Tushare接口文档:期货日线行情(fut_daily)

简介: `fut_daily`接口是Tushare Pro中用于获取期货合约日线行情数据的核心工具。它提供了期货合约每日的价格、成交、持仓等关键信息,是进行期货趋势分析、策略回测和风险管理的基础数据源。
  • 功能描述:获取期货合约每日的价格、成交、持仓等日线行情
  • 返回限量:单次请求最大返回2000行
  • 接口权限:2000积分300次/分钟,5000积分500次/分钟
  • 说明
  1. 每个交易日21点第5分钟;


输入参数:

名称

类型

必选

描述

trade_date

str

N

交易日期(YYYYMMDD格式,下同)

ts_code

str

N

合约代码

exchange

str

N

交易所代码

start_date

str

N

开始日期

end_date

str

N

结束日期


输出参数:

名称

类型

默认显示

描述

ts_code

str

Y

TS合约代码

trade_date

str

Y

交易日期

pre_close

float

Y

昨收盘价

pre_settle

float

Y

昨结算价

open

float

Y

开盘价

high

float

Y

最高价

low

float

Y

最低价

close

float

Y

收盘价

settle

float

Y

结算价

change1

float

Y

涨跌1 收盘价-昨结算价

change2

float

Y

涨跌2 结算价-昨结算价

vol

float

Y

成交量(手)

amount

float

Y

成交金额(万元)

oi

float

Y

持仓量(手)

oi_chg

float

Y

持仓量变化

delv_settle

float

N

交割结算价


示例:

示例1:获取某个交易日所有期货日行情

通过仅传递trade_date来获取某一交易日的数据。

import tushare as ts
pro = ts.pro_api()
df = pro.fut_daily(trade_date='20260724')
df

输出结果:

          ts_code        trade_date        pre_close        pre_settle        open        high        low        close        settle        change1        change2        vol        amount        oi        oi_chg
0        T.CFX        20260724        109.215        109.215        109.210        109.295        109.015        109.290        109.26        0.075        0.045        88780.0        9.696240e+06        375819.0        -1583.0
1        TF.CFX        20260724        106.435        106.440        106.430        106.470        106.375        106.460        106.44        0.020        0.000        70201.0        7.471680e+06        223347.0        -5172.0
2        TL0.CFX        20260724        114.720        114.690        114.610        114.860        114.520        114.840        114.72        0.150        0.030        82771.0        9.489844e+06        206221.0        6.0
3        TS.CFX        20260724        102.614        102.610        102.614        102.620        102.590        102.618        102.61        0.008        0.000        43462.0        8.918690e+06        86940.0        -4478.0
4        IC.CFX        20260724        7602.600        7594.400        7520.000        7596.000        7410.600        7416.000        7437.60        -178.400        -156.800        139718.0        2.094276e+07        187456.0        2797.0
...        ...        ...        ...        ...        ...        ...        ...        ...        ...        ...        ...        ...        ...        ...        ...
1068        ZN2703.SHF        20260724        24960.000        24910.000        24750.000        24800.000        24750.000        24750.000        24765.00        -160.000        -145.000        3.0        3.715000e+01        117.0        1.0
1069        ZN2704.SHF        20260724        24970.000        24895.000        24835.000        24860.000        24750.000        24805.000        24805.00        -90.000        -90.000        9.0        1.116350e+02        95.0        -2.0
1070        ZN2705.SHF        20260724        24980.000        24895.000        24845.000        24905.000        24745.000        24845.000        24805.00        -50.000        -90.000        26.0        3.224950e+02        135.0        -2.0
1071        ZN2706.SHF        20260724        24910.000        24905.000        24850.000        24905.000        24765.000        24875.000        24800.00        -30.000        -105.000        33.0        4.092075e+02        76.0        3.0
1072        ZN2707.SHF        20260724        24980.000        24960.000        24765.000        24765.000        24765.000        24765.000        24765.00        -195.000        -195.000        2.0        2.476500e+01        13.0        0.0
1073 rows × 15 columns

示例2:获取某支特定期货一段时间内的日行情

通过传递ts_code可指定返回特定合约数据,传递start_dateend_date可指定返回数据的日期区间。fields可指定返回的字段。

df = pro.fut_daily(
    ts_code='CU2412.SHF', 
    start_date='20240701', 
    end_date='20240930',
    fields='trade_date,open,high,low,close,vol,oi'
)
df

输出结果:

          trade_date        open        high        low        close        vol        oi
0        20240930        78480.0        79400.0        78140.0        78800.0        62028.0        134338.0
1        20240927        78200.0        79160.0        77830.0        78760.0        70305.0        132366.0
2        20240926        77040.0        77750.0        76820.0        77680.0        44124.0        122425.0
3        20240925        77030.0        78010.0        76930.0        77040.0        53961.0        116438.0
4        20240924        75320.0        76680.0        75320.0        76660.0        48451.0        109318.0
...        ...        ...        ...        ...        ...        ...        ...
59        20240705        80790.0        81250.0        80440.0        81110.0        4223.0        28475.0
60        20240704        80450.0        80990.0        80260.0        80410.0        5110.0        28473.0
61        20240703        79450.0        80100.0        79130.0        80090.0        4306.0        27600.0
62        20240702        79050.0        79340.0        78800.0        79150.0        3441.0        27211.0
63        20240701        78880.0        79290.0        78280.0        78430.0        3611.0        27031.0
64 rows × 7 columns

示例3:获取特定交易所所有期货日行情

本示例演示获取2018年11月13日大商所全部合约行情数据。

df = pro.fut_daily(trade_date='20181113', exchange='DCE', fields='ts_code,trade_date,pre_close,pre_settle,open,high,low,close,settle,vol')
df

输出结果:

          ts_code        trade_date        pre_close        pre_settle        open        high        low        close        settle        vol
0        A.DCE        20181113        3504.0        3493.0        3502.0        3509.0        3452.0        3471.0        3476.0        121434.0
1        A1811.DCE        20181113        3460.0        3448.0        NaN        NaN        NaN        3430.0        3430.0        0.0
2        A1901.DCE        20181113        3504.0        3493.0        3502.0        3509.0        3452.0        3471.0        3476.0        121434.0
3        A1903.DCE        20181113        3498.0        3498.0        3578.0        3579.0        3529.0        3529.0        3554.0        28.0
4        A1905.DCE        20181113        3715.0        3701.0        3718.0        3732.0        3680.0        3695.0        3702.0        17726.0
...        ...        ...        ...        ...        ...        ...        ...        ...        ...        ...
195        Y1905.DCE        20181113        5554.0        5526.0        5550.0        5558.0        5514.0        5536.0        5538.0        64596.0
196        Y1907.DCE        20181113        5586.0        5614.0        NaN        NaN        NaN        5614.0        5614.0        0.0
197        Y1908.DCE        20181113        5686.0        5686.0        NaN        NaN        NaN        5698.0        5698.0        0.0
198        Y1909.DCE        20181113        5644.0        5624.0        5632.0        5654.0        5620.0        5638.0        5636.0        1538.0
199        YL.DCE        20181113        5446.0        5446.0        NaN        NaN        NaN        5446.0        5446.0        0.0
200 rows × 10 columns

示例4:分析主力合约的持仓变化

本示例演示分析豆粕主力合约(假设为M2501.DCE)在20240801~20240930之间的持仓变化。

import pandas as pd
df_m = pro.fut_daily(
    ts_code='M2501.DCE',
    start_date='20240801',
    end_date='20240930',
    fields='trade_date,close,oi,oi_chg'
)
df_m['trade_date'] = pd.to_datetime(df_m['trade_date'])
df_m = df_m.sort_values('trade_date')
# 计算持仓量变化率
df_m['oi_pct_chg'] = df_m['oi'].pct_change() * 100
df_m[['trade_date', 'close', 'oi', 'oi_pct_chg']].tail(10)

输出结果:

          trade_date        close        oi        oi_pct_chg
9        2024-09-13        3075.0        1320196.0        -2.488609
8        2024-09-18        3138.0        1342233.0        1.669222
7        2024-09-19        3065.0        1341345.0        -0.066158
6        2024-09-20        3065.0        1339776.0        -0.116972
5        2024-09-23        3056.0        1324514.0        -1.139146
4        2024-09-24        3102.0        1297733.0        -2.021949
3        2024-09-25        3052.0        1339028.0        3.182088
2        2024-09-26        3116.0        1271314.0        -5.056952
1        2024-09-27        3089.0        1283304.0        0.943119
0        2024-09-30        3150.0        1342957.0        4.648392


总结:

fut_daily接口是Tushare Pro中用于获取期货合约日线行情数据的核心工具。它提供了期货合约每日的价格、成交、持仓等关键信息,是进行期货趋势分析、策略回测和风险管理的基础数据源。

相关文章
|
2月前
|
Arthas Java 测试技术
Arthas mc + retransform 实战:线上改完代码不用重新发版
找到 bug 却等不起发版?用 Arthas mc 编译 `.java`,再配合 retransform 热更新方法逻辑,并讲清限制与 jad 验收
Arthas mc + retransform 实战:线上改完代码不用重新发版
|
2月前
Tushare接口文档:分红送股(dividend)
本文旨在对Tushare的分红送股`dividend`数据接口进行介绍,提供更多参考示例和使用说明。 `dividend`接口是Tushare Pro中用于查询上市公司分红送股历史记录的核心工具。它提供了股票历次股利分配(包括现金分红、送股、转增股本)的详细方案与关键日期,是进行除权除息调整、股息率策略研究以及量化回测中复权计算的重要依据。
230 1
|
2月前
|
存储
Tushare接口文档:交易日历(trade_cal)
本文旨在对Tushare的交易日历trade_cal数据接口进行介绍,提供更多参考示例和使用说明。交易日历可以用来作为获取其他数据的关键(迭代)参数,也可以进行其他的应用。本文还基于交易日介绍了如何获取每周及每月最后一个交易日。
545 1
Tushare接口文档:交易日历(trade_cal)
|
2月前
|
数据挖掘
Tushare接口文档:个股资金流向(moneyflow)
本文旨在对Tushare的个股资金流向`moneyflow`数据接口进行介绍,提供更多参考示例和使用说明。 本接口可获取沪深A股票资金流向数据,分析大单小单成交情况,用于判别资金动向。本文除了从交易日、个股方面简单介绍如何快速获取数据外,还演示了如何计算主力资金流向及对单支股票主力资金流向绘制趋势图,最后演示了如何筛选主力资金净流入top 10的个股。
580 9
|
2月前
|
存储 算法
Tushare接口文档:复权因子(adj_factor)
本文介绍的复权因子是“累计后复权因子”,存储的是每个交易日的快照。本文介绍了如何获取某个交易日全市场股票的复权因子、如何获取单只股票最近6000条复权因子、如何获取某段时间区间里的复权因子以及如何计算前复权和后复权价格。
392 8
|
2月前
Tushare接口文档:股票历史分钟行情(stk_mins)
本文旨在对Tushare的股票历史分钟行情`stk_mins`数据接口进行介绍,提供更多参考示例和使用说明。股票分钟行情作为中高频数据,在投资中扮演着极其重要的角色。本文介绍了如何如何获取不同频率的分钟行情、常见的参数设置以及简要介绍了统计区间口径。
356 1
|
2月前
|
存储 人工智能 运维
让 Agent 越用越准、成本越来越低:AgentLoop 的 Agent 经验自进化闭环
本文介绍 AgentLoop 如何基于真实运行轨迹自动挖掘和召回经验,在不重新训练模型的情况下,帮助企业提升 Agent 的准确率与稳定性,并降低 Token、工具调用和人工调优成本。
330 14
|
2月前
|
机器学习/深度学习 缓存 人工智能
月之暗面 Kimi K3 接入百炼平台:100 万 Token 长文本,缓存仅 2 元 / 百万输入
全球首个开源3万亿级大模型Kimi K3(2.8万亿参数)正式上线阿里云百炼平台,支持100万Token超长上下文、原生视觉理解与深度推理。文本生成、多模态分析、复杂逻辑任务表现卓越,输入20元/百万Token(缓存命中仅2元),面向长程编程、知识工作等高阶场景。在阿里云百炼官网:https://t.aliyun.com/U/fPVHqY 免费领取千万Tokens
270 3
|
2月前
|
人工智能 前端开发 小程序
从知识库问答到企业系统集成:智能体接入客户域名的工程化实践
如何让用户通过客户自己的域名访问智能体?如何让智能体读取或操作客户内部系统?
276 3
|
2月前
|
人工智能 自然语言处理 Java
Trae 3.0月活破500万:但为什么说Java开发者需要的不是代码补全,而是工程交付?
trae月活突破500万,,Solo Mode 3.0实现无人值守全流程编程。这是AI编程工具的一个里程碑。Trae 3.0的定位从"代码补全"升级到"全流程代理"——自然语言输入需求,AI自动完成编码、测试、部署全链路。它甚至可以在夜间和周末自主运行,批量处理多个项目。