Python 金融交易实用指南（三）（2）https://developer.aliyun.com/article/1523773
第七章：Python 中的金融市场数据访问
本章概述了几个关键的市场数据源，从免费到付费的数据源都有涵盖。可从github.com/wilsonfreitas/awesome-quant#data-sources获得更完整的可用资源列表。
算法交易模型信号的质量基本取决于正在分析的市场数据的质量。市场数据是否已清理出错误记录，并且是否有质量保证流程来在发生错误时更正任何错误？如果市场数据源有问题，那么数据可以多快被纠正？
下述描述的免费数据源适用于学习目的，但不适用于专业交易目的 - 每天的 API 调用次数可能非常有限，API 可能较慢，并且如果数据不正确，则没有支持和更正。此外，在使用任何这些数据提供者时，请注意其使用条款。
在本章中，我们将涵盖以下主要内容：
- 探索 yahoofinancials Python 库
- 探索 pandas_datareader Python 库
- 探索 Quandl 数据源
- 探索 IEX Cloud 数据源
- 探索 MarketStack 数据源
技术要求
本章中使用的 Python 代码可在书籍代码存储库的Chapter07/marketdata.ipynb笔记本中找到。
探索 yahoofinancials Python 库
yahoofinancials Python 库提供了对雅虎财经市场数据的免费访问，其提供商是 ICE Data Services。库存储库位于github.com/JECSand/yahoofinancials。
它提供以下资产的历史和大多数资产的实时定价数据访问：
- 货币
- 索引
- 股票
- 商品
- ETF
- 共同基金
- 美国国债
- 加密货币
要找到正确的股票代码，请使用finance.yahoo.com/上的查找功能。
每个 IP 地址每小时的调用次数有严格的限制（每小时每个 IP 地址约为 1,000-2,000 次请求），一旦达到限制，您的 IP 地址将被阻止一段时间。此外，提供的功能不断变化。
库的安装是标准的：
pip install yahoofinancials
访问数据非常简单，如下所示：
from yahoofinancials import YahooFinancials
该库支持单一股票检索和多个股票检索。
单一股票检索
单一股票检索的步骤如下：
- 首先，我们定义
AAPL的股票对象：
aapl = yf.Ticker("AAPL")
- 然后，还有历史数据检索的问题。让我们打印出 2020 年的所有历史每日价格数据：
hist = aapl.get_historical_price_data('2020-01-01', '2020-12-31', 'daily') print(hist)
- 输出以以下内容开始：
{'AAPL': {'eventsData': {'dividends': {'2020-02-07': {'amount': 0.1925, 'date': 1581085800, 'formatted_date': '2020-02-07'}, '2020-05-08': {'amount': 0.205, 'date': 1588944600, 'formatted_date': '2020-05-08'}, '2020-08-07': {'amount': 0.205, 'date': 1596807000, 'formatted_date': '2020-08-07'}, '2020-11-06': {'amount': 0.205, 'date': 1604673000, 'formatted_date': '2020-11-06'}}, 'splits': {'2020-08-31': {'date': 1598880600, 'numerator': 4, 'denominator': 1, 'splitRatio': '4:1', 'formatted_date': '2020-08-31'}}}, 'firstTradeDate': {'formatted_date': '1980-12-12', 'date': 345479400}, 'currency': 'USD', 'instrumentType': 'EQUITY', 'timeZone': {'gmtOffset': -18000}, 'prices': [{'date': 1577975400, 'high': 75.1500015258789, 'low': 73.79750061035156, 'open': 74.05999755859375, 'close': 75.0875015258789, 'volume': 135480400, 'adjclose': 74.4446029663086, 'formatted_date': '2020-01-02'}, {'date': 1578061800, 'high': 75.1449966430664, 'low': 74.125, 'open': 74.2874984741211, 'close': 74.35749816894531, 'volume': 146322800, 'adjclose': 73.72084045410156, 'formatted_date': '2020-01-03'}, {'date': 1578321000, 'high': 74.98999786376953, 'low': 73.1875, 'open': 73.44750213623047, 'close': 74.94999694824219, 'volume': 118387200, 'adjclose': 74.30826568603516, 'formatted_date': '2020-01-06'}, {'date': 1578407400, 'high': 75.2249984741211, 'low': 74.37000274658203, 'open': 74.95999908447266, 'close': 74.59750366210938, 'volume': 108872000, 'adjclose': 73.95879364013672, 'formatted_date': '2020-01-07'}, {'date': 1578493800, 'high': 76.11000061035156, 'low': 74.29000091552734, 'open': 74.29000091552734, 'close': 75.79750061035156, 'volume': 132079200, 'adjclose': 75.14852142333984, 'formatted_date': '2020-01-08'}, {'date': 1578580200, 'high': 77.60749816894531, 'low': 76.55000305175781, 'open': 76.80999755859375, 'close': 77.40750122070312, 'volume': 170108400, 'adjclose': 76.7447280883789, 'formatted_date': '2020-01-09'}, {'date': 1578666600, 'high': 78.1675033569336, 'low': 77.0625, 'open': 77.6500015258789, 'close': 77.5824966430664, 'volume': 140644800, 'adjclose': 76.91822052001953, 'formatted_date': '2020-01-10'}, {'date': 1578925800, 'high': 79.26750183105469, 'low': 77.7874984741211, 'open': 77.91000366210938, 'close': 79.23999786376953, 'volume': 121532000, 'adjclose': 78.56153106689453, 'formatted_date': '2020-01-13'}, {'date': 1579012200, 'high': 79.39250183105469, 'low': 78.0425033569336, 'open': 79.17500305175781, 'close': 78.16999816894531, 'volume': 161954400, 'adjclose': 77.50070190429688, 'formatted_date': '2020-01-14'}, {'date': 1579098600, 'high': 78.875, 'low': 77.38749694824219, 'open': 77.9625015258789, 'close': 77.83499908447266, 'volume': 121923600, 'adjclose': 77.16856384277344, 'formatted_date': '2020-01-15'}, {'date': 1579185000, 'high': 78.92500305175781, 'low': 78.02249908447266, 'open': 78.39749908447266, 'close': 78.80999755859375, 'volume': 108829200, 'adjclose': 78.13522338867188, 'formatted_date': '2020-01-16'}, {'date': 1579271400, 'high': 79.68499755859375, 'low': 78.75, 'open': 79.06749725341797, 'close': 79.68250274658203, 'volume': 137816400, 'adjclose': 79.000244140625, 'formatted_date': '2020-01-17'}, {'date': 1579617000, 'high': 79.75499725341797, 'low': 79.0, 'open': 79.29750061035156, 'close': 79.14250183105469, 'volume': 110843200, 'adjclose': 78.46488189697266, 'formatted_date': '2020-01-21'}, {'date': 1579703400, 'high': 79.99749755859375, 'low': 79.32749938964844, 'open': 79.6449966430664, 'close': 79.42500305175781, 'volume': 101832400, 'adjclose': 78.74495697021484, 'formatted_date': '2020-01-22'}, ...
- 注意
您可以将频率从'daily'更改为'weekly'或'monthly'。 - 现在，让我们查看每周数据结果：
hist = aapl.get_historical_price_data('2020-01-01', '2020-12-31', 'weekly') print(hist)
- 输出如下：
{'AAPL': {'eventsData': {'dividends': {'2020-02-05': {'amount': 0.1925, 'date': 1581085800, 'formatted_date': '2020-02-07'}, '2020-05-06': {'amount': 0.205, 'date': 1588944600, 'formatted_date': '2020-05-08'}, '2020-08-05': {'amount': 0.205, 'date': 1596807000, 'formatted_date': '2020-08-07'}, '2020-11-04': {'amount': 0.205, 'date': 1604673000, 'formatted_date': '2020-11-06'}}, 'splits': {'2020-08-26': {'date': 1598880600, 'numerator': 4, 'denominator': 1, 'splitRatio': '4:1', 'formatted_date': '2020-08-31'}}}, 'firstTradeDate': {'formatted_date': '1980-12-12', 'date': 345479400}, 'currency': 'USD', 'instrumentType': 'EQUITY', 'timeZone': {'gmtOffset': -18000}, 'prices': [{'date': 1577854800, 'high': 75.2249984741211, 'low': 73.1875, 'open': 74.05999755859375, 'close': 74.59750366210938, 'volume': 509062400, 'adjclose': 73.95879364013672, 'formatted_date': '2020-01-01'}, {'date': 1578459600, 'high': 79.39250183105469, 'low': 74.29000091552734, 'open': 74.29000091552734, 'close': 78.16999816894531, 'volume': 726318800, 'adjclose': 77.50070190429688, 'formatted_date': '2020-01-08'}, {'date': 1579064400, 'high': 79.75499725341797, 'low': 77.38749694824219, 'open': 77.9625015258789, 'close': 79.14250183105469, 'volume': 479412400, 'adjclose': 78.46488189697266, 'formatted_date': '2020-01-15'}, {'date': 1579669200, 'high': 80.8324966430664, 'low': 76.22000122070312, 'open': 79.6449966430664, 'close': 79.42250061035156, 'volume': 677016000, 'adjclose': 78.74247741699219, 'formatted_date': '2020-01-22'}, {'date': 1580274000, 'high': 81.9625015258789, 'low': 75.55500030517578, 'open': 81.11250305175781, 'close': 79.7125015258789, 'volume': 853162800, 'adjclose': 79.02999877929688, 'formatted_date': '2020-01-29'}, {'date': 1580878800, 'high': 81.30500030517578, 'low': 78.4625015258789, 'open': 80.87999725341797, 'close': 79.90249633789062, 'volume': 545608400, 'adjclose': 79.21836853027344, 'formatted_date': '2020-02-05'}, {'date': 1581483600, 'high': 81.80500030517578, 'low': 78.65249633789062, 'open': 80.36750030517578, 'close': 79.75, 'volume': 441122800, 'adjclose': 79.25482177734375, 'formatted_date': '2020-02-12'}, {'date': 1582088400, 'high': 81.1624984741211, 'low': 71.53250122070312, 'open': 80.0, 'close': 72.0199966430664, 'volume': 776972800, 'adjclose': 71.57282257080078, 'formatted_date': '2020-02-19'}, {'date': 1582693200, 'high': 76.0, 'low': 64.09249877929688, 'open': 71.63249969482422, 'close': 72.33000183105469, 'volume': 1606418000, 'adjclose': 71.88089752197266, 'formatted_date': '2020-02-26'}, {'date': 1583298000, 'high': 75.8499984741211, 'low': 65.75, 'open': 74.11000061035156, 'close': 71.33499908447266, 'volume': 1204962800, 'adjclose': 70.89207458496094, 'formatted_date': '2020-03-04'}, {'date': 1583899200, 'high': 70.3050003051757 ...
- 然后，我们检查月度数据结果：
hist = aapl.get_historical_price_data('2020-01-01', '2020-12-31', 'monthly') print(hist)
- 输出如下：
{'AAPL': {'eventsData': {'dividends': {'2020-05-01': {'amount': 0.205, 'date': 1588944600, 'formatted_date': '2020-05-08'}, '2020-08-01': {'amount': 0.205, 'date': 1596807000, 'formatted_date': '2020-08-07'}, '2020-02-01': {'amount': 0.1925, 'date': 1581085800, 'formatted_date': '2020-02-07'}, '2020-11-01': {'amount': 0.205, 'date': 1604673000, 'formatted_date': '2020-11-06'}}, 'splits': {'2020-08-01': {'date': 1598880600, 'numerator': 4, 'denominator': 1, 'splitRatio': '4:1', 'formatted_date': '2020-08-31'}}}, 'firstTradeDate': {'formatted_date': '1980-12-12', 'date': 345479400}, 'currency': 'USD', 'instrumentType': 'EQUITY', 'timeZone': {'gmtOffset': -18000}, 'prices': [{'date': 1577854800, 'high': 81.9625015258789, 'low': 73.1875, 'open': 74.05999755859375, 'close': 77.37750244140625, 'volume': 2934370400, 'adjclose': 76.7149887084961, 'formatted_date': '2020-01-01'}, {'date': 1580533200, 'high': 81.80500030517578, 'low': 64.09249877929688, 'open': 76.07499694824219, 'close': 68.33999633789062, 'volume': 3019851200, 'adjclose': 67.75486755371094, 'formatted_date': '2020-02-01'}, {'date': 1583038800, 'high': 76.0, 'low': 53.15250015258789, 'open': 70.56999969482422, 'close': 63 ...
- 嵌套的 JSON 可轻松转换为 pandas 的 DataFrame：
import pandas as pd hist_df = \ pd.DataFrame(hist['AAPL']['prices']).drop('date', axis=1).set_index('formatted_date') print(hist_df)
- 输出如下：
图 7.1 - 嵌套 JSON 转换为 pandas 的 DataFrame
注意两列 - adjclose和close。调整后的收盘价是根据股利、股票拆分和其他公司事件调整的收盘价。
实时数据检索
要获取实时股票价格数据，请使用get_stock_price_data()函数：
print(aapl.get_stock_price_data())
输出如下：
{'AAPL': {'quoteSourceName': 'Nasdaq Real Time Price', 'regularMarketOpen': 137.35, 'averageDailyVolume3Month': 107768827, 'exchange': 'NMS', 'regularMarketTime': '2021-02-06 03:00:02 UTC+0000', 'volume24Hr': None, 'regularMarketDayHigh': 137.41, 'shortName': 'Apple Inc.', 'averageDailyVolume10Day': 115373562, 'longName': 'Apple Inc.', 'regularMarketChange': -0.42500305, 'currencySymbol': '$', 'regularMarketPreviousClose': 137.185, 'postMarketTime': '2021-02-06 06:59:58 UTC+0000', 'preMarketPrice': None, 'exchangeDataDelayedBy': 0, 'toCurrency': None, 'postMarketChange': -0.0800018, 'postMarketPrice': 136.68, 'exchangeName': 'NasdaqGS', 'preMarketChange': None, 'circulatingSupply': None, 'regularMarketDayLow': 135.86, 'priceHint': 2, 'currency': 'USD', 'regularMarketPrice': 136.76, 'regularMarketVolume': 72317009, 'lastMarket': None, 'regularMarketSource': 'FREE_REALTIME', 'openInterest': None, 'marketState': 'CLOSED', 'underlyingSymbol': None, 'marketCap': 2295940513792, 'quoteType': 'EQUITY', 'volumeAllCurrencies': None, 'postMarketSource': 'FREE_REALTIME', 'strikePrice': None, 'symbol': 'AAPL', 'postMarketChangePercent': -0.00058498, 'preMarketSource': 'FREE_REALTIME', 'maxAge': 1, 'fromCurrency': None, 'regularMarketChangePercent': -0.0030980287}}
免费数据源的实时数据通常延迟 10 到 30 分钟。
至于获取财务报表，让我们获取苹果股票的财务报表 - 损益表、现金流量表和资产负债表：
statements = aapl.get_financial_stmts('quarterly', ['income', 'cash', 'balance']) print(statements)
输出如下：
{'incomeStatementHistoryQuarterly': {'AAPL': [{'2020-12-26': {'researchDevelopment': 5163000000, 'effectOfAccountingCharges': None, 'incomeBeforeTax': 33579000000, 'minorityInterest': None, 'netIncome': 28755000000, 'sellingGeneralAdministrative': 5631000000, 'grossProfit': 44328000000, 'ebit': 33534000000, 'operatingIncome': 33534000000, 'otherOperatingExpenses': None, 'interestExpense': -638000000, 'extraordinaryItems': None, 'nonRecurring': None, 'otherItems': None, 'incomeTaxExpense': 4824000000, 'totalRevenue': 111439000000, 'totalOperatingExpenses': 77905000000, 'costOfRevenue': 67111000000, 'totalOtherIncomeExpenseNet': 45000000, 'discontinuedOperations': None, 'netIncomeFromContinuingOps': 28755000000, 'netIncomeApplicableToCommonShares': 28755000000}}, {'2020-09-26': {'researchDevelopment': 4978000000, 'effectOfAccountingCharges': None, 'incomeBeforeTax': 14901000000, 'minorityInterest': None, 'netIncome': 12673000000, 'sellingGeneralAdministrative': 4936000000, 'grossProfit': ...
金融报表数据在算法交易中有多种用途。首先，它可用于确定要交易的股票的总体情况。其次，从非价格数据创建算法交易信号会增加额外的价值。
摘要数据检索
摘要数据可通过get_summary_data方法获取：
print(aapl.get_summary_data())
输出如下：
{'AAPL': {'previousClose': 137.185, 'regularMarketOpen': 137.35, 'twoHundredDayAverage': 119.50164, 'trailingAnnualDividendYield': 0.0058825673, 'payoutRatio': 0.2177, 'volume24Hr': None, 'regularMarketDayHigh': 137.41, 'navPrice': None, 'averageDailyVolume10Day': 115373562, 'totalAssets': None, 'regularMarketPreviousClose': 137.185, 'fiftyDayAverage': 132.86455, 'trailingAnnualDividendRate': 0.807, 'open': 137.35, 'toCurrency': None, 'averageVolume10days': 115373562, 'expireDate': '-', 'yield': None, 'algorithm': None, 'dividendRate': 0.82, 'exDividendDate': '2021-02-05', 'beta': 1.267876, 'circulatingSupply': None, 'startDate': '-', 'regularMarketDayLow': 135.86, 'priceHint': 2, 'currency': 'USD', 'trailingPE': 37.092484, 'regularMarketVolume': 72317009, 'lastMarket': None, 'maxSupply': None, 'openInterest': None, 'marketCap': 2295940513792, 'volumeAllCurrencies': None, 'strikePrice': None, 'averageVolume': 107768827, 'priceToSalesTrailing12Months': 7.805737, 'dayLow': 135.86, 'ask': 136.7, 'ytdReturn': None, 'askSize': 1100, 'volume': 72317009, 'fiftyTwoWeekHigh': 145.09, 'forwardPE': 29.410751, 'maxAge': 1, 'fromCurrency': None, 'fiveYearAvgDividendYield': 1.44, 'fiftyTwoWeekLow': 53.1525, 'bid': 136.42, 'tradeable': False, 'dividendYield': 0.0061000003, 'bidSize': 2900, 'dayHigh': 137.41}}
使用此函数检索的摘要数据是财务报表函数和实时数据函数的摘要。
多股票检索
多股票检索，也称为批量检索，比单股票检索更高效快速，因为每个下载请求关联的大部分时间都用于建立和关闭网络连接。
历史数据检索
让我们获取这些外汇对的历史价格：EURCHF、USDEUR和GBPUSD：
currencies = YahooFinancials(['EURCHF=X', 'USDEUR=X', 'GBPUSD=x']) print(currencies.get_historical_price_data('2020-01-01', '2020-12-31', 'weekly'))
输出如下：
{'EURCHF=X': {'eventsData': {}, 'firstTradeDate': {'formatted_date': '2003-01-23', 'date': 1043280000}, 'currency': 'CHF', 'instrumentType': 'CURRENCY', 'timeZone': {'gmtOffset': 0}, 'prices': [{'date': 1577836800, 'high': 1.0877000093460083, 'low': 1.0818699598312378, 'open': 1.0872000455856323, 'close': 1.084280014038086, 'volume': 0, 'adjclose': 1.084280014038086, 'formatted_date': '2020-01-01'}, {'date': 1578441600, 'high': 1.083299994468689, 'low': 1.0758999586105347, 'open': 1.080530047416687, 'close': 1.0809999704360962, 'volume': 0, 'adjclose': 1.0809999704360962, 'formatted_date': '2020-01-08'}, {'date': 1579046400, 'high': 1.0774999856948853, 'low': 1.0729299783706665, 'open': 1.076300024986267, 'close': 1.0744800567626953, 'volume': 0, 'adjclose': 1.0744800567626953, 'formatted_date': '2020-01-15'}, {'date': 1579651200, 'high': 1.0786099433898926, 'low': 1.0664700269699097, 'open': 1.0739500522613525, 'close': 1.068600058555603, 'volume': 0, 'adjclose': 1.068600058555603, 'formatted_date': '2020-01-22'}, {'date': 1580256000, 'high': 1.0736199617385864, 'low': 1.0663000345230103, 'open': 1.0723999738693237, 'close': 1.0683200359344482, 'volume': 0, 'adjclose': 1.068320035 ...
我们发现历史数据不包含任何财务报表数据。
写作本书时库支持的全部方法如下：
get_200day_moving_avg()get_50day_moving_avg()get_annual_avg_div_rate()get_annual_avg_div_yield()get_beta()get_book_value()get_cost_of_revenue()get_currency()get_current_change()get_current_percent_change()get_current_price()get_current_volume()get_daily_dividend_data(start_date, end_date)get_daily_high()get_daily_low()get_dividend_rate()get_dividend_yield()get_earnings_per_share()get_ebit()get_exdividend_date()get_financial_stmts(frequency, statement_type, reformat=True)get_five_yr_avg_div_yield()get_gross_profit()get_historical_price_data(start_date, end_date, time_interval)get_income_before_tax()get_income_tax_expense()get_interest_expense()get_key_statistics_data()get_market_cap()get_net_income()get_net_income_from_continuing_ops()get_num_shares_outstanding(price_type='current')get_open_price()get_operating_income()get_payout_ratio()get_pe_ratio()get_prev_close_price()get_price_to_sales()get_research_and_development()get_stock_earnings_data(reformat=True)get_stock_exchange()get_stock_price_data(reformat=True)get_stock_quote_type_data()get_summary_data(reformat=True)get_ten_day_avg_daily_volume()get_three_month_avg_daily_volume()get_total_operating_expense()get_total_revenue()get_yearly_high()get_yearly_low()
我们将在下一部分中探索 pandas_datareader 库。
探索 pandas_datareader Python 库
pandas_datareader 是用于金融数据的最先进的库之一，提供对多个数据源的访问。
支持的一些数据源如下：
- 雅虎财经
- 圣路易斯联邦储备银行的 FRED
- IEX
- Quandl
- Kenneth French 的数据库
- 世界银行
- 经济合作与发展组织
- Eurostat
- Econdb
- 纳斯达克交易员符号定义
参考pandas-datareader.readthedocs.io/en/latest/remote_data.html以获取完整列表。
安装很简单：
pip install pandas-datareader
现在，让我们设置基本的数据检索参数：
from pandas_datareader import data start_date = '2010-01-01' end_date = '2020-12-31'
下载数据的一般访问方法是 data.DataReader(ticker, data_source, start_date, end_date)。
访问雅虎财经
让我们下载 Apple 过去 10 年的股票价格：
aapl = data.DataReader('AAPL', 'yahoo', start_date, end_date) aapl High Low Open Close Volume Adj Close Date 2010-01-04 7.660714 7.585000 7.622500 7.643214 493729600.0 6.593426 2010-01-05 7.699643 7.616071 7.664286 7.656428 601904800.0 6.604825 2010-01-06 7.686786 7.526786 7.656428 7.534643 552160000.0 6.499768 2010-01-07 7.571429 7.466072 7.562500 7.520714 477131200.0 6.487752 2010-01-08 7.571429 7.466429 7.510714 7.570714 447610800.0 6.530883 ... ... ... ... ... ... ... 2020-12 -21 128.309998 123.449997 125.019997 128.229996 121251600.0 128.229996 2020-12-22 134.410004 129.649994 131.610001 131.880005 168904800.0 131.880005 2020-12-23 132.429993 130.779999 132.160004 130.960007 88223700.0 130.960007 2020-12-24 133.460007 131.100006 131.320007 131.970001 54930100.0 131.970001 2020-12-28 137.339996 133.509995 133.990005 136.690002 124182900.0 136.690002
输出与前一部分中的 yahoofinancials 库的输出几乎相同。
访问 EconDB
可用股票标记列表在www.econdb.com/main-indicators上可用。
让我们下载美国过去 10 年的月度石油产量时间序列：
oilprodus = data.DataReader('ticker=OILPRODUS', 'econdb', start_date, end_date) oilprodus Reference Area United States of America Energy product Crude oil Flow breakdown Production Unit of measure Thousand Barrels per day (kb/d) TIME_PERIOD 2010-01-01 5390 2010-02-01 5548 2010-03-01 5506 2010-04-01 5383 2010-05-01 5391 ... ... 2020-04-01 11990 2020-05-01 10001 2020-06-01 10436 2020-07-01 10984 2020-08-01 10406
每个数据源都有不同的输出列。
访问圣路易斯联邦储备银行的 FRED
可以在fred.stlouisfed.org/检查可用数据列表和标记。
让我们下载美国过去 10 年的实际国内生产总值：
import pandas as pd pd.set_option('display.max_rows', 2) gdp = data.DataReader('GDP', 'fred', start_date, end_date) gdp
我们将输出限制为只有两行：
GDP DATE 2010-01-01 14721.350 ... ... 2020-07-01 21170.252 43 rows × 1 columns
现在，让我们研究美国政府债券 20 年期恒久收益率的 5 年数据：
gs10 = data.get_data_fred('GS20') gs10 GS20 DATE 2016-01-01 2.49 ... ... 2020-11-01 1.40 59 rows × 1 columns
圣路易斯联邦储备银行的 FRED 数据是可用的最清洁的数据源之一，提供免费支持。
缓存查询
该库的一个关键优势是实现了查询结果的缓存，从而节省带宽，加快代码执行速度，并防止因 API 过度使用而禁止 IP。
举例来说，让我们下载 Apple 股票的全部历史数据：
import datetime import requests_cache session = \ requests_cache.CachedSession(cache_name='cache', backend='sqlite', expire_after = \ datetime.timedelta(days=7)) aapl_full_history = \ data.DataReader("AAPL",'yahoo',datetime.datetime(1980,1,1), datetime.datetime(2020, 12, 31), session=session) aapl_full_history High Low Open Close Volume Adj Close Date 1980-12-12 0.128906 0.128348 0.128348 0.128348 469033600.0 0.101087 ... ... ... ... ... ... ... 2020-12-28 137.339996 133.509995 133.990005 136.690002 124182900.0 136.690002
现在，让我们只访问一个数据点：
aapl_full_history.loc['2013-01-07'] High 18.903572 ... Adj Close 16.284145 Name: 2013-01-07 00:00:00, Length: 6, dtype: float64
缓存也可以为所有以前的示例启用。
探索 Quandl 数据源
Quandl 是互联网上最大的经济/金融数据存储库之一。其数据源可以免费访问。它还提供高级数据源，需要付费。
安装很简单：
pip install quandl
要访问数据，您必须提供访问密钥（在quandl.com申请）：
import quandl quandl.ApiConfig.api_key = 'XXXXXXX'
要查找股票和数据源，请使用www.quandl.com/search。
现在让我们下载法国大都市地区每月平均消费价格 - 苹果（1 公斤）；欧元数据：
papple = quandl.get('ODA/PAPPLE_USD') papple Value Date 1998-01-31 1.735999 ... ... 2020-11-30 3.350000 275 rows × 1 columns
现在让我们下载苹果公司的基本数据：
aapl_fundamental_data = quandl.get_table('ZACKS/FC', ticker='AAPL') m_ticker ticker comp_name comp_name_2 exchange currency_code per_end_date per_type per_code per_fisc_year ... stock_based_compsn_qd cash_flow_oper_activity_qd net_change_prop_plant_equip_qd comm_stock_div_paid_qd pref_stock_div_paid_qd tot_comm_pref_stock_div_qd wavg_shares_out wavg_shares_out_diluted eps_basic_net eps_diluted_net None 0 AAPL AAPL APPLE INC Apple Inc. NSDQ USD 2018-09-30 A None 2018 ... NaN NaN NaN NaN None NaN 19821.51 20000.44 3.000 2.980 ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... 4 AAPL AAPL APPLE INC Apple Inc. NSDQ USD 2018-12-31 Q None 2019 ... 1559.0 26690.0 -3355.0 -3568.0 None -3568.0 18943.28 19093.01 1.055 1.045 5 rows × 249 columns
Yahoo 和 Quandl 数据之间的区别在于，Quandl 数据更可靠、更完整。
探索 IEX Cloud 数据源
IEX Cloud 是其中一个商业产品。它为个人提供每月 9 美元的计划。它还提供一个免费计划，每月限制为 50,000 次 API 调用。
Python 库的安装是标准的：
pip install iexfinance
完整的库文档可在addisonlynch.github.io/iexfinance/stable/index.html上找到。
以下代码旨在检索所有符号：
from iexfinance.refdata import get_symbols get_symbols(output_format='pandas', token="XXXXXX") symbol exchange exchangeSuffix exchangeName name date type iexId region currency isEnabled figi cik lei 0 A NYS UN NEW YORK STOCK EXCHANGE, INC. Agilent Technologies Inc. 2020-12-29 cs IEX_46574843354B2D52 US USD True BBG000C2V3D6 0001090872 QUIX8Y7A2WP0XRMW7G29 ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... 9360 ZYXI NAS NASDAQ CAPITAL MARKET Zynex Inc 2020-12-29 cs IEX_4E464C4C4A462D52 US USD True BBG000BJBXZ2 0000846475 None 9361 rows × 14 columns
以下代码旨在获取苹果公司的资产负债表（免费账户不可用）：
from iexfinance.stocks import Stock aapl = Stock("aapl", token="XXXXXX") aapl.get_balance_sheet()
以下代码旨在获取当前价格（免费账户不可用）：
aapl.get_price()
以下代码旨在获取部门绩效报告（免费账户不可用）：
from iexfinance.stocks import get_sector_performance get_sector_performance(output_format='pandas', token =token)
以下代码旨在获取苹果公司的历史市场数据：
from iexfinance.stocks import get_historical_data get_historical_data("AAPL", start="20190101", end="20200101", output_format='pandas', token=token) close high low open symbol volume id key subkey updated ... uLow uVolume fOpen fClose fHigh fLow fVolume label change changePercent 2019-01-02 39.48 39.7125 38.5575 38.7225 AAPL 148158948 HISTORICAL_PRICES AAPL 1606830572000 ... 154.23 37039737 37.8227 38.5626 38.7897 37.6615 148158948 Jan 2, 19 0.045 0.0011 ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... 2019-12-31 73.4125 73.42 72.38 72.4825 AAPL 100990500 HISTORICAL_PRICES AAPL 1606830572000 ... 289.52 25247625 71.8619 72.7839 72.7914 71.7603 100990500 Dec 31, 19 0.5325 0.0073 252 rows × 25 columns
我们可以看到每个数据源提供了略有不同的输出列。
Python 金融交易实用指南（三）（4）https://developer.aliyun.com/article/1523775
