一:


文件已上传至我的csdn资源文件中,资源名:‘4000多只股票基本历史数据’。


方式二:


关注下面公众号:‘阿旭算法与机器学习’。然后输入:股票数据,即可获取。

相关文章
|
安全 区块链 数据安全/隐私保护
一文盘点知名DAO及其管理机制
DAO(Decentralized Autonomous Organization,去中心化组织)代表了一种全新的人类组织协同方式,该组织围绕一个共同目标建立,通过在区块链上执行的一套共享规则进行协调和合作。这些组织通常会根据具体目标或任务汇集投资资金。值得注意的是,DAO是自治的。
|
存储 安全 Unix
/var/log/messages说明
【4月更文挑战第5天】`/var/log/messages`是类Unix系统(包括Linux)的日志文件,存储系统启动、关闭、内核消息、服务状态和服务错误等信息。内容可能因配置和日志系统(如syslog、rsyslog、journald)不同而变化。现代Linux可能使用`journalctl`等工具访问journald日志,提供更强大管理功能。
2067 1
/var/log/messages说明
|
前端开发 网络协议 JavaScript
|
3月前
|
人工智能 分布式计算 DataWorks
大数据AI产品月刊-2025年7月
大数据& AI 产品技术月刊【2025年7月】,涵盖7月技术速递、产品和功能发布、市场和客户应用实践等内容,帮助您快速了解阿里云大数据& AI 方面最新动态。
|
数据采集
以“雪球网行情中心板块数据抓取”的爬虫案例
爬虫案例—雪球网行情中心板块数据抓取
539 1
|
机器学习/深度学习 人工智能 运维
[ICLR2024]基于对比稀疏扰动技术的时间序列解释框架ContraLSP
《Explaining Time Series via Contrastive and Locally Sparse Perturbations》被机器学习领域顶会ICLR 2024接收。该论文提出了一种创新的基于扰动技术的时间序列解释框架ContraLSP,该框架主要包含一个学习反事实扰动的目标函数和一个平滑条件下稀疏门结构的压缩器。论文在白盒时序预测,黑盒时序分类等仿真数据,和一个真实时序数据集分类任务中进行了实验,ContraLSP在解释性能上超越了SOTA模型,显著提升了时间序列数据解释的质量。
|
机器学习/深度学习 传感器 人工智能
智慧矿山AI安全监管方案
智慧矿山AI安全监管方案通过集成AI技术,实现了对矿山环境、设备和人员的全方位智能监控与管理。该方案利用高清摄像头、传感器等设备实时采集数据,通过AI算法进行智能分析,提前预测安全隐患,及时发出预警,有效提升矿山安全管理水平。方案涵盖顶板与边坡监测、设备运行监测、人员行为识别等多个方面,旨在构建一个高效、安全的智能化矿山环境。
369 0
|
图形学 开发者 搜索推荐
Unity Asset Store资源大解密:自制与现成素材的优劣对比分析,教你如何巧用海量资产加速游戏开发进度
【8月更文挑战第31天】游戏开发充满挑战,尤其对独立开发者或小团队而言。Unity Asset Store 提供了丰富的资源库,涵盖美术、模板、音频和脚本等,能显著加快开发进度。自制资源虽具个性化,但耗时长且需专业技能;而 Asset Store 的资源经官方审核,质量可靠,可大幅缩短开发周期,使开发者更专注于核心玩法。然而,使用第三方资源需注意版权问题,且可能需调整以适应特定需求。总体而言,合理利用 Asset Store 能显著提升开发效率和项目质量。
439 1
|
SQL Oracle 关系型数据库
关系型数据库Oracle 数据库启动失败
【7月更文挑战第17天】
454 2