事先下载好的上交所日线csv数据。
下载：点github界面右上角的绿色<>Code按钮，然后选菜单下面的Download Zip就行，用Git也可以。因为只有上交所没有深交所，所以只有大约1685支股票，解压之后一共大约有150MB。
来源：数据都是直接使用akshare库的stock_zh_a_hist下载后保存到csv的。stock_zh_a_hist会用这个网站爬取数据：https://quote.eastmoney.com/concept/sh603777.html?from=classic。都是前赋权的数据。
用法：直接用pandas读取csv文件。比如：
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import os
import random
# 随机绘制一支股票
def plot_random_stock():
filename = random.choice(os.listdir('stocks'))
df = pd.read_csv('stocks/' + filename)
plt.plot(df['close'])
plt.plot(df['close'].rolling(5).mean())
plt.plot(df['close'].rolling(20).mean())
plt.show()
# 读取所有股票最后一天的收盘价
def read_all_stocks():
for filename in os.listdir('stocks'):
df = pd.read_csv('stocks/' + filename)
print(filename, df.iloc[-1, 'close'])重新下载数据:
import pandas as pd
import akshare as ak
import os
def download_all_stocks():
print('start')
# create `stocks` folder
if not os.path.exists('stocks'):
os.mkdir('stocks')
df = get_name_code()
df.to_csv('stocks/name_code.csv')
for i in range(len(df)):
symbol = df.index[i]
if os.path.exists(f'stocks/{symbol}.csv'):
continue
print(f'{i}/{len(df)} {symbol}')
stock = get_stock(symbol)
stock.rename(columns={
'日期': 'date',
'开盘': 'open',
'收盘': 'close',
'最高': 'high',
'最低': 'low',
'成交量': 'volume',
}, inplace=True)
stock.drop(columns=['成交额', '振幅', '涨跌幅', '涨跌额', '换手率'], inplace=True)
stock.set_index('date', inplace=True)
stock.to_csv(f'stocks/{symbol}.csv')
print('done')你的Python程序需要能访问到stocks文件夹。所以你可以把Python脚本和stocks文件夹放在同一个目录下。
文件结构：
test.py
download.py
stocks
├── 000001.csv
├── 000002.csv
├── ...
└── 603999.csv
除了像这样一次性下载所有数据，也可以试一试用joblib.Memory把下载的数据缓存到cache文件夹，防止它每次运行都重复下载。
和别的技术相比，金融这方面的库、教程、信息相对都比较少，很多都不在互联网上公开。根据我的尝试，akshare是能找到的相关的库中最方便的一个。比别的库反应快不少，而且不需要登陆。数据的类型挺多的，而且读出来就直接是整理好类型的Pandas DataFrame。除此之外，还可以看一下yfinance，可以从雅虎上面爬取美股一类的数据。据我所知，聚宽一类的线上平台，或者backtrader，支持更复杂的模拟交易和回测。talib提供了一些技术指标、因子。万得一类的工具能获得很多信息，还能直接下载研究报告，这是最好的。