Python量化炒股的数据信息获取— 获取上市公司股东和股本信息

简介: Python量化炒股的数据信息获取— 获取上市公司股东和股本信息

Python量化炒股的数据信息获取— 获取上市公司股东和股本信息
获取上市公司股东和股本信息,即获取上市公司的十大股东信息、十大流通股东信息、股东股份质押信息、股东股份冻结信息、股东户数信息、大股东减持信息和上市公司股本变动信息。

获取上市公司的十大股东信息
上市公司的十大股东数据,都存放在STK_SHAREHOLDER_TOP10表中,该表保存在finance包中。要查看表中的数据信息,需要使用query()函数。

单击聚宽JoinQuant量化炒股平台中的”策略研究/研究环境“命令,进入Jupyter Notebook的研究平台。然后单击“新建”按钮,创建Python3文件,接着输入如下代码:

from jqdata import finance
q=query(finance.STK_SHAREHOLDER_TOP10).filter(finance.STK_SHAREHOLDER_TOP10.code=='002465.XSHE')
df=finance.run_query(q)
df

在这里查看了海格通信的十大股东信息。

单击工具栏运行按钮,快捷键(shift+enter),运行结果如下图:

image.png

STK_SHAREHOLDER_TOP10表的常用字段意义如下:

code:证券代码

company_name:公司名称

shareholder_name:股东名称

shareholder_rank:股东名次

share_number:持股数量

share_ratio:持股比例

share_snature:股份性质

显示海格通信的第一大股东的名称、持股数量和持股比例,具体代码如下:

from jqdata import finance
q=query(finance.STK_SHAREHOLDER_TOP10.shareholder_name, finance.STK_SHAREHOLDER_TOP10.share_number,
       finance.STK_SHAREHOLDER_TOP10.share_ratio).filter(finance.STK_SHAREHOLDER_TOP10.code=='002465.XSHE', finance.STK_SHAREHOLDER_TOP10.shareholder_rank==1)
df1 = finance.run_query(q)
print('海格通信的第一大股东的名称、持股数量和持股比例:\n', df1)

单击工具栏运行按钮,快捷键(shift+enter),运行结果如下图:

image.png

显示海格通信股份有限公司的十大股东的股票代码,具体代码如下:

from jqdata import finance
q=query(finance.STK_SHAREHOLDER_TOP10).filter(finance.STK_SHAREHOLDER_TOP10.shareholder_name=='招商局轮船股份有限公司')
df2 = finance.run_query(q)
b = set(df2['code'])
print('招商局轮船有限公司是十大股东的股票代码:', b)

显示招商局轮船股份有限公司十大股东的股票代码,具体代码如下:

from jqdata import finance
q=query(finance.STK_SHAREHOLDER_TOP10).filter(finance.STK_SHAREHOLDER_TOP10.shareholder_name=='招商局轮船股份有限公司')
df2 = finance.run_query(q)
b = set(df2['code'])
print('招商局轮船有限公司是十大股东的股票代码:', b)

这里需要注意:利用df2[‘code’]获取满足条件的股票代码后,还要转化集合变量,这样可以保证股票代码不重复出现 。

单击工具栏运行按钮,快捷键(shift+enter),运行结果如下:

image.png

再来显示招商局轮船股份有限公司是十大股东的股票,近10个交易日的收盘价信息,具体代码如下:

import pandas as pd
df1 = history(10, unit='1d', field='close', security_list=b, df=True, skip_paused=False, fq='pre')
print('招商局轮船股份有限公司十大股东的股票,近10个交易日的收盘价信息:\n', df1)

image.png

获取上市公司的十大流通股东信息
上市公司的十大流通股东数据,都存放在STK_SHAREHOLDER_FLOATING_TOP10表中,该表保存在finance包中。要查看表中的数据信息,需要使用query()函数。

单击聚宽JoinQuant量化炒股平台中的”策略研究/研究环境“命令,进入Jupyter Notebook的研究平台。然后单击“新建”按钮,创建Python3文件,接着输入如下代码:

from jqdata import finance
q=query(finance.STK_SHAREHOLDER_FLOATING_TOP10).filter(finance.STK_SHAREHOLDER_FLOATING_TOP10.code=='002465.XSHE', 
                                                       finance.STK_SHAREHOLDER_FLOATING_TOP10.pub_date>'2020-04-26')
df=finance.run_query(q)
df

下面显示的是公告日期2020年4月26日之后的海格通信的十大流通股东信息。

单击工具栏运行按钮,快捷键(shift+enter),运行结果如下:
image.png

STK_SHAREHOLDER_FLOATING_TOP10表的常用字段,与STK_SHAREHOLDER_TOP10表相同。

获取股东股份质押信息
上市公司的股东股份质押数据,都存放在SKT_SHARES_PLEDGE表中,该表保存在finance包中。要查看表中的数据信息,需要使用query()函数。

单击聚宽JoinQuant量化炒股平台中的”策略研究/研究环境“命令,进入Jupyter Notebook的研究平台。然后单击“新建”按钮,创建Python3文件,接着输入如下代码:

from jqdata import finance
q=query(finance.STK_SHARES_PLEDGE).filter(finance.STK_SHARES_PLEDGE.code=='002540.XSHE')
df=finance.run_query(q)
df

下面显示的是亚太科技的股东股份质押信息。

单击工具栏运行按钮,快捷键(shift+enter),运行结果如下:

image.png

STK_SHARES_PLEDGE表的常用字段意义如下:

code:证券代码

company_name:公司名称

pledgor:质权人

pledge_item:质押事项

pledge_number:质押数量

pledge_total_ratio:占总股本比例

start_date:质押起始日

end_date:质押终止日

unpledged_date:质押解除日

unpledged_number:质押解除数量

unpledged_detail:解除质押说明

获取股东股份冻结信息
上市公司的股东股份冻结数据,都存放在STK_SHARES_FROZEN表中,该表保存在finance包中,要查看表中的数据信息,需要使用query()函数。

单击聚宽JoinQuant量化炒股平台中的”策略研究/研究环境“命令,进入Jupyter Notebook的研究平台。然后单击“新建”按钮,创建Python3文件,接着输入如下代码:

from jqdata import finance
q=query(finance.STK_SHARES_FROZEN).filter(finance.STK_SHARES_FROZEN.code=='600108.XSHG')
df=finance.run_query(q)
df

下面显示的是亚盛集团的股东股份冻结信息。

单击工具栏运行按钮,快捷键(shift+enter),运行结果如下:

STK_SHARES_FROZEN表的常用字段意义如下:

code:证券代码

company_name:公司名称

frozen_number:冻结数量

frozen_total_ratio:占总比股份比例

start_date:冻结起始日

image.png

end_date:冻结终止日

unfrozen_date:解冻日期

unfrozen_number:累计解冻数量

unfrozen_detail:解冻处理说明

股东户数信息
上市公司的股东户数数据,都存放在STK_HOLDER_NUM表中,该表保存在finance包中。要查看表中的数据信息,需要使用query()函数。

单击聚宽JoinQuant量化炒股平台中的”策略研究/研究环境“命令,进入Jupyter Notebook的研究平台。然后单击“新建”按钮,创建Python3文件,接着输入如下代码:

from jqdata import finance
q=query(finance.STK_HOLDER_NUM).filter(finance.STK_HOLDER_NUM.code=='002465.XSHE', finance.STK_HOLDER_NUM.pub_date > '2018-01-01')
df=finance.run_query(q)
df

下面显示的是2018年1月1日之后的海格通信的股东户数信息。

单击工具栏运行按钮,快捷键(shift+enter),运行结果如下:

image.png

STK_HOLDER_NUM表的常用字段意义如下。

code:证券代码

pub_date:公告日期

end_date:截止日期

share_holders:股东总户数

a_share_holders:A股股东总户数

b_share_holders:B股股东总户数

h_share_holders:H股股东总户数

大股东减持信息
上市公司大股东减持数据,都存放在STK_SHAREHOLDERS_SHARE_CHANGE表中,该表保存在finance包中。要查看表中的数据信息,需要使用query()函数。

单击聚宽JoinQuant量化炒股平台中的”策略研究/研究环境“命令,进入Jupyter Notebook的研究平台。然后单击“新建”按钮,创建Python3文件,接着输入如下代码:

from jqdata import finance
q=query(finance.STK_SHAREHOLDERS_SHARE_CHANGE).filter(finance.STK_SHAREHOLDERS_SHARE_CHANGE.code=='002465.XSHE')
df=finance.run_query(q)
df

下面显示的是海格通信的大股东减持信息。

单击工具栏运行按钮,快捷键(shift+enter),运行结果如下:

image.png

STK_SHAREHOLDERS_SHARE_CHANGE表的常用字段意义如下。

code:证券代码

pub_date:公告日期

change_number:变动数量

change_ratio:变动数量占总股本比例

price_ceiling:增(减)持价格上限,公告中一般会给一个增持或者减持的价格区间,上限就是增持价格或减持价格低最高价。

after_change_ratio:变动后占比

end_date:增(减)持截止日

type:增(减)持类型,0表示增持,1表示减持。

上市公司股本变动信息
上市公司的股本变动数据,都存放在STK_CAPITAL_CHANGE表中,该表保存在finance包中。要查看表中的数据信息,需要使用query()函数。

单击聚宽JoinQuant量化炒股平台中的”策略研究/研究环境“命令,进入Jupyter Notebook的研究平台。然后单击“新建”按钮,创建Python3文件,接着输入如下代码:

from jqdata import finance
q=query(finance.STK_CAPITAL_CHANGE).filter(finance.STK_CAPITAL_CHANGE.code=='002465.XSHE')
df=finance.run_query(q)
df

下面显示的海格通信的股本变动信息。单击工具栏运行按钮,快捷键(shift+enter),运行结果如下:

STK_CAPITAL_CHANGE表的常用字段意义如下。

code:证券代码

company_name:公司名称

change_date:变动日期

pub_date:公告日期

change_reason:变动原因

share_total:总股本。总股本=为流通股份+已流通股份, 单位:万股。

share_non_trade:为流通股份。为流通股份=发起人股份+募集法人股份+内部职工+优先股+转配股+其他为流通股+配售法人股+已发行未上市股份。

share+start:发起人股份。发起人股份=国家持股+国有法人持股+境内法人持股+境外法人持股+自然人持股。

share_management:高管股

share_management_limited:限售高管股

control_shareholder_limited:控股股东、实际控制人(受限)

core_employee_limited:核心员工(受限)

image.png

相关文章
|
1月前
|
数据采集 Web App开发 数据可视化
Python零基础爬取东方财富网股票行情数据指南
东方财富网数据稳定、反爬宽松,适合爬虫入门。本文详解使用Python抓取股票行情数据,涵盖请求发送、HTML解析、动态加载处理、代理IP切换及数据可视化,助你快速掌握金融数据爬取技能。
1077 1
|
1月前
|
Java 数据挖掘 数据处理
(Pandas)Python做数据处理必选框架之一!(一):介绍Pandas中的两个数据结构;刨析Series:如何访问数据;数据去重、取众数、总和、标准差、方差、平均值等;判断缺失值、获取索引...
Pandas 是一个开源的数据分析和数据处理库,它是基于 Python 编程语言的。 Pandas 提供了易于使用的数据结构和数据分析工具,特别适用于处理结构化数据,如表格型数据(类似于Excel表格)。 Pandas 是数据科学和分析领域中常用的工具之一,它使得用户能够轻松地从各种数据源中导入数据,并对数据进行高效的操作和分析。 Pandas 主要引入了两种新的数据结构:Series 和 DataFrame。
356 0
|
1月前
|
JSON 算法 API
Python采集淘宝商品评论API接口及JSON数据返回全程指南
Python采集淘宝商品评论API接口及JSON数据返回全程指南
|
1月前
|
JSON API 数据安全/隐私保护
Python采集淘宝拍立淘按图搜索API接口及JSON数据返回全流程指南
通过以上流程,可实现淘宝拍立淘按图搜索的完整调用链路,并获取结构化的JSON商品数据,支撑电商比价、智能推荐等业务场景。
|
Python
Python 金融量化 随机指标交易策略(下)
Python 金融量化 随机指标交易策略(下)
492 0
Python 金融量化 随机指标交易策略(下)
|
Python
Python 金融量化 随机指标交易策略(上)
Python 金融量化 随机指标交易策略(上)
784 0
Python 金融量化 随机指标交易策略(上)
|
2月前
|
数据采集 机器学习/深度学习 人工智能
Python:现代编程的首选语言
Python:现代编程的首选语言
275 102
|
2月前
|
数据采集 机器学习/深度学习 算法框架/工具
Python:现代编程的瑞士军刀
Python:现代编程的瑞士军刀
300 104
|
2月前
|
人工智能 自然语言处理 算法框架/工具
Python:现代编程的首选语言
Python:现代编程的首选语言
251 103
|
2月前
|
机器学习/深度学习 人工智能 数据挖掘
Python:现代编程的首选语言
Python:现代编程的首选语言
191 82

推荐镜像

更多