一、数据获取需求

        在金融类的数学建模问题中，历史行情数据是构建模型的基础。无论是时间序列预测、波动率建模还是多因子策略研究，都需要获取以下核心数据：

  • 每日价格数据（开盘价、收盘价、最高价、最低价）

  • 成交量数据（用于流动性分析）

  • 复权价格（用于长期回测）

  • 股票基本信息（行业分类、上市日期等）

        以沪深300成分股的多因子模型为例，通常需要整合近5年的日线行情数据与季度财务数据，数据量级可达百万行。虽然从同花顺等平台可以下载历史数据，但手工下载方式效率低下，而Tushare提供了完美的解决方案。

二、Tushare简介

        Tushare是一个免费、开源的python财经数据接口包。主要实现对股票等金融数据从数据采集、清洗加工到数据存储的过程。

  1. 打开官网Tushare数据并注册；
  2. 注册成功后可以在个人主页获取【接口TOKEN】；
  3. 下载并安装最新版Tushare SDK Tushare数据;
  4. 获取数据需要积分（注册100积分，修改个人信息20积分），积分越高可获取数据的频次也越高，其他获取积分方式见Tushare数据。

三、数据获取代码

安装Tushare（安装慢可用清华源）

pip install tushare

导入并查看版本（这里需要版本大于1.2.10）

import tushare as ts
print(tushare.__version__)

初始化接口（这里需要用到个人主页的接口TOKEN）

pro = ts.pro_api('your token')

数据获取（以A股日线为例）

函数pro.daily()

  • 输入参数
名称 类型 必选 描述
ts_code str N 股票代码（支持多个股票同时提取，逗号分隔）
trade_date str N 交易日期（YYYYMMDD）
start_date str N 开始日期(YYYYMMDD)
end_date str N 结束日期(YYYYMMDD)
  •  输出参数
名称 类型 描述
ts_code str 股票代码
trade_date str 交易日期
open float 开盘价
high float 最高价
low float 最低价
close float 收盘价
pre_close float 昨收价【除权价，前复权】
change float 涨跌额
pct_chg float 涨跌幅 【基于除权后的昨收计算的涨跌幅：（今收-除权昨收）/除权昨收 】
vol float 成交量 （手）
amount float 成交额 （千元）
  • 查询单个数据
df = pro.daily(ts_code='000001.SZ,600000.SH', start_date='20200701', end_date='20200718')
  • 查询多个数据
df = pro.daily(ts_code='000001.SZ,600000.SH', start_date='20200701', end_date='20200718')
  • 查询单日全部数据
df = pro.daily(trade_date='20200810')
  • 单日全部数据运行结果

# python
Logo
程序员理财社区

更多推荐

cover

【无标题】同花顺自动化交易WEB下单接口API, 量化交易必备工具

avatar 程序员理财社区
cover

GitHub 趋势日报 (2025年06月03日)

avatar 程序员理财社区

如何通过akshare库，获取股票数据，并生成TabPFN这个模型 可以识别、处理的格式（并进行了训练、推理）

本文对比了豆包、跃问和文心4.5三款AI在股票预测任务中的表现。测试要求使用akshare库获取股票数据并预处理为TabPFN模型可处理的格式，构建未来3天股价涨跌预测任务。豆包表现最主动，仅凭简单提示就完成了数据获取、预处理和模型预测全流程，但代码需2-3次修改才能运行；跃问在数据处理环节出错后放弃；文心4.5表现最好，但出现了准确率100%的过拟合结果。测试还发现TabPFNClassifie

avatar 程序员理财社区