Pythonで便利な株式のオープンソースライブラリakshare

尝试して株式データを取得して調査してみましたが、検索と比較の結果、akshare というライブラリを使用することに決めました。このライブラリは常に更新されており、ドキュメントも中国語で詳細に記載されています。

akshare ドキュメントのリンク：https://www.akshare.xyz/

7538ad090168ea082b8e1a961345ffc9
株式のさまざまなデータ取得方法
akshare ライブラリのインポート

1import akshare as ak
2import pandas as pd

1. 株式の基本情報データ#

1ak.stock_individual_info_em(symbol="000651")

7776dd5e1362e50450dcb6504b3836cf

2. リアルタイムデータ、当日の取引データ#

一度にすべての上場企業のリアルタイム市場データを取得します

f10f4f3f9dce838cea73df9a7f104747

3. 過去のデータ、過去の取引データ#

 ak.stock_zh_a_hist(symbol="000651", 
                    period="daily", 
                    start_date="20230701", 
                    end_date='20230725',
                    adjust=""
                 ) #不复权

640c7a929e8da5a1580881ff55622142

4. 資金の流れのデータ#

制限：指定した市場と株式の過去 100 日間の資金流れデータを一度に取得します

1ak.stock_individual_fund_flow(stock="000651", market="sz")

fdafbe268b2bac6eba1386136529ede3

5. 市場の価格、買い注文と売り注文の 5 桁#

ak.stock_bid_ask_em(symbol="000651")

2160d3d4d75105d61ef3243e6d6f276d

サンプル#

from datetime import datetime

import backtrader as bt  # 最新バージョンにアップグレード
import matplotlib.pyplot as plt  # Backtraderの問題により、pip install matplotlib==3.2.2が必要です
import akshare as ak  # 最新バージョンにアップグレード
import pandas as pd

plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False

# AKShareを使用して株式の調整後データを取得し、最初の6列のみ取得します
stock_hfq_df = ak.stock_zh_a_hist(symbol="000001", adjust="hfq").iloc[:, :6]
# フィールド名を処理して、Backtraderの要件に合うようにします
stock_hfq_df.columns = [
    'date',
    'open',
    'close',
    'high',
    'low',
    'volume',
]
# 日付をインデックスに設定して、Backtraderの要件に合うようにします
stock_hfq_df.index = pd.to_datetime(stock_hfq_df['date'])


class MyStrategy(bt.Strategy):
    """
    メインストラテジープログラム
    """
    params = (("maperiod", 20),)  # トレードストラテジーのパラメータをグローバルに設定

    def __init__(self):
        """
        初期化関数
        """
        self.data_close = self.datas[0].close  # 価格系列を指定
        # トレード指示、買い注文価格、手数料を初期化
        self.order = None
        self.buy_price = None
        self.buy_comm = None
        # 移動平均線インジケータを追加
        self.sma = bt.indicators.SimpleMovingAverage(
            self.datas[0], period=self.params.maperiod
        )

    def next(self):
        """
        ロジックを実行
        """
        if self.order:  # 実行待ちの指示があるかどうかを確認
            return
        # ポジションを持っているかどうかを確認
        if not self.position:  # ポジションを持っていない場合
            if self.data_close[0] > self.sma[0]:  # 買い条件を判断：終値が20日移動平均線を上抜け
                self.order = self.buy(size=100)  # 買い注文を実行
        else:
            if self.data_close[0] < self.sma[0]:  # 売り条件を判断：終値が20日移動平均線を下抜け
                self.order = self.sell(size=100)  # 売り注文を実行


cerebro = bt.Cerebro()  # バックテストシステムを初期化
start_date = datetime(1991, 4, 3)  # バックテスト開始日
end_date = datetime(2020, 6, 16)  # バックテスト終了日
data = bt.feeds.PandasData(dataname=stock_hfq_df, fromdate=start_date, todate=end_date)  # データをロード
cerebro.adddata(data)  # データをバックテストシステムに追加
cerebro.addstrategy(MyStrategy)  # トレードストラテジーをバックテストシステムに追加
start_cash = 1000000
cerebro.broker.setcash(start_cash)  # 初期キャッシュを100000に設定
cerebro.broker.setcommission(commission=0.002)  # 取引手数料を0.2%に設定
cerebro.run()  # バックテストシステムを実行

port_value = cerebro.broker.getvalue()  # バックテスト終了後の総資産を取得
pnl = port_value - start_cash  # 損益統計

print(f"初期キャッシュ: {start_cash}\nバックテスト期間：{start_date.strftime('%Y%m%d')}:{end_date.strftime('%Y%m%d')}")
print(f"総資産: {round(port_value, 2)}")
print(f"純利益: {round(pnl, 2)}")

cerebro.plot(style='candlestick')  # グラフを描画

Being towards death