Tushare接口文档:沪深港通股票列表(stock_hsgt)

简介: 本文旨在对Tushare的沪深港通股票列表stock_hsgt数据接口进行介绍,提供更多参考示例和使用说明。通过沪深港通股票列表数据信息,我们能够了解到每个交易日沪港通和深港通下四个方向通道的交易标的有哪些。再结合Tushare的其他数据接口,就能够了解到北向、南向资金的情况和相应股票的表现。
  • 功能描述:获取每日沪深港通股票列表,该接口包含了沪港通和深港通下四个方向通道的股票信息
  • 返回限量:单次请求最大返回2000行数据
  • 接口权限:3000积分起
  • 说明

   1. 每个交易日9:10-9:30更新;

   2. 本接口数据最早从2025/08/12开始;

   3. 2023年之前沪港通和深港通下面的港股通标的范围存在不同,但之后两者的标的已基本一致了;

   4. 在获取数据的时候必须传入“类型(type)”字段,否则会导致数据获取不全或者获取到了错误的数据;


输入参数:

名称

类型

必选

描述

ts_code

str

N

股票代码

trade_date

str

N

交易日期(格式:YYYYMMDD)

type

str

Y

类型(参考下表)

start_date

str

N

开始时间

end_date

str

N

结束时间

类型(type)说明如下:

类型

类型名称

资金方向

HK_SZ

深股通(港>深)

北向

SZ_HK

港股通(深>港)

南向

HK_SH

沪股通(港>沪)

北向

SH_HK

港股通(沪>港)

南向


输出参数:

名称

类型

默认显示

描述

ts_code

str

Y

股票代码

trade_date

str

Y

交易日期

type

str

Y

类型

name

str

Y

股票名称

type_name

str

Y

类型名称


示例:

示例1:获取2026/07/10深股通的股票信息

import tushare as ts
pro = ts.pro_api()
df = pro.stock_hsgt(trade_date='20260710', type='HK_SZ')
df

输出结果:

ts_code        trade_date        type        name        type_name
0        000401.SZ        20260710        HK_SZ        金隅冀东        深股通(港>深)
1        000060.SZ        20260710        HK_SZ        中金岭南        深股通(港>深)
2        000596.SZ        20260710        HK_SZ        古井贡酒        深股通(港>深)
3        000027.SZ        20260710        HK_SZ        深圳能源        深股通(港>深)
4        000581.SZ        20260710        HK_SZ        威孚高科        深股通(港>深)
...        ...        ...        ...        ...        ...
1862        301387.SZ        20260710        HK_SZ        光大同创        深股通(港>深)
1863        301501.SZ        20260710        HK_SZ        恒鑫生活        深股通(港>深)
1864        301602.SZ        20260710        HK_SZ        超研股份        深股通(港>深)
1865        301622.SZ        20260710        HK_SZ        英思特        深股通(港>深)
1866        002003.SZ        20260710        HK_SZ        伟星股份        深股通(港>深)
1867 rows × 5 columns

示例2:获取2026/07/10沪深港通所有股票信息

通过传递每个交易日(trade_date),按照类型遍历4次获取每日沪深港通所有股票信息。

import pandas as pd
d = '20260710'
lst_all = []
for t in ['HK_SZ', 'SZ_HK', 'HK_SH', 'SH_HK']:
    df = pro.stock_hsgt(trade_date=d, type=t)
    lst_all.append(df)
df_all = pd.concat(lst_all, ignore_index=True)
df_all

输出结果:

ts_code        trade_date        type        name        type_name
0        000401.SZ        20260710        HK_SZ        金隅冀东        深股通(港>深)
1        000096.SZ        20260710        HK_SZ        广聚能源        深股通(港>深)
2        000596.SZ        20260710        HK_SZ        古井贡酒        深股通(港>深)
3        000027.SZ        20260710        HK_SZ        深圳能源        深股通(港>深)
4        000581.SZ        20260710        HK_SZ        威孚高科        深股通(港>深)
...        ...        ...        ...        ...        ...
4724        02869.HK        20260710        SH_HK        绿城服务        港股通(沪>港)
4725        02983.HK        20260710        SH_HK        禾赛-W        港股通(沪>港)
4726        03898.HK        20260710        SH_HK        时代电气        港股通(沪>港)
4727        09660.HK        20260710        SH_HK        地平线机器人-W        港股通(沪>港)
4728        09911.HK        20260710        SH_HK        赤子城科技        港股通(沪>港)
4729 rows × 5 columns

示例3:查询某支股票在哪些交易日被纳入深港通范围

df = pro.stock_hsgt(ts_code='000401.SZ', type='HK_SZ')
df

输出结果:

ts_code        trade_date        type        name        type_name
0        000401.SZ        20260710        HK_SZ        金隅冀东        深股通(港>深)
1        000401.SZ        20260709        HK_SZ        金隅冀东        深股通(港>深)
2        000401.SZ        20260708        HK_SZ        金隅冀东        深股通(港>深)
3        000401.SZ        20260707        HK_SZ        金隅冀东        深股通(港>深)
4        000401.SZ        20260706        HK_SZ        金隅冀东        深股通(港>深)
...        ...        ...        ...        ...        ...
205        000401.SZ        20250822        HK_SZ        冀东水泥        深股通(港>深)
206        000401.SZ        20250815        HK_SZ        冀东水泥        深股通(港>深)
207        000401.SZ        20250814        HK_SZ        冀东水泥        深股通(港>深)
208        000401.SZ        20250813        HK_SZ        冀东水泥        深股通(港>深)
209        000401.SZ        20250812        HK_SZ        冀东水泥        深股通(港>深)
210 rows × 5 columns


说明:

本文说明

本文旨在对Tushare的沪深港通股票列表stock_hsgt数据接口进行介绍,提供更多参考示例和使用说明。通过沪深港通股票列表数据信息,我们能够了解到每个交易日沪港通和深港通下四个方向通道的交易标的有哪些。再结合Tushare的其他数据接口,就能够了解到北向、南向资金的情况和相应股票的表现。本文目的是为了让用户和AIGC工具能够更便捷、准确地使用该接口。大家在使用过程中遇到什么问题和建议可在线留言,作者会进行数据探索将结果更新到文章中,并将建议反馈给Tushare团队。本文另一个目的也是为了聚集大家的智慧以创建“我为人人,人人为我”的共创氛围。

相关文章
|
20小时前
|
存储 弹性计算 人工智能
阿里云服务器多少钱一年?2026最新ECS、轻量和GPU服务器收费价格表(手动整理)
2026年阿里云服务器优惠价出炉:轻量应用服务器低至38元/年(2核2G+200M峰值带宽),ECS经济型99元/年(2核2G+3M带宽),企业专享u1实例199元/年(2核4G+5M+80G盘)。香港轻量25元/月起,GPU及高配ECS同步促销,全地域可用,续费同价。阿里云官方活动:https://t.aliyun.com/U/OTnSAH
82 1
|
开发者
2024 乘风者计划全新启航!快来加入吧!
 2021年,阿里云开发者社区焕新升级,重磅推出“乘风者计划”!诚邀四海技术博主入驻社区,泼墨云间,书写天地。入驻社区,即可享丰厚权益! 新的一年,乘风者计划重磅升级!
252356 81
|
2天前
|
人工智能 IDE 开发工具
零门槛上手阿里云Qoder CN(原灵码):免费社区版、Credits额度与核心功能完整说明
Qoder CN(原通义灵码)是阿里云推出的AI智能编码助手,覆盖个人与企业全场景开发需求,提供免费社区版与付费专业版,引入Credits资源计费机制,支持多模型自由切换,适配主流开发环境,大幅提升编码效率。以下从版本权益、Credits计费、AI模型支持、核心功能及使用要点,全面解析Qoder CN的使用规则与能力边界,帮助用户精准选型、高效使用。
196 0
|
1月前
|
人工智能 监控 安全
大模型应用:医疗AI智能体幻觉防控:幻觉抑制的四层防护体系应用实践.128
医疗AI幻觉指大模型生成虚假、无据、矛盾的医疗信息,危及生命安全。本文提出“事前约束—事中校验—人工兜底—反馈闭环”四层防护体系,通过提示词强制规范、规则引擎实时拦截、医师审核白名单、用户反馈持续迭代,将幻觉率压至<0.5%,实现医疗场景零容忍安全落地。
212 1
|
1月前
|
人工智能 API 数据库
食物图片热量识别-菜品图片热量识别-菜品热量识别-食物热量识别-食物卡路里识别API接口介绍
本API基于AI大模型,支持拍照秒识多菜品,自动识别食物名称、预估重量、计算热量(含GI值)及营养成分,将饮食记录从几分钟缩短至几秒,操作零负担,助用户轻松坚持健康追踪。
240 2
|
1月前
|
编解码 Windows
新写了个直播录制工具,可录制抖音快手斗鱼直播
新推直播录制工具M3U8Quicker,基于原视频下载工具升级,支持抖音、快手、斗鱼等主流平台的HTTP-FLV/HLS直播录制。安装浏览器扩展后自动识别直播流,一键新建任务、持续录制至下播,支持转码H.265→H.264。开源免费,GitHub可下载。
440 0
|
2月前
|
存储 缓存 安全
大模型应用:大模型响应缓存技术完全指南:TTL 缓存装饰器的设计与落地.112
本文详解大模型应用中缓存装饰器的实战实现,直击响应慢、成本高两大痛点。从基础缓存出发,逐步升级为支持TTL过期、线程安全、LRU淘汰、异常防护及哈希键优化的生产级方案,显著提升响应速度、降低Token消耗、增强系统稳定性。
284 7
|
3月前
|
机器学习/深度学习 数据采集 算法
大模型应用:K-Means/LDA + 千问大模型:无监督文本自动打标完整方案.85
本文介绍“聚类算法+大模型”无监督自动打标方案:先用K-Means/LDA对海量无标签文本(如电商评论、客服工单)自动分组,再由大模型为每簇生成可理解的业务标签与语义解释,实现从“类1/类2”到“物流慢”“价格争议”等高价值洞察的跃迁,显著降本增效。
526 6
|
3月前
|
弹性计算 人工智能 安全
CentOS停服别慌!阿里云Alibaba Cloud Linux免费替代方案来了
CentOS停服不用慌!阿里云自研Alibaba Cloud Linux免费替代方案上线,官网:https://t.aliyun.com/U/KReVDn 阿里云自研Linux 100%免费、十年长周期支持、深度适配ECS,兼容CentOS/RHEL生态,启动更快、性能更强、热补丁免重启,已广泛用于AI、大数据、容器等场景。
482 5