Python 中一個好用的股票開源庫akshare

嘗試著獲取股票的數據來研究一下，經過查找與對比，決定使用 akshare 這個庫，因為該庫一直有更新，並且文檔是中文，而且比較詳細，

7538ad090168ea082b8e1a961345ffc9
股票各種數據獲取方法
導入 akshare 庫

1import akshare as ak
2import pandas as pd

1、股票的基本信息數據#

1ak.stock_individual_info_em(symbol="000651")

7776dd5e1362e50450dcb6504b3836cf

2、實時數據，當日的成交數據#

單次返回所有滬深京 A 股上市公司的實時行情數據

f10f4f3f9dce838cea73df9a7f104747

3、歷史數據，歷史的成交數據#

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

640c7a929e8da5a1580881ff55622142

4、資金流向數據#

限量：單次獲取指定市場和股票的近 100 個交易日的資金流數據

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

fdafbe268b2bac6eba1386136529ede3

5、行情報價，買賣各 5 檔#

ak.stock_bid_ask_em(symbol="000651")

2160d3d4d75105d61ef3243e6d6f276d

範例#

from datetime import datetime

import backtrader as bt  # 升級到最新版
import matplotlib.pyplot as plt  # 由於 Backtrader 的問題，此處要求 pip install matplotlib==3.2.2
import akshare as ak  # 升級到最新版
import pandas as pd

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

# 利用 AKShare 獲取股票的後復權數據，這裡只獲取前 6 列
stock_hfq_df = ak.stock_zh_a_hist(symbol="000001", adjust="hfq").iloc[:, :6]
# 處理字段命名，以符合 Backtrader 的要求
stock_hfq_df.columns = [
    'date',
    'open',
    'close',
    'high',
    'low',
    'volume',
]
# 把 date 作為日期索引，以符合 Backtrader 的要求
stock_hfq_df.index = pd.to_datetime(stock_hfq_df['date'])


class MyStrategy(bt.Strategy):
    """
    主策略程序
    """
    params = (("maperiod", 20),)  # 全局設定交易策略的參數

    def __init__(self):
        """
        初始化函數
        """
        self.data_close = self.datas[0].close  # 指定價格序列
        # 初始化交易指令、買賣價格和手續費
        self.order = None
        self.buy_price = None
        self.buy_comm = None
        # 添加移動均線指標
        self.sma = bt.indicators.SimpleMovingAverage(
            self.datas[0], period=self.params.maperiod
        )

    def next(self):
        """
        執行邏輯
        """
        if self.order:  # 檢查是否有指令等待執行,
            return
        # 檢查是否持倉
        if not self.position:  # 沒有持倉
            if self.data_close[0] > self.sma[0]:  # 執行買入條件判斷：收盤價格上漲突破20日均線
                self.order = self.buy(size=100)  # 執行買入
        else:
            if self.data_close[0] < self.sma[0]:  # 執行賣出條件判斷：收盤價格跌破20日均線
                self.order = self.sell(size=100)  # 執行賣出


cerebro = bt.Cerebro()  # 初始化回測系統
start_date = datetime(1991, 4, 3)  # 回測開始時間
end_date = datetime(2020, 6, 16)  # 回測結束時間
data = bt.feeds.PandasData(dataname=stock_hfq_df, fromdate=start_date, todate=end_date)  # 加載數據
cerebro.adddata(data)  # 將數據傳入回測系統
cerebro.addstrategy(MyStrategy)  # 將交易策略加載到回測系統中
start_cash = 1000000
cerebro.broker.setcash(start_cash)  # 設置初始資本為 100000
cerebro.broker.setcommission(commission=0.002)  # 設置交易手續費為 0.2%
cerebro.run()  # 運行回測系統

port_value = cerebro.broker.getvalue()  # 獲取回測結束後的總資金
pnl = port_value - start_cash  # 盈虧統計

print(f"初始資金: {start_cash}\n回測期間：{start_date.strftime('%Y%m%d')}:{end_date.strftime('%Y%m%d')}")
print(f"總資金: {round(port_value, 2)}")
print(f"淨收益: {round(pnl, 2)}")

cerebro.plot(style='candlestick')  # 畫圖

Being towards death