戰(zhàn)：Python獲取A股行情、財(cái)務(wù)與龍虎榜數(shù)據(jù)全指南)
這話我特別有感觸。前幾年剛開(kāi)始接觸量化分析的時(shí)候最折磨我的不是策略寫不出來(lái)而是數(shù)據(jù)從哪來(lái)。今天用這個(gè)免費(fèi)接口、明天手工從財(cái)經(jīng)網(wǎng)站復(fù)制數(shù)據(jù)格式不統(tǒng)一、字段對(duì)不上、歷史數(shù)據(jù)缺胳膊少腿一套策略還沒(méi)跑起來(lái)光折騰數(shù)據(jù)就花掉一半時(shí)間。后來(lái)?yè)Q到 Tushare Pro才算是把這個(gè)問(wèn)題徹底解決掉。這篇文章我就以一線使用的視角把從環(huán)境搭建到實(shí)戰(zhàn)拿數(shù)的完整過(guò)程捋一遍代碼全部可以直接復(fù)制運(yùn)行希望能幫你少走一些彎路。1. 為什么我選擇用 Tushare Pro 解決 A 股數(shù)據(jù)獲取問(wèn)題先說(shuō)說(shuō)這個(gè)工具到底解決的是什么痛點(diǎn)。做 A 股數(shù)據(jù)分析的朋友應(yīng)該都有體會(huì)行情軟件能看圖但數(shù)據(jù)導(dǎo)出來(lái)麻煩爬蟲(chóng)自己寫動(dòng)不動(dòng)就被反爬策略擋住而且歷史數(shù)據(jù)補(bǔ)全也是大工程市面上各種付費(fèi)數(shù)據(jù)終端價(jià)格對(duì)個(gè)人玩家來(lái)說(shuō)又不太友好。Tushare Pro 走的是另一種路子——它把數(shù)據(jù)整理好、接口化你只需要用 Python 調(diào)用就能拿到結(jié)構(gòu)化的行情、財(cái)務(wù)、龍虎榜等數(shù)據(jù)。我當(dāng)時(shí)的判斷標(biāo)準(zhǔn)其實(shí)就三條這也決定了后來(lái)長(zhǎng)時(shí)間的使用體驗(yàn)。第一條是數(shù)據(jù)覆蓋面。日線行情、分鐘線、財(cái)務(wù)指標(biāo)、資產(chǎn)負(fù)債表、利潤(rùn)表、龍虎榜、融資融券、大宗交易、期貨數(shù)據(jù)基本上你平時(shí)做研究能想到的品種它都有對(duì)應(yīng)的接口。這意味著我不需要在多個(gè)數(shù)據(jù)源之間來(lái)回切換一個(gè)庫(kù)解決大部分問(wèn)題。第二條是接口設(shè)計(jì)。Tushare Pro 的接口是標(biāo)準(zhǔn)化的返回的是 pandas DataFrame和 Python 生態(tài)無(wú)縫銜接。拿到數(shù)據(jù)之后直接就能做計(jì)算、畫(huà)圖、建模不需要自己再做一層繁瑣的格式轉(zhuǎn)換。這一點(diǎn)對(duì)后續(xù)所有工作流來(lái)說(shuō)都是巨大的效率提升。第三條是免費(fèi)額度路徑。雖然部分接口有積分門檻但注冊(cè)、完善資料、參與社區(qū)任務(wù)都能攢積分日常使用的絕大多數(shù)接口可以免費(fèi)拿下。對(duì)個(gè)人學(xué)習(xí)研究來(lái)說(shuō)這個(gè)成本結(jié)構(gòu)很合適。也有朋友問(wèn)我為什么不直接用 akshare 或者其他開(kāi)源庫(kù)。我的體會(huì)是akshare 這類免費(fèi)庫(kù)勝在零門檻但數(shù)據(jù)穩(wěn)定性和文檔完整度參差不齊部分接口掛在網(wǎng)頁(yè)爬蟲(chóng)上隔一段時(shí)間就可能失效Tushare Pro 的接口更接近成熟商業(yè)數(shù)據(jù)服務(wù)的體驗(yàn)字段說(shuō)明規(guī)范、更新穩(wěn)定出了問(wèn)題也好排查。當(dāng)然如果你只是隨手拿個(gè)數(shù)據(jù)玩一玩哪個(gè)順手用哪個(gè)都行如果是認(rèn)真要做自己的數(shù)據(jù)體系Tushare Pro 的性價(jià)比優(yōu)勢(shì)就很明顯了。2. 環(huán)境準(zhǔn)備與最容易被忽略的安裝細(xì)節(jié)我記得自己第一次裝 Tushare 的時(shí)候以為和裝普通庫(kù)一樣簡(jiǎn)單結(jié)果報(bào)了一堆錯(cuò)。后來(lái)回頭看其實(shí)大部分問(wèn)題都可以提前避免。這里把環(huán)境搭建的完整流程和容易踩的坑一起說(shuō)清楚。2.1 Python 環(huán)境與 tushare 安裝步驟無(wú)論你用的是 Windows、macOS 還是 Linux核心步驟是一樣的。安裝 Python 的時(shí)候我建議直接裝 Python 3.9 以上版本Tushare 的版本迭代比較快新版本對(duì)新的 Python 兼容性更好。安裝完 Python 之后強(qiáng)烈建議先建一個(gè)虛擬環(huán)境別一股腦往系統(tǒng)環(huán)境里塞包。我自己通常是這樣操作的# 創(chuàng)建虛擬環(huán)境 python -m venv tushare_env # 激活虛擬環(huán)境 # Windows tushare_env\Scripts\activate # macOS / Linux source tushare_env/bin/activate # 升級(jí) pip避免后續(xù)安裝報(bào)錯(cuò) pip install --upgrade pip # 安裝 tushare、pandas、matplotlib 等常用庫(kù) pip install tushare pandas matplotlib這里提一個(gè)常見(jiàn)錯(cuò)誤有些朋友在安裝后立即運(yùn)行import tushare結(jié)果提示找不到模塊。原因經(jīng)常是虛擬環(huán)境和全局環(huán)境混淆了——終端里激活的 Python 解釋器和你裝包的 pip 對(duì)應(yīng)的不是同一個(gè)環(huán)境。最簡(jiǎn)單的確認(rèn)方法是在激活環(huán)境后運(yùn)行python -c import tushare; print(tushare.__version__)如果能看到版本號(hào)說(shuō)明環(huán)境沒(méi)問(wèn)題如果報(bào)錯(cuò)就要檢查pip是不是被軟鏈接到了其他地方。2.2 注冊(cè) Tushare Pro 賬號(hào)與 Token 配置的核心邏輯環(huán)境裝好后接下來(lái)是注冊(cè)賬號(hào)。在 Tushare Pro 官網(wǎng)注冊(cè)登錄后進(jìn)入個(gè)人主頁(yè)找到接口TOKEN頁(yè)面復(fù)制那一串 token。這個(gè) token 相當(dāng)于你訪問(wèn)數(shù)據(jù)接口的鑰匙所有請(qǐng)求都要帶上它。token 配置有兩種常見(jiàn)方式。第一種是在代碼里直接設(shè)置import tushare as ts ts.set_token(你的token) pro ts.pro_api()第二種是在項(xiàng)目根目錄放一個(gè).env文件用環(huán)境變量的方式管理這樣更安全也方便代碼庫(kù)共享時(shí)隱藏敏感信息# 安裝 python-dotenvpip install python-dotenv import os from dotenv import load_dotenv load_dotenv() import tushare as ts ts.set_token(os.getenv(TUSHARE_TOKEN)) pro ts.pro_api()這里多說(shuō)一句token 是個(gè)人賬戶憑證盡量不要直接硬編碼在公開(kāi)的 Jupyter Notebook、GitHub 倉(cāng)庫(kù)或者博客示例里。我見(jiàn)過(guò)不少人在分享代碼時(shí)把 token 一起貼出來(lái)結(jié)果賬號(hào)被別人盜刷積分的情況。哪怕只是自己本地用也建議養(yǎng)成用環(huán)境變量的習(xí)慣。2.3 驗(yàn)證環(huán)境用最簡(jiǎn)單的接口測(cè)試連通性環(huán)境裝好、token 配置好之后不要急著寫復(fù)雜邏輯先用一個(gè)最簡(jiǎn)單的接口驗(yàn)證能不能連通。daily接口的積分門檻相對(duì)較低注冊(cè)完善資料基本就能開(kāi)通很適合作為第一個(gè)測(cè)試接口。import tushare as ts ts.set_token(你的token) pro ts.pro_api() # 獲取平安銀行最近幾個(gè)交易日的日線行情 df pro.daily(ts_code000001.SZ, start_date20250101, end_date20250301) print(df.head())如果能在輸出里看到ts_code、trade_date、open、high、low、close這些字段恭喜你整個(gè)鏈路已經(jīng)通了可以繼續(xù)往下做正經(jīng)事情了。3. 核心數(shù)據(jù)接口實(shí)戰(zhàn)行情、財(cái)務(wù)、龍虎榜一次拿全這一節(jié)是整個(gè)文章的重頭戲也是你后面所有分析工作的地基。我會(huì)把日線行情、財(cái)務(wù)數(shù)據(jù)、龍虎榜數(shù)據(jù)三塊分別講透包括接口怎么調(diào)、返回什么樣的數(shù)據(jù)、有哪些值得注意的字段和坑。3.1 日線行情接口從一行代碼到完整的數(shù)據(jù)獲取流程日線行情是所有 A 股數(shù)據(jù)分析里最基礎(chǔ)、也最高頻使用的數(shù)據(jù)。Tushare Pro 里對(duì)應(yīng)的接口是pro.daily()。調(diào)用方式很簡(jiǎn)單傳股票代碼和日期范圍就行import tushare as ts ts.set_token(你的token) pro ts.pro_api() # 獲取平安銀行 2025年1月1日至今的日線行情 df pro.daily(ts_code000001.SZ, start_date20250101, end_date20250301) print(df.head())返回結(jié)果長(zhǎng)這樣字段名和格式很有代表性ts_code股票代碼帶后綴例如000001.SZ表示深交所600000.SH表示上交所。trade_date交易日期格式是YYYYMMDD的 8 位字符串。open / high / low / close開(kāi)盤價(jià)、最高價(jià)、最低價(jià)、收盤價(jià)單位是元。pre_close昨收盤價(jià)。change漲跌額等于 close 減去 pre_close。pct_chg漲跌幅單位是百分?jǐn)?shù)接口直接幫你算好了。vol成交量單位是手注意 1 手 100 股。amount成交額單位是千元不是元。這里有兩個(gè)非常容易弄混的地方我特意說(shuō)明一下都是血淚教訓(xùn)。第一daily返回的數(shù)據(jù)是未復(fù)權(quán)價(jià)格。什么是未復(fù)權(quán)就是交易所每天公布的原始價(jià)格。如果一只股票發(fā)生了分紅、送股除權(quán)除息之后價(jià)格會(huì)留下一個(gè)明顯的跳空缺口。這個(gè)缺口不是真實(shí)的漲跌而是股本變化導(dǎo)致的數(shù)字變化。如果你要用歷史價(jià)格計(jì)算收益率、做策略回測(cè)用未復(fù)權(quán)數(shù)據(jù)會(huì)導(dǎo)致結(jié)果嚴(yán)重失真。解決方法是使用pro_bar接口指定adjqfq前復(fù)權(quán)或adjhfq后復(fù)權(quán)。日?？幢P用daily沒(méi)問(wèn)題但一旦涉及量化回測(cè)一定要用復(fù)權(quán)數(shù)據(jù)。第二vol和amount的單位都是縮水的。vol是手amount是千元。網(wǎng)上能看到很多新手把所有數(shù)據(jù)加起來(lái)算總成交額結(jié)果數(shù)量級(jí)差了好幾位。如果你想把成交額換算成億元直接df[amount] / 100000就能得到億元口徑因?yàn)閍mount單位是千元。3.2 財(cái)務(wù)數(shù)據(jù)接口的選擇fina_indicator 與 balance_sheet 的區(qū)別財(cái)務(wù)數(shù)據(jù)這塊很多初學(xué)者一開(kāi)始會(huì)被一堆接口搞暈fina_indicator、income、balance_sheet、cashflow、forecast每個(gè)看著都像財(cái)務(wù)報(bào)表到底該用哪個(gè)我從實(shí)際使用的角度把它們的區(qū)別整理出來(lái)。接口名返回內(nèi)容典型字段適用場(chǎng)景fina_indicator財(cái)務(wù)指標(biāo)按報(bào)告期計(jì)算的比率roe, grossprofit_margin, debt_to_assets快速看公司賺錢能力、償債能力income利潤(rùn)表revenue, n_income, operate_profit看營(yíng)收、利潤(rùn)的絕對(duì)值balance_sheet資產(chǎn)負(fù)債表total_assets, total_liab, equity看資產(chǎn)結(jié)構(gòu)、負(fù)債水平cashflow現(xiàn)金流量表n_cashflow_act, free_cashflow看現(xiàn)金流狀況forecast業(yè)績(jī)預(yù)告type, p_change_min, p_change_max事件驅(qū)動(dòng)策略我個(gè)人最常用的是fina_indicator因?yàn)槿思野押诵谋嚷识妓愫昧讼袷莚oe、grossprofit_margin、debt_to_assets、netprofit_yoy這些字段做基本面篩選的時(shí)候直接拿來(lái)排序就行不需要自己再做一遍報(bào)表計(jì)算。但如果你想深入拆解某家公司的財(cái)務(wù)狀況還是得回到income和balance_sheet去扣細(xì)項(xiàng)fina_indicator只是一個(gè)摘要視圖。調(diào)用方式不復(fù)雜# 獲取平安銀行的財(cái)務(wù)指標(biāo)數(shù)據(jù) df_fin pro.fina_indicator(ts_code000001.SZ, start_date20240101, end_date20250301) print(df_fin.head())返回的數(shù)據(jù)是按報(bào)告期組織的大約每個(gè)季度一條字段非常多建議用df_fin.columns查看完整列表不要試圖一次性記住。這里需要特別提醒一個(gè)和日線行情完全不同的特性財(cái)務(wù)數(shù)據(jù)不是連續(xù)的每日數(shù)據(jù)而是季報(bào)頻率。你會(huì)發(fā)現(xiàn)返回的記錄不是從 1 月到 12 月每個(gè)月一條而是一季報(bào)、中報(bào)、三季報(bào)、年報(bào)這樣的節(jié)奏。做模型時(shí)如果你把財(cái)務(wù)數(shù)據(jù)直接和日線行情 join 在一起會(huì)產(chǎn)生大量重復(fù)或者缺失的報(bào)告期錯(cuò)位問(wèn)題正確做法是按end_date報(bào)告期對(duì)齊或者對(duì)財(cái)務(wù)指標(biāo)做向前填充。3.3 龍虎榜數(shù)據(jù)事件驅(qū)動(dòng)的金礦但有兩個(gè)關(guān)鍵坑龍虎榜數(shù)據(jù)是很多做短線和事件驅(qū)動(dòng)策略的玩家重點(diǎn)關(guān)注的對(duì)象。它直接展示了市場(chǎng)資金博弈的痕跡哪只股票被機(jī)構(gòu)買入哪只被游資炒作凈買入額是多少。Tushare Pro 提供了top_list和top_inst兩個(gè)相關(guān)接口。top_list返回某一天上榜的股票列表調(diào)用方式是按交易日查詢# 獲取 2025年2月10日 的龍虎榜數(shù)據(jù) df_top pro.top_list(trade_date20250210) print(df_top.head())核心字段包括ts_code股票代碼trade_date上榜日期name股票名稱close收盤價(jià)pct_change漲跌幅net_amount凈買額單位是萬(wàn)元buy_amount買入總額單位是萬(wàn)元sell_amount賣出總額單位是萬(wàn)元turnover_rate換手率使用龍虎榜數(shù)據(jù)有兩個(gè)關(guān)鍵坑我在實(shí)際項(xiàng)目中都踩過(guò)?？右籺op_list是按交易日維度的不是按股票維度的。也就是說(shuō)你傳的是交易日返回的是當(dāng)天所有上榜股票如果你想知道某只股票的歷史上榜記錄需要遍歷一段時(shí)間內(nèi)的所有交易日然后篩選ts_code。我最早寫策略腳本時(shí)就卡在這里以為傳ts_code就能拿到單只股票的榜單結(jié)果返回空?？佣et_amount單位是萬(wàn)元不是元。不少新手直接拿這個(gè)數(shù)去和其他金額字段對(duì)比結(jié)果差了一萬(wàn)倍。Tushare 的文檔里單位標(biāo)注其實(shí)是有的但很容易被忽略。建議養(yǎng)成拿到數(shù)據(jù)后先head()看幾行、再檢查單位的好習(xí)慣。另外還有一點(diǎn)龍虎榜數(shù)據(jù)通常在下個(gè)交易日早上 8 點(diǎn)左右更新完畢。如果你寫了一個(gè)每天早上自動(dòng)拉取昨日龍虎榜的程序時(shí)間點(diǎn)最好設(shè)計(jì)在 8 點(diǎn)半以后留出冗余否則容易拉到不完整的數(shù)據(jù)。3.4 免費(fèi)積分怎么獲取一個(gè)不用花錢的路徑寫完三類核心接口的調(diào)用之后肯定會(huì)有朋友問(wèn)積分不夠怎么辦 這確實(shí)是 Tushare Pro 新用戶最常見(jiàn)的困惑。daily接口需要 120 積分fina_indicator需要 2000 積分top_list需要 2000 積分看起來(lái)門檻不低但實(shí)際上有相當(dāng)一部分積分是可以免費(fèi)攢出來(lái)的。我整理了自己走過(guò)的免費(fèi)積分路徑注冊(cè)賬號(hào)在 Tushare Pro 官網(wǎng)注冊(cè)初始會(huì)送一部分基礎(chǔ)積分。完善資料在個(gè)人中心把職業(yè)、領(lǐng)域、使用場(chǎng)景這些資料填完整會(huì)送一部分積分。我當(dāng)時(shí)填完資料后積分從 120 漲到了 500 左右。發(fā)帖/回帖社區(qū)里發(fā)一個(gè)有效的帖子能夠獲得積分。這個(gè)看內(nèi)容質(zhì)量我發(fā)過(guò)幾個(gè)接口使用心得帖子攢了一些。官方任務(wù)在首頁(yè)和公告里偶爾會(huì)有一些活動(dòng)或任務(wù)比如寫接口文檔、反饋 bug參與就能拿積分。這一塊比較隨緣但遇到了就是幾十上百積分的大包。如果等不及攢積分還有一個(gè)非常實(shí)用的方案先注冊(cè)一個(gè)賬號(hào)用低積分接口比如 daily 需要的 120 積分注冊(cè)完善資料基本就夠了把行情數(shù)據(jù)這塊跑通財(cái)務(wù)和龍虎榜后面再針對(duì)性升級(jí)。不要一上來(lái)就糾結(jié)所有接口全部開(kāi)通那是給自己設(shè)不必要的門檻。3.5 數(shù)據(jù)落地CSV 存檔與增量更新策略接口可以調(diào)通之后緊接著要面對(duì)的問(wèn)題就是怎么把數(shù)據(jù)保存下來(lái)避免每次重復(fù)拉取。直接調(diào)用接口做全量拉數(shù)據(jù)會(huì)有兩個(gè)問(wèn)題一是慢二是浪費(fèi)接口調(diào)用次數(shù)。尤其像財(cái)務(wù)和龍虎榜這種更新頻率不高的數(shù)據(jù)完全可以做成本地存檔。我在實(shí)際項(xiàng)目中常用的做法有三種。第一種全量覆蓋存檔。適合小數(shù)據(jù)量、低頻更新的數(shù)據(jù)。比如龍虎榜每天只有幾十上百條直接把當(dāng)天數(shù)據(jù)追加到一個(gè) CSV 里遇到重復(fù)日期就覆蓋。簡(jiǎn)單粗暴適合個(gè)人復(fù)盤。第二種按日期增量更新。適合日線行情這種每天都更新的數(shù)據(jù)。第一次先拉全歷史后面每天只拉最近一個(gè)交易日的數(shù)據(jù)追加到 CSV 尾部。這是我最常用的方式。第三種數(shù)據(jù)庫(kù)存儲(chǔ)。當(dāng)數(shù)據(jù)量大到 CSV 處理不過(guò)來(lái)或者要做復(fù)雜條件查詢時(shí)建議直接上 SQLite 或 MySQL。Tushare 社區(qū)里也有很多現(xiàn)成的數(shù)據(jù)庫(kù)表結(jié)構(gòu)設(shè)計(jì)可以直接抄作業(yè)。下面給一個(gè)簡(jiǎn)單的增量更新示例核心思路是記錄上次拉到哪一天# 增量更新日線數(shù)據(jù)到CSV import tushare as ts import pandas as pd import os ts.set_token(你的token) pro ts.pro_api() def update_daily_to_csv(ts_code, csv_path): # 讀取已有CSV的最后日期 if os.path.exists(csv_path): df_old pd.read_csv(csv_path) last_date df_old[trade_date].max() start_date str(int(last_date) 1) # 從下一天開(kāi)始拉 else: start_date 20200101 # 拉取新數(shù)據(jù) df_new pro.daily(ts_codets_code, start_datestart_date, end_date20250301) if df_new is not None and not df_new.empty: # 合并并去重 df_all pd.concat([df_old, df_new], ignore_indexTrue) df_all df_all.drop_duplicates(subset[ts_code, trade_date]) df_all.to_csv(csv_path, indexFalse) print(f更新完成新增 {len(df_new)} 條總數(shù)據(jù) {len(df_all)} 條) else: print(沒(méi)有新數(shù)據(jù)) # 使用示例 update_daily_to_csv(000001.SZ, sz000001_daily.csv)這個(gè)函數(shù)看起來(lái)簡(jiǎn)單但實(shí)際價(jià)值很高。比如你想維護(hù)一個(gè)全市場(chǎng) 5000 只股票的日線數(shù)據(jù)庫(kù)用這個(gè)思路批量跑配合多線程或者異步很快就能攢起一份自己的本地?cái)?shù)據(jù)資產(chǎn)。3.6 常見(jiàn)錯(cuò)誤與排錯(cuò)技巧最后補(bǔ)一節(jié)排錯(cuò)指南全都是血淚經(jīng)驗(yàn)。Tushare 新手大概率會(huì)遇到下面幾個(gè)報(bào)錯(cuò)這里直接給出原因和解決方案。錯(cuò)誤一抱歉您沒(méi)有訪問(wèn)該接口的權(quán)限原因當(dāng)前賬號(hào)積分不足未達(dá)到該接口的積分門檻。解決檢查接口文檔里的積分要求攢積分或升級(jí)賬號(hào)。注意這是 Tushare 最常見(jiàn)的報(bào)錯(cuò)不是代碼問(wèn)題是你權(quán)限不夠。錯(cuò)誤二每分鐘訪問(wèn)次數(shù)超過(guò)限制原因Tushare Pro 對(duì)普通用戶有每分鐘調(diào)用次數(shù)限制。解決在調(diào)用循環(huán)中加入time.sleep(0.2)之類的時(shí)間間隔或者控制單次請(qǐng)求的數(shù)據(jù)量。技巧批量拉取全市場(chǎng)股票時(shí)盡量用trade_date維度拉取一次拿全市場(chǎng)而不是股票維度一只一只地拉。以日線為例用pro.daily(trade_date20250210)一次就能拿到當(dāng)天全市場(chǎng)約 5000 只股票的數(shù)據(jù)比循環(huán) 5000 次高效得多。錯(cuò)誤三請(qǐng)求超時(shí)或者連接被重置原因網(wǎng)絡(luò)問(wèn)題或者單次請(qǐng)求數(shù)據(jù)量太大。解決減少單次請(qǐng)求的時(shí)間范圍比如一年一年地拉或者設(shè)置重試機(jī)制。技巧把請(qǐng)求封裝成帶重試的函數(shù)3 次重試加指數(shù)退避基本能解決 90% 的偶發(fā)網(wǎng)絡(luò)問(wèn)題。錯(cuò)誤四數(shù)據(jù)里出現(xiàn) NaN 或字段缺失原因停牌股票、新上市股票會(huì)有部分字段缺失這是正?，F(xiàn)象。解決用df.dropna(subset[close])過(guò)濾或者在策略里對(duì) NaN 做向前填充。心態(tài)不要試圖消滅 NaNNaN 本身是信息——它告訴你這只股票當(dāng)時(shí)停牌或數(shù)據(jù)未更新。錯(cuò)誤五本地時(shí)間和接口時(shí)間不一致原因Tushare 的trade_date是北京時(shí)間但你的服務(wù)器可能在其他時(shí)區(qū)。解決統(tǒng)一用字符串比較不要用本地datetime.now()去構(gòu)造trade_date。建議所有日期參數(shù)都用字符串硬編碼或者在配置里統(tǒng)一管理避免時(shí)區(qū)干擾。按這個(gè)排查思路走絕大多數(shù) Tushare 使用問(wèn)題都能快速定位到根因。4. 一個(gè)能直接執(zhí)行的完整示例程序理論部分說(shuō)得夠多了是時(shí)候把完整代碼放出來(lái)了。下面這個(gè)程序我盡量寫得務(wù)實(shí)一點(diǎn)既能把數(shù)據(jù)拿下來(lái)又能落到本地 CSV還能順手打印幾條示例方便你驗(yàn)證自己的環(huán)境是否配置正確。代碼可以直接復(fù)制運(yùn)行。 A股數(shù)據(jù)獲取綜合示例日線行情 財(cái)務(wù)指標(biāo) 龍虎榜 作者一個(gè)曾被數(shù)據(jù)搞得頭大的博主 說(shuō)明請(qǐng)將 YOUR_TOKEN 替換成自己的 Tushare Pro token import tushare as ts import pandas as pd import time import os # 配置區(qū) TOKEN YOUR_TOKEN ts.set_token(TOKEN) pro ts.pro_api() # 輸出的CSV路徑 DAILY_CSV daily_000001.csv FIN_CSV fin_000001.csv TOP_CSV top_list.csv # 1. 獲取日線行情 def fetch_daily(ts_code000001.SZ, start_date20240101, end_date20250301): df pro.daily(ts_codets_code, start_datestart_date, end_dateend_date) return df # 2. 獲取財(cái)務(wù)指標(biāo) def fetch_financial(ts_code000001.SZ): df pro.fina_indicator(ts_codets_code, start_date20240101, end_date20250301) return df # 3. 獲取龍虎榜 def fetch_top_list(trade_date20250210): df pro.top_list(trade_datetrade_date) return df # 4. 保存到CSV def save_csv(df, path): if df is not None and not df.empty: df.to_csv(path, indexFalse, encodingutf-8-sig) print(f[OK] 已保存 {len(df)} 條數(shù)據(jù)到 {path}) else: print(f[WARN] {path} 無(wú)數(shù)據(jù)) # 主流程 if __name__ __main__: # 1. 日線行情 df_daily fetch_daily() print(f日線行情{len(df_daily)} 條) print(df_daily.head(3)) save_csv(df_daily, DAILY_CSV) time.sleep(0.3) # 控制請(qǐng)求頻率 # 2. 財(cái)務(wù)指標(biāo) df_fin fetch_financial() print(f財(cái)務(wù)指標(biāo){len(df_fin)} 條) print(df_fin[[ts_code, end_date, roe, grossprofit_margin]].head(3)) save_csv(df_fin, FIN_CSV) time.sleep(0.3) # 3. 龍虎榜 df_top fetch_top_list() print(f龍虎榜{len(df_top)} 條) if not df_top.empty: print(df_top[[ts_code, name, close, net_amount]].head(3)) save_csv(df_top, TOP_CSV) print(\n全部完成數(shù)據(jù)已保存到本地 CSV 文件。)運(yùn)行這個(gè)腳本后當(dāng)前目錄會(huì)生成三個(gè) CSV 文件daily_000001.csv、fin_000001.csv、top_list.csv。每跑一次都會(huì)被覆蓋如果你想要增量追加參考前面寫的update_daily_to_csv()函數(shù)就行。5. 數(shù)據(jù)可視化別讓數(shù)據(jù)躺在 CSV 里睡大覺(jué)數(shù)據(jù)拿到手只是第一步能把數(shù)據(jù)變成觀點(diǎn)才是做分析的關(guān)鍵。下面展示兩段簡(jiǎn)短的繪圖代碼一段是K線圖一段是漲跌幅分布直方圖。這兩段代碼都不復(fù)雜但很實(shí)用。5.1 K線圖用 matplotlib 畫(huà)最基礎(chǔ)的蠟燭圖K線圖是 A 股分析里最常用的可視化圖形。如果你不想裝mplfinance這種專業(yè)庫(kù)用matplotlib也能畫(huà)一個(gè)簡(jiǎn)易的K線圖。import matplotlib.pyplot as plt import pandas as pd import tushare as ts ts.set_token(你的token) pro ts.pro_api() # 讀取剛才保存的日線數(shù)據(jù) df pd.read_csv(daily_000001.csv) df df.sort_values(trade_date).reset_index(dropTrue) # 取最近20個(gè)交易日 df df.tail(20) plt.figure(figsize(12, 6)) # 用收盤價(jià)畫(huà)折線 plt.plot(pd.to_datetime(df[trade_date]), df[close], markero, labelclose) plt.title(000001.SZ 最近20日收盤價(jià)) plt.xlabel(日期) plt.ylabel(收盤價(jià)) plt.xticks(rotation45) plt.grid(True, alpha0.3) plt.legend() plt.tight_layout() plt.savefig(kline_close.png, dpi150) plt.show()畫(huà)出來(lái)之后你能直觀看到價(jià)格走勢(shì)。如果想畫(huà)更精細(xì)的蠟燭圖推薦裝一個(gè)mplfinance三行代碼就能出圖支持均線、成交量、MACD 疊加。# 使用 mplfinance 畫(huà)專業(yè)K線圖需要先 pip install mplfinance import mplfinance as mpf df pd.read_csv(daily_000001.csv, index_col0, parse_datesTrue) df df.sort_index() # mplfinance 需要列名Open High Low Close Volume df_plot df[[open, high, low, close, vol]].rename(columns{ open: Open, high: High, low: Low, close: Close, vol: Volume }) mpf.plot(df_plot.tail(30), typecandle, volumeTrue, mav(5, 10, 20), title000001.SZ, stylecharles)5.2 漲跌幅分布直方圖一眼看出市場(chǎng)情緒另外一個(gè)常用畫(huà)面是把某天全市場(chǎng)股票的漲跌幅拉出來(lái)畫(huà)成直方圖看市場(chǎng)整體情緒。這個(gè)畫(huà)面特別適合做盤后復(fù)盤。import matplotlib.pyplot as plt # 獲取某一天全市場(chǎng)行情 df_all pro.daily(trade_date20250210) # 過(guò)濾掉無(wú)漲跌幅的數(shù)據(jù) df_all df_all.dropna(subset[pct_chg]) plt.figure(figsize(10, 6)) plt.hist(df_all[pct_chg], bins50, colorsteelblue, edgecolorwhite, alpha0.8) plt.axvline(x0, colorred, linestyle--, linewidth1.5, label漲跌分界線) plt.title(2025-02-10 全市場(chǎng)漲跌幅分布) plt.xlabel(漲跌幅(%)) plt.ylabel(股票數(shù)量) plt.legend() plt.grid(True, alpha0.3) plt.tight_layout() plt.savefig(market_pct_dist.png, dpi150) plt.show()這個(gè)直方圖一出來(lái)你就能立刻感受到當(dāng)天市場(chǎng)的狀態(tài)是普漲、普跌、還是結(jié)構(gòu)分化。如果配合連續(xù)幾天的分布變化還能看出情緒的演變過(guò)程。這些都是直接從 Tushare 數(shù)據(jù)里能得到的第一手信息。6. 進(jìn)階玩法把 Tushare Pro 變成你的量化數(shù)據(jù)中臺(tái)如果你已經(jīng)能熟練獲取日線、財(cái)務(wù)、龍虎榜三類數(shù)據(jù)說(shuō)明 Tushare Pro 的基本功已經(jīng)比較扎實(shí)了。接下來(lái)提幾個(gè)我自己覺(jué)得性價(jià)比極高的進(jìn)階方向每一個(gè)都值得花時(shí)間深入。6.1 自建本地?cái)?shù)據(jù)庫(kù)從 CSV 走向 SQLite當(dāng)你的數(shù)據(jù)量變大CSV 文件就變得不好維護(hù)打開(kāi)大文件卡頓、條件查詢麻煩、數(shù)據(jù)更新容易產(chǎn)生重復(fù)。這時(shí)候我建議把數(shù)據(jù)遷到 SQLite。SQLite 是 Python 內(nèi)置支持的輕量數(shù)據(jù)庫(kù)不需要單獨(dú)安裝服務(wù)非常適合個(gè)人量化項(xiàng)目。一個(gè)基本的做法是建三張表daily、financial、top_list。然后寫一個(gè)同步函數(shù)把拉取到的 DataFrame 直接to_sql()寫進(jìn)去。這個(gè)過(guò)程不難但數(shù)據(jù)庫(kù)表結(jié)構(gòu)設(shè)計(jì)需要提前規(guī)劃好比如trade_date和ts_code聯(lián)合起來(lái)做唯一索引防止重復(fù)數(shù)據(jù)。import sqlite3 conn sqlite3.connect(a_share.db) df_daily.to_sql(daily, conn, if_existsappend, indexFalse) df_fin.to_sql(financial, conn, if_existsappend, indexFalse) df_top.to_sql(top_list, conn, if_existsappend, indexFalse) conn.close()注意to_sql默認(rèn)會(huì)在重復(fù)執(zhí)行時(shí)創(chuàng)建重復(fù)記錄個(gè)人項(xiàng)目里數(shù)據(jù)量不大我推薦先按唯一鍵查重再插入保證數(shù)據(jù)一致性。6.2 技術(shù)指標(biāo)計(jì)算自己動(dòng)手用 pandas 實(shí)現(xiàn)技術(shù)指標(biāo)是很多人做策略的必備工具。TA-Lib 是量化圈最常用的技術(shù)指標(biāo)庫(kù)但安裝有時(shí)候會(huì)讓人頭疼。如果你不想折騰我建議用 pandas 直接實(shí)現(xiàn)常見(jiàn)指標(biāo)比如移動(dòng)平均線、MACD、RSI。這些指標(biāo)的計(jì)算邏輯并不復(fù)雜用rolling、ewm這些內(nèi)置方法就能搞定。舉個(gè)例子計(jì)算均線和 MACD# 計(jì)算均線 df[ma5] df[close].rolling(5).mean() df[ma20] df[close].rolling(20).mean() # 計(jì)算 MACD ema12 df[close].ewm(span12, adjustFalse).mean() ema26 df[close].ewm(span26, adjustFalse).mean() df[dif] ema12 - ema26 df[dea] df[dif].ewm(span9, adjustFalse).mean() df[macd] (df[dif] - df[dea]) * 2運(yùn)行之后你就得到了一整列趨勢(shì)指標(biāo)。把這些指標(biāo)和 Tushare 的基本面數(shù)據(jù)、龍虎榜數(shù)據(jù)結(jié)合起來(lái)就能搭出一個(gè)很初級(jí)的選股框架。6.3 定時(shí)任務(wù)每天早上自動(dòng)拉取數(shù)據(jù)如果你希望每天開(kāi)盤前自動(dòng)更新數(shù)據(jù)可以寫一個(gè) Python 腳本然后用系統(tǒng)的定時(shí)任務(wù)去調(diào)用。以 Linux/macOS 為例用 crontabWindows 可以用任務(wù)計(jì)劃程序。# 每天 8:40 運(yùn)行一次數(shù)據(jù)更新腳本 40 8 * * 1-5 cd /path/to/your/project /usr/bin/python3 update_data.py update.log 21這里有個(gè)細(xì)節(jié)A 股交易日是周一到周五所以 cron 表達(dá)式里用1-5限定工作日。但遇到節(jié)假日即使在工作日也沒(méi)有新數(shù)據(jù)這需要腳本里做判斷如果當(dāng)天trade_date的行情數(shù)據(jù)為空就直接退出不產(chǎn)生報(bào)警。如果你用的是云服務(wù)器那這個(gè)定時(shí)任務(wù)基本就等于一個(gè)小的自動(dòng)數(shù)據(jù)中臺(tái)了。每天早上打開(kāi)數(shù)據(jù)庫(kù)前一天的數(shù)據(jù)已經(jīng)躺在那里可以直接用來(lái)寫復(fù)盤或者跑策略。6.4 批量獲取全市場(chǎng)數(shù)據(jù)兩種思路的取舍最后一個(gè)進(jìn)階方向也是很多人的痛點(diǎn)如何批量獲取全市場(chǎng)數(shù)據(jù)。A 股目前有 5000 只股票如果一只一只地拉日線就算每次 0.2 秒一輪也要近 20 分鐘。而且 Tushare 有調(diào)用頻率限制盲目快跑會(huì)被限流。我優(yōu)先推薦按交易日批量拉取模式pro.daily(trade_date20250210)一次拿到全市場(chǎng)當(dāng)天數(shù)據(jù)然后把全市場(chǎng)的歷史數(shù)據(jù)分成多年份、按年份拉取。這樣請(qǐng)求次數(shù)少、數(shù)據(jù)整齊后續(xù)也方便入庫(kù)。如果確實(shí)需要按股票維度批量拉取建議用ThreadPoolExecutor做有限并發(fā)同時(shí)控制 QPS防止接口被限流。from concurrent.futures import ThreadPoolExecutor, as_completed def fetch_one(ts_code): try: return pro.daily(ts_codets_code, start_date20240101, end_date20250301) except Exception as e: print(f{ts_code} 失敗: {e}) return None # 假設(shè) stock_list 是你的股票列表 stock_list [000001.SZ, 600000.SH, 000002.SZ] with ThreadPoolExecutor(max_workers3) as executor: futures [executor.submit(fetch_one, code) for code in stock_list] for future in as_completed(futures): df future.result() if df is not None and not df.empty: print(df[ts_code].iloc[0], len(df))注意并發(fā)數(shù)不要開(kāi)太高建議從 3~5 個(gè)線程開(kāi)始測(cè)試逐步調(diào)優(yōu)。7. 易錯(cuò)點(diǎn)整理一張表查清楚高頻問(wèn)題寫到這里我想把使用過(guò)程中踩過(guò)的一些坑系統(tǒng)性地整理出來(lái)。這些坑不會(huì)出現(xiàn)在官方文檔里但幾乎每個(gè)深入使用 Tushare 的人都會(huì)遇到。問(wèn)題現(xiàn)象根本原因解決方案積分不足返回?zé)o權(quán)限賬號(hào)積分未達(dá)門檻完善資料 社區(qū)任務(wù)攢積分每分鐘限頻提示訪問(wèn)太頻繁超過(guò)了接口頻控加 sleep 或按交易日維度批量拉取未復(fù)權(quán)跳空價(jià)格突變daily 返回未復(fù)權(quán)數(shù)據(jù)用 pro_bar 指定復(fù)權(quán)方式財(cái)務(wù)報(bào)告期錯(cuò)位數(shù)據(jù)不均勻財(cái)務(wù)按季報(bào)頻率發(fā)布按 end_date 對(duì)齊報(bào)告期龍虎榜查詢方式錯(cuò)誤top_list 不支持 ts_code 查詢接口按交易日返回遍歷交易日再篩選 ts_codeNaN 數(shù)據(jù)字段缺失停牌或新上市dropna 或向前填充時(shí)區(qū)問(wèn)題日期差一天trade_date 是北京時(shí)間日期參數(shù)全部用字符串除了表格里的問(wèn)題我再補(bǔ)充三個(gè)使用習(xí)慣對(duì)長(zhǎng)期穩(wěn)定使用 Tushare 很重要。習(xí)慣一把接口封裝成自己的工具庫(kù)。我在項(xiàng)目里會(huì)維護(hù)一個(gè)data_utils.py里面統(tǒng)一封裝了 token 配置、請(qǐng)求重試、日期參數(shù)校驗(yàn)、返回格式整理。這樣每次寫新腳本時(shí)只需要調(diào)用封裝好的函數(shù)不用重復(fù)寫一堆樣板代碼。時(shí)間長(zhǎng)了你會(huì)發(fā)現(xiàn)自己積累了一個(gè)非常適合個(gè)人習(xí)慣的數(shù)據(jù)工具箱。習(xí)慣二接數(shù)據(jù)之前先設(shè)計(jì)方案不要邊拉邊想。很多新手拿 Tushare 時(shí)一上來(lái)就寫循環(huán)把所有數(shù)據(jù)都拉一遍結(jié)果拉完才發(fā)現(xiàn)字段沒(méi)選對(duì)、時(shí)間范圍不對(duì)、數(shù)據(jù)格式不合適又要重來(lái)。我建議先明確幾個(gè)問(wèn)題你要什么指標(biāo)時(shí)間范圍是多少數(shù)據(jù)更新頻率多高要不要復(fù)權(quán)想清楚了再寫代碼效率會(huì)高很多。習(xí)慣三寫文檔、記筆記尤其是接口字段的坑。前面提到的vol單位是手、amount單位是千元、net_amount單位是萬(wàn)元這些都是容易踩的細(xì)節(jié)。如果不記下來(lái)過(guò)幾個(gè)月回來(lái)再看代碼你很可能已經(jīng)忘了當(dāng)初為什么那樣處理。用 Markdown 維護(hù)一份自己的字段速查表長(zhǎng)期價(jià)值很高。最后再分享一個(gè)我自己的使用習(xí)慣所有數(shù)據(jù)請(qǐng)求我都會(huì)統(tǒng)一封裝在一個(gè)文件里接口參數(shù)、積分要求、字段備注全部寫在函數(shù)注釋中。這樣做的時(shí)間越長(zhǎng)積累的數(shù)據(jù)工具就越順手后續(xù)不管是做報(bào)告還是寫策略效率都會(huì)高出一大截。希望這篇文章能讓你在 A 股數(shù)據(jù)獲取上少踩幾個(gè)坑把更多精力放到真正有價(jià)值的研究上去。 Tushare Pro實(shí)戰(zhàn)：Python獲取A股行情、財(cái)務(wù)與龍虎榜數(shù)據(jù)全指南
這話我特別有感觸。前幾年剛開(kāi)始接觸量化分析的時(shí)候最折磨我的不是策略寫不出來(lái)而是數(shù)據(jù)從哪來(lái)。今天用這個(gè)免費(fèi)接口、明天手工從財(cái)經(jīng)網(wǎng)站復(fù)制數(shù)據(jù)格式不統(tǒng)一、字段對(duì)不上、歷史數(shù)據(jù)缺胳膊少腿一套策略還沒(méi)跑起來(lái)光折騰數(shù)據(jù)就花掉一半時(shí)間。后來(lái)?yè)Q到 Tushare Pro才算是把這個(gè)問(wèn)題徹底解決掉。這篇文章我就以一線使用的視角把從環(huán)境搭建到實(shí)戰(zhàn)拿數(shù)的完整過(guò)程捋一遍代碼全部可以直接復(fù)制運(yùn)行希望能幫你少走一些彎路。1. 為什么我選擇用 Tushare Pro 解決 A 股數(shù)據(jù)獲取問(wèn)題先說(shuō)說(shuō)這個(gè)工具到底解決的是什么痛點(diǎn)。做 A 股數(shù)據(jù)分析的朋友應(yīng)該都有體會(huì)行情軟件能看圖但數(shù)據(jù)導(dǎo)出來(lái)麻煩爬蟲(chóng)自己寫動(dòng)不動(dòng)就被反爬策略擋住而且歷史數(shù)據(jù)補(bǔ)全也是大工程市面上各種付費(fèi)數(shù)據(jù)終端價(jià)格對(duì)個(gè)人玩家來(lái)說(shuō)又不太友好。Tushare Pro 走的是另一種路子——它把數(shù)據(jù)整理好、接口化你只需要用 Python 調(diào)用就能拿到結(jié)構(gòu)化的行情、財(cái)務(wù)、龍虎榜等數(shù)據(jù)。我當(dāng)時(shí)的判斷標(biāo)準(zhǔn)其實(shí)就三條這也決定了后來(lái)長(zhǎng)時(shí)間的使用體驗(yàn)。第一條是數(shù)據(jù)覆蓋面。日線行情、分鐘線、財(cái)務(wù)指標(biāo)、資產(chǎn)負(fù)債表、利潤(rùn)表、龍虎榜、融資融券、大宗交易、期貨數(shù)據(jù)基本上你平時(shí)做研究能想到的品種它都有對(duì)應(yīng)的接口。這意味著我不需要在多個(gè)數(shù)據(jù)源之間來(lái)回切換一個(gè)庫(kù)解決大部分問(wèn)題。第二條是接口設(shè)計(jì)。Tushare Pro 的接口是標(biāo)準(zhǔn)化的返回的是 pandas DataFrame和 Python 生態(tài)無(wú)縫銜接。拿到數(shù)據(jù)之后直接就能做計(jì)算、畫(huà)圖、建模不需要自己再做一層繁瑣的格式轉(zhuǎn)換。這一點(diǎn)對(duì)后續(xù)所有工作流來(lái)說(shuō)都是巨大的效率提升。第三條是免費(fèi)額度路徑。雖然部分接口有積分門檻但注冊(cè)、完善資料、參與社區(qū)任務(wù)都能攢積分日常使用的絕大多數(shù)接口可以免費(fèi)拿下。對(duì)個(gè)人學(xué)習(xí)研究來(lái)說(shuō)這個(gè)成本結(jié)構(gòu)很合適。也有朋友問(wèn)我為什么不直接用 akshare 或者其他開(kāi)源庫(kù)。我的體會(huì)是akshare 這類免費(fèi)庫(kù)勝在零門檻但數(shù)據(jù)穩(wěn)定性和文檔完整度參差不齊部分接口掛在網(wǎng)頁(yè)爬蟲(chóng)上隔一段時(shí)間就可能失效Tushare Pro 的接口更接近成熟商業(yè)數(shù)據(jù)服務(wù)的體驗(yàn)字段說(shuō)明規(guī)范、更新穩(wěn)定出了問(wèn)題也好排查。當(dāng)然如果你只是隨手拿個(gè)數(shù)據(jù)玩一玩哪個(gè)順手用哪個(gè)都行如果是認(rèn)真要做自己的數(shù)據(jù)體系Tushare Pro 的性價(jià)比優(yōu)勢(shì)就很明顯了。2. 環(huán)境準(zhǔn)備與最容易被忽略的安裝細(xì)節(jié)我記得自己第一次裝 Tushare 的時(shí)候以為和裝普通庫(kù)一樣簡(jiǎn)單結(jié)果報(bào)了一堆錯(cuò)。后來(lái)回頭看其實(shí)大部分問(wèn)題都可以提前避免。這里把環(huán)境搭建的完整流程和容易踩的坑一起說(shuō)清楚。2.1 Python 環(huán)境與 tushare 安裝步驟無(wú)論你用的是 Windows、macOS 還是 Linux核心步驟是一樣的。安裝 Python 的時(shí)候我建議直接裝 Python 3.9 以上版本Tushare 的版本迭代比較快新版本對(duì)新的 Python 兼容性更好。安裝完 Python 之后強(qiáng)烈建議先建一個(gè)虛擬環(huán)境別一股腦往系統(tǒng)環(huán)境里塞包。我自己通常是這樣操作的# 創(chuàng)建虛擬環(huán)境 python -m venv tushare_env # 激活虛擬環(huán)境 # Windows tushare_env\Scripts\activate # macOS / Linux source tushare_env/bin/activate # 升級(jí) pip避免后續(xù)安裝報(bào)錯(cuò) pip install --upgrade pip # 安裝 tushare、pandas、matplotlib 等常用庫(kù) pip install tushare pandas matplotlib這里提一個(gè)常見(jiàn)錯(cuò)誤有些朋友在安裝后立即運(yùn)行import tushare結(jié)果提示找不到模塊。原因經(jīng)常是虛擬環(huán)境和全局環(huán)境混淆了——終端里激活的 Python 解釋器和你裝包的 pip 對(duì)應(yīng)的不是同一個(gè)環(huán)境。最簡(jiǎn)單的確認(rèn)方法是在激活環(huán)境后運(yùn)行python -c import tushare; print(tushare.__version__)如果能看到版本號(hào)說(shuō)明環(huán)境沒(méi)問(wèn)題如果報(bào)錯(cuò)就要檢查pip是不是被軟鏈接到了其他地方。2.2 注冊(cè) Tushare Pro 賬號(hào)與 Token 配置的核心邏輯環(huán)境裝好后接下來(lái)是注冊(cè)賬號(hào)。在 Tushare Pro 官網(wǎng)注冊(cè)登錄后進(jìn)入個(gè)人主頁(yè)找到接口TOKEN頁(yè)面復(fù)制那一串 token。這個(gè) token 相當(dāng)于你訪問(wèn)數(shù)據(jù)接口的鑰匙所有請(qǐng)求都要帶上它。token 配置有兩種常見(jiàn)方式。第一種是在代碼里直接設(shè)置import tushare as ts ts.set_token(你的token) pro ts.pro_api()第二種是在項(xiàng)目根目錄放一個(gè).env文件用環(huán)境變量的方式管理這樣更安全也方便代碼庫(kù)共享時(shí)隱藏敏感信息# 安裝 python-dotenvpip install python-dotenv import os from dotenv import load_dotenv load_dotenv() import tushare as ts ts.set_token(os.getenv(TUSHARE_TOKEN)) pro ts.pro_api()這里多說(shuō)一句token 是個(gè)人賬戶憑證盡量不要直接硬編碼在公開(kāi)的 Jupyter Notebook、GitHub 倉(cāng)庫(kù)或者博客示例里。我見(jiàn)過(guò)不少人在分享代碼時(shí)把 token 一起貼出來(lái)結(jié)果賬號(hào)被別人盜刷積分的情況。哪怕只是自己本地用也建議養(yǎng)成用環(huán)境變量的習(xí)慣。2.3 驗(yàn)證環(huán)境用最簡(jiǎn)單的接口測(cè)試連通性環(huán)境裝好、token 配置好之后不要急著寫復(fù)雜邏輯先用一個(gè)最簡(jiǎn)單的接口驗(yàn)證能不能連通。daily接口的積分門檻相對(duì)較低注冊(cè)完善資料基本就能開(kāi)通很適合作為第一個(gè)測(cè)試接口。import tushare as ts ts.set_token(你的token) pro ts.pro_api() # 獲取平安銀行最近幾個(gè)交易日的日線行情 df pro.daily(ts_code000001.SZ, start_date20250101, end_date20250301) print(df.head())如果能在輸出里看到ts_code、trade_date、open、high、low、close這些字段恭喜你整個(gè)鏈路已經(jīng)通了可以繼續(xù)往下做正經(jīng)事情了。3. 核心數(shù)據(jù)接口實(shí)戰(zhàn)行情、財(cái)務(wù)、龍虎榜一次拿全這一節(jié)是整個(gè)文章的重頭戲也是你后面所有分析工作的地基。我會(huì)把日線行情、財(cái)務(wù)數(shù)據(jù)、龍虎榜數(shù)據(jù)三塊分別講透包括接口怎么調(diào)、返回什么樣的數(shù)據(jù)、有哪些值得注意的字段和坑。3.1 日線行情接口從一行代碼到完整的數(shù)據(jù)獲取流程日線行情是所有 A 股數(shù)據(jù)分析里最基礎(chǔ)、也最高頻使用的數(shù)據(jù)。Tushare Pro 里對(duì)應(yīng)的接口是pro.daily()。調(diào)用方式很簡(jiǎn)單傳股票代碼和日期范圍就行import tushare as ts ts.set_token(你的token) pro ts.pro_api() # 獲取平安銀行 2025年1月1日至今的日線行情 df pro.daily(ts_code000001.SZ, start_date20250101, end_date20250301) print(df.head())返回結(jié)果長(zhǎng)這樣字段名和格式很有代表性ts_code股票代碼帶后綴例如000001.SZ表示深交所600000.SH表示上交所。trade_date交易日期格式是YYYYMMDD的 8 位字符串。open / high / low / close開(kāi)盤價(jià)、最高價(jià)、最低價(jià)、收盤價(jià)單位是元。pre_close昨收盤價(jià)。change漲跌額等于 close 減去 pre_close。pct_chg漲跌幅單位是百分?jǐn)?shù)接口直接幫你算好了。vol成交量單位是手注意 1 手 100 股。amount成交額單位是千元不是元。這里有兩個(gè)非常容易弄混的地方我特意說(shuō)明一下都是血淚教訓(xùn)。第一daily返回的數(shù)據(jù)是未復(fù)權(quán)價(jià)格。什么是未復(fù)權(quán)就是交易所每天公布的原始價(jià)格。如果一只股票發(fā)生了分紅、送股除權(quán)除息之后價(jià)格會(huì)留下一個(gè)明顯的跳空缺口。這個(gè)缺口不是真實(shí)的漲跌而是股本變化導(dǎo)致的數(shù)字變化。如果你要用歷史價(jià)格計(jì)算收益率、做策略回測(cè)用未復(fù)權(quán)數(shù)據(jù)會(huì)導(dǎo)致結(jié)果嚴(yán)重失真。解決方法是使用pro_bar接口指定adjqfq前復(fù)權(quán)或adjhfq后復(fù)權(quán)。日?？幢P用daily沒(méi)問(wèn)題但一旦涉及量化回測(cè)一定要用復(fù)權(quán)數(shù)據(jù)。第二vol和amount的單位都是縮水的。vol是手amount是千元。網(wǎng)上能看到很多新手把所有數(shù)據(jù)加起來(lái)算總成交額結(jié)果數(shù)量級(jí)差了好幾位。如果你想把成交額換算成億元直接df[amount] / 100000就能得到億元口徑因?yàn)閍mount單位是千元。3.2 財(cái)務(wù)數(shù)據(jù)接口的選擇fina_indicator 與 balance_sheet 的區(qū)別財(cái)務(wù)數(shù)據(jù)這塊很多初學(xué)者一開(kāi)始會(huì)被一堆接口搞暈fina_indicator、income、balance_sheet、cashflow、forecast每個(gè)看著都像財(cái)務(wù)報(bào)表到底該用哪個(gè)我從實(shí)際使用的角度把它們的區(qū)別整理出來(lái)。接口名返回內(nèi)容典型字段適用場(chǎng)景fina_indicator財(cái)務(wù)指標(biāo)按報(bào)告期計(jì)算的比率roe, grossprofit_margin, debt_to_assets快速看公司賺錢能力、償債能力income利潤(rùn)表revenue, n_income, operate_profit看營(yíng)收、利潤(rùn)的絕對(duì)值balance_sheet資產(chǎn)負(fù)債表total_assets, total_liab, equity看資產(chǎn)結(jié)構(gòu)、負(fù)債水平cashflow現(xiàn)金流量表n_cashflow_act, free_cashflow看現(xiàn)金流狀況forecast業(yè)績(jī)預(yù)告type, p_change_min, p_change_max事件驅(qū)動(dòng)策略我個(gè)人最常用的是fina_indicator因?yàn)槿思野押诵谋嚷识妓愫昧讼袷莚oe、grossprofit_margin、debt_to_assets、netprofit_yoy這些字段做基本面篩選的時(shí)候直接拿來(lái)排序就行不需要自己再做一遍報(bào)表計(jì)算。但如果你想深入拆解某家公司的財(cái)務(wù)狀況還是得回到income和balance_sheet去扣細(xì)項(xiàng)fina_indicator只是一個(gè)摘要視圖。調(diào)用方式不復(fù)雜# 獲取平安銀行的財(cái)務(wù)指標(biāo)數(shù)據(jù) df_fin pro.fina_indicator(ts_code000001.SZ, start_date20240101, end_date20250301) print(df_fin.head())返回的數(shù)據(jù)是按報(bào)告期組織的大約每個(gè)季度一條字段非常多建議用df_fin.columns查看完整列表不要試圖一次性記住。這里需要特別提醒一個(gè)和日線行情完全不同的特性財(cái)務(wù)數(shù)據(jù)不是連續(xù)的每日數(shù)據(jù)而是季報(bào)頻率。你會(huì)發(fā)現(xiàn)返回的記錄不是從 1 月到 12 月每個(gè)月一條而是一季報(bào)、中報(bào)、三季報(bào)、年報(bào)這樣的節(jié)奏。做模型時(shí)如果你把財(cái)務(wù)數(shù)據(jù)直接和日線行情 join 在一起會(huì)產(chǎn)生大量重復(fù)或者缺失的報(bào)告期錯(cuò)位問(wèn)題正確做法是按end_date報(bào)告期對(duì)齊或者對(duì)財(cái)務(wù)指標(biāo)做向前填充。3.3 龍虎榜數(shù)據(jù)事件驅(qū)動(dòng)的金礦但有兩個(gè)關(guān)鍵坑龍虎榜數(shù)據(jù)是很多做短線和事件驅(qū)動(dòng)策略的玩家重點(diǎn)關(guān)注的對(duì)象。它直接展示了市場(chǎng)資金博弈的痕跡哪只股票被機(jī)構(gòu)買入哪只被游資炒作凈買入額是多少。Tushare Pro 提供了top_list和top_inst兩個(gè)相關(guān)接口。top_list返回某一天上榜的股票列表調(diào)用方式是按交易日查詢# 獲取 2025年2月10日 的龍虎榜數(shù)據(jù) df_top pro.top_list(trade_date20250210) print(df_top.head())核心字段包括ts_code股票代碼trade_date上榜日期name股票名稱close收盤價(jià)pct_change漲跌幅net_amount凈買額單位是萬(wàn)元buy_amount買入總額單位是萬(wàn)元sell_amount賣出總額單位是萬(wàn)元turnover_rate換手率使用龍虎榜數(shù)據(jù)有兩個(gè)關(guān)鍵坑我在實(shí)際項(xiàng)目中都踩過(guò)?？右籺op_list是按交易日維度的不是按股票維度的。也就是說(shuō)你傳的是交易日返回的是當(dāng)天所有上榜股票如果你想知道某只股票的歷史上榜記錄需要遍歷一段時(shí)間內(nèi)的所有交易日然后篩選ts_code。我最早寫策略腳本時(shí)就卡在這里以為傳ts_code就能拿到單只股票的榜單結(jié)果返回空?？佣et_amount單位是萬(wàn)元不是元。不少新手直接拿這個(gè)數(shù)去和其他金額字段對(duì)比結(jié)果差了一萬(wàn)倍。Tushare 的文檔里單位標(biāo)注其實(shí)是有的但很容易被忽略。建議養(yǎng)成拿到數(shù)據(jù)后先head()看幾行、再檢查單位的好習(xí)慣。另外還有一點(diǎn)龍虎榜數(shù)據(jù)通常在下個(gè)交易日早上 8 點(diǎn)左右更新完畢。如果你寫了一個(gè)每天早上自動(dòng)拉取昨日龍虎榜的程序時(shí)間點(diǎn)最好設(shè)計(jì)在 8 點(diǎn)半以后留出冗余否則容易拉到不完整的數(shù)據(jù)。3.4 免費(fèi)積分怎么獲取一個(gè)不用花錢的路徑寫完三類核心接口的調(diào)用之后肯定會(huì)有朋友問(wèn)積分不夠怎么辦 這確實(shí)是 Tushare Pro 新用戶最常見(jiàn)的困惑。daily接口需要 120 積分fina_indicator需要 2000 積分top_list需要 2000 積分看起來(lái)門檻不低但實(shí)際上有相當(dāng)一部分積分是可以免費(fèi)攢出來(lái)的。我整理了自己走過(guò)的免費(fèi)積分路徑注冊(cè)賬號(hào)在 Tushare Pro 官網(wǎng)注冊(cè)初始會(huì)送一部分基礎(chǔ)積分。完善資料在個(gè)人中心把職業(yè)、領(lǐng)域、使用場(chǎng)景這些資料填完整會(huì)送一部分積分。我當(dāng)時(shí)填完資料后積分從 120 漲到了 500 左右。發(fā)帖/回帖社區(qū)里發(fā)一個(gè)有效的帖子能夠獲得積分。這個(gè)看內(nèi)容質(zhì)量我發(fā)過(guò)幾個(gè)接口使用心得帖子攢了一些。官方任務(wù)在首頁(yè)和公告里偶爾會(huì)有一些活動(dòng)或任務(wù)比如寫接口文檔、反饋 bug參與就能拿積分。這一塊比較隨緣但遇到了就是幾十上百積分的大包。如果等不及攢積分還有一個(gè)非常實(shí)用的方案先注冊(cè)一個(gè)賬號(hào)用低積分接口比如 daily 需要的 120 積分注冊(cè)完善資料基本就夠了把行情數(shù)據(jù)這塊跑通財(cái)務(wù)和龍虎榜后面再針對(duì)性升級(jí)。不要一上來(lái)就糾結(jié)所有接口全部開(kāi)通那是給自己設(shè)不必要的門檻。3.5 數(shù)據(jù)落地CSV 存檔與增量更新策略接口可以調(diào)通之后緊接著要面對(duì)的問(wèn)題就是怎么把數(shù)據(jù)保存下來(lái)避免每次重復(fù)拉取。直接調(diào)用接口做全量拉數(shù)據(jù)會(huì)有兩個(gè)問(wèn)題一是慢二是浪費(fèi)接口調(diào)用次數(shù)。尤其像財(cái)務(wù)和龍虎榜這種更新頻率不高的數(shù)據(jù)完全可以做成本地存檔。我在實(shí)際項(xiàng)目中常用的做法有三種。第一種全量覆蓋存檔。適合小數(shù)據(jù)量、低頻更新的數(shù)據(jù)。比如龍虎榜每天只有幾十上百條直接把當(dāng)天數(shù)據(jù)追加到一個(gè) CSV 里遇到重復(fù)日期就覆蓋。簡(jiǎn)單粗暴適合個(gè)人復(fù)盤。第二種按日期增量更新。適合日線行情這種每天都更新的數(shù)據(jù)。第一次先拉全歷史后面每天只拉最近一個(gè)交易日的數(shù)據(jù)追加到 CSV 尾部。這是我最常用的方式。第三種數(shù)據(jù)庫(kù)存儲(chǔ)。當(dāng)數(shù)據(jù)量大到 CSV 處理不過(guò)來(lái)或者要做復(fù)雜條件查詢時(shí)建議直接上 SQLite 或 MySQL。Tushare 社區(qū)里也有很多現(xiàn)成的數(shù)據(jù)庫(kù)表結(jié)構(gòu)設(shè)計(jì)可以直接抄作業(yè)。下面給一個(gè)簡(jiǎn)單的增量更新示例核心思路是記錄上次拉到哪一天# 增量更新日線數(shù)據(jù)到CSV import tushare as ts import pandas as pd import os ts.set_token(你的token) pro ts.pro_api() def update_daily_to_csv(ts_code, csv_path): # 讀取已有CSV的最后日期 if os.path.exists(csv_path): df_old pd.read_csv(csv_path) last_date df_old[trade_date].max() start_date str(int(last_date) 1) # 從下一天開(kāi)始拉 else: start_date 20200101 # 拉取新數(shù)據(jù) df_new pro.daily(ts_codets_code, start_datestart_date, end_date20250301) if df_new is not None and not df_new.empty: # 合并并去重 df_all pd.concat([df_old, df_new], ignore_indexTrue) df_all df_all.drop_duplicates(subset[ts_code, trade_date]) df_all.to_csv(csv_path, indexFalse) print(f更新完成新增 {len(df_new)} 條總數(shù)據(jù) {len(df_all)} 條) else: print(沒(méi)有新數(shù)據(jù)) # 使用示例 update_daily_to_csv(000001.SZ, sz000001_daily.csv)這個(gè)函數(shù)看起來(lái)簡(jiǎn)單但實(shí)際價(jià)值很高。比如你想維護(hù)一個(gè)全市場(chǎng) 5000 只股票的日線數(shù)據(jù)庫(kù)用這個(gè)思路批量跑配合多線程或者異步很快就能攢起一份自己的本地?cái)?shù)據(jù)資產(chǎn)。3.6 常見(jiàn)錯(cuò)誤與排錯(cuò)技巧最后補(bǔ)一節(jié)排錯(cuò)指南全都是血淚經(jīng)驗(yàn)。Tushare 新手大概率會(huì)遇到下面幾個(gè)報(bào)錯(cuò)這里直接給出原因和解決方案。錯(cuò)誤一抱歉您沒(méi)有訪問(wèn)該接口的權(quán)限原因當(dāng)前賬號(hào)積分不足未達(dá)到該接口的積分門檻。解決檢查接口文檔里的積分要求攢積分或升級(jí)賬號(hào)。注意這是 Tushare 最常見(jiàn)的報(bào)錯(cuò)不是代碼問(wèn)題是你權(quán)限不夠。錯(cuò)誤二每分鐘訪問(wèn)次數(shù)超過(guò)限制原因Tushare Pro 對(duì)普通用戶有每分鐘調(diào)用次數(shù)限制。解決在調(diào)用循環(huán)中加入time.sleep(0.2)之類的時(shí)間間隔或者控制單次請(qǐng)求的數(shù)據(jù)量。技巧批量拉取全市場(chǎng)股票時(shí)盡量用trade_date維度拉取一次拿全市場(chǎng)而不是股票維度一只一只地拉。以日線為例用pro.daily(trade_date20250210)一次就能拿到當(dāng)天全市場(chǎng)約 5000 只股票的數(shù)據(jù)比循環(huán) 5000 次高效得多。錯(cuò)誤三請(qǐng)求超時(shí)或者連接被重置原因網(wǎng)絡(luò)問(wèn)題或者單次請(qǐng)求數(shù)據(jù)量太大。解決減少單次請(qǐng)求的時(shí)間范圍比如一年一年地拉或者設(shè)置重試機(jī)制。技巧把請(qǐng)求封裝成帶重試的函數(shù)3 次重試加指數(shù)退避基本能解決 90% 的偶發(fā)網(wǎng)絡(luò)問(wèn)題。錯(cuò)誤四數(shù)據(jù)里出現(xiàn) NaN 或字段缺失原因停牌股票、新上市股票會(huì)有部分字段缺失這是正?，F(xiàn)象。解決用df.dropna(subset[close])過(guò)濾或者在策略里對(duì) NaN 做向前填充。心態(tài)不要試圖消滅 NaNNaN 本身是信息——它告訴你這只股票當(dāng)時(shí)停牌或數(shù)據(jù)未更新。錯(cuò)誤五本地時(shí)間和接口時(shí)間不一致原因Tushare 的trade_date是北京時(shí)間但你的服務(wù)器可能在其他時(shí)區(qū)。解決統(tǒng)一用字符串比較不要用本地datetime.now()去構(gòu)造trade_date。建議所有日期參數(shù)都用字符串硬編碼或者在配置里統(tǒng)一管理避免時(shí)區(qū)干擾。按這個(gè)排查思路走絕大多數(shù) Tushare 使用問(wèn)題都能快速定位到根因。4. 一個(gè)能直接執(zhí)行的完整示例程序理論部分說(shuō)得夠多了是時(shí)候把完整代碼放出來(lái)了。下面這個(gè)程序我盡量寫得務(wù)實(shí)一點(diǎn)既能把數(shù)據(jù)拿下來(lái)又能落到本地 CSV還能順手打印幾條示例方便你驗(yàn)證自己的環(huán)境是否配置正確。代碼可以直接復(fù)制運(yùn)行。 A股數(shù)據(jù)獲取綜合示例日線行情 財(cái)務(wù)指標(biāo) 龍虎榜 作者一個(gè)曾被數(shù)據(jù)搞得頭大的博主 說(shuō)明請(qǐng)將 YOUR_TOKEN 替換成自己的 Tushare Pro token import tushare as ts import pandas as pd import time import os # 配置區(qū) TOKEN YOUR_TOKEN ts.set_token(TOKEN) pro ts.pro_api() # 輸出的CSV路徑 DAILY_CSV daily_000001.csv FIN_CSV fin_000001.csv TOP_CSV top_list.csv # 1. 獲取日線行情 def fetch_daily(ts_code000001.SZ, start_date20240101, end_date20250301): df pro.daily(ts_codets_code, start_datestart_date, end_dateend_date) return df # 2. 獲取財(cái)務(wù)指標(biāo) def fetch_financial(ts_code000001.SZ): df pro.fina_indicator(ts_codets_code, start_date20240101, end_date20250301) return df # 3. 獲取龍虎榜 def fetch_top_list(trade_date20250210): df pro.top_list(trade_datetrade_date) return df # 4. 保存到CSV def save_csv(df, path): if df is not None and not df.empty: df.to_csv(path, indexFalse, encodingutf-8-sig) print(f[OK] 已保存 {len(df)} 條數(shù)據(jù)到 {path}) else: print(f[WARN] {path} 無(wú)數(shù)據(jù)) # 主流程 if __name__ __main__: # 1. 日線行情 df_daily fetch_daily() print(f日線行情{len(df_daily)} 條) print(df_daily.head(3)) save_csv(df_daily, DAILY_CSV) time.sleep(0.3) # 控制請(qǐng)求頻率 # 2. 財(cái)務(wù)指標(biāo) df_fin fetch_financial() print(f財(cái)務(wù)指標(biāo){len(df_fin)} 條) print(df_fin[[ts_code, end_date, roe, grossprofit_margin]].head(3)) save_csv(df_fin, FIN_CSV) time.sleep(0.3) # 3. 龍虎榜 df_top fetch_top_list() print(f龍虎榜{len(df_top)} 條) if not df_top.empty: print(df_top[[ts_code, name, close, net_amount]].head(3)) save_csv(df_top, TOP_CSV) print(\n全部完成數(shù)據(jù)已保存到本地 CSV 文件。)運(yùn)行這個(gè)腳本后當(dāng)前目錄會(huì)生成三個(gè) CSV 文件daily_000001.csv、fin_000001.csv、top_list.csv。每跑一次都會(huì)被覆蓋如果你想要增量追加參考前面寫的update_daily_to_csv()函數(shù)就行。5. 數(shù)據(jù)可視化別讓數(shù)據(jù)躺在 CSV 里睡大覺(jué)數(shù)據(jù)拿到手只是第一步能把數(shù)據(jù)變成觀點(diǎn)才是做分析的關(guān)鍵。下面展示兩段簡(jiǎn)短的繪圖代碼一段是K線圖一段是漲跌幅分布直方圖。這兩段代碼都不復(fù)雜但很實(shí)用。5.1 K線圖用 matplotlib 畫(huà)最基礎(chǔ)的蠟燭圖K線圖是 A 股分析里最常用的可視化圖形。如果你不想裝mplfinance這種專業(yè)庫(kù)用matplotlib也能畫(huà)一個(gè)簡(jiǎn)易的K線圖。import matplotlib.pyplot as plt import pandas as pd import tushare as ts ts.set_token(你的token) pro ts.pro_api() # 讀取剛才保存的日線數(shù)據(jù) df pd.read_csv(daily_000001.csv) df df.sort_values(trade_date).reset_index(dropTrue) # 取最近20個(gè)交易日 df df.tail(20) plt.figure(figsize(12, 6)) # 用收盤價(jià)畫(huà)折線 plt.plot(pd.to_datetime(df[trade_date]), df[close], markero, labelclose) plt.title(000001.SZ 最近20日收盤價(jià)) plt.xlabel(日期) plt.ylabel(收盤價(jià)) plt.xticks(rotation45) plt.grid(True, alpha0.3) plt.legend() plt.tight_layout() plt.savefig(kline_close.png, dpi150) plt.show()畫(huà)出來(lái)之后你能直觀看到價(jià)格走勢(shì)。如果想畫(huà)更精細(xì)的蠟燭圖推薦裝一個(gè)mplfinance三行代碼就能出圖支持均線、成交量、MACD 疊加。# 使用 mplfinance 畫(huà)專業(yè)K線圖需要先 pip install mplfinance import mplfinance as mpf df pd.read_csv(daily_000001.csv, index_col0, parse_datesTrue) df df.sort_index() # mplfinance 需要列名Open High Low Close Volume df_plot df[[open, high, low, close, vol]].rename(columns{ open: Open, high: High, low: Low, close: Close, vol: Volume }) mpf.plot(df_plot.tail(30), typecandle, volumeTrue, mav(5, 10, 20), title000001.SZ, stylecharles)5.2 漲跌幅分布直方圖一眼看出市場(chǎng)情緒另外一個(gè)常用畫(huà)面是把某天全市場(chǎng)股票的漲跌幅拉出來(lái)畫(huà)成直方圖看市場(chǎng)整體情緒。這個(gè)畫(huà)面特別適合做盤后復(fù)盤。import matplotlib.pyplot as plt # 獲取某一天全市場(chǎng)行情 df_all pro.daily(trade_date20250210) # 過(guò)濾掉無(wú)漲跌幅的數(shù)據(jù) df_all df_all.dropna(subset[pct_chg]) plt.figure(figsize(10, 6)) plt.hist(df_all[pct_chg], bins50, colorsteelblue, edgecolorwhite, alpha0.8) plt.axvline(x0, colorred, linestyle--, linewidth1.5, label漲跌分界線) plt.title(2025-02-10 全市場(chǎng)漲跌幅分布) plt.xlabel(漲跌幅(%)) plt.ylabel(股票數(shù)量) plt.legend() plt.grid(True, alpha0.3) plt.tight_layout() plt.savefig(market_pct_dist.png, dpi150) plt.show()這個(gè)直方圖一出來(lái)你就能立刻感受到當(dāng)天市場(chǎng)的狀態(tài)是普漲、普跌、還是結(jié)構(gòu)分化。如果配合連續(xù)幾天的分布變化還能看出情緒的演變過(guò)程。這些都是直接從 Tushare 數(shù)據(jù)里能得到的第一手信息。6. 進(jìn)階玩法把 Tushare Pro 變成你的量化數(shù)據(jù)中臺(tái)如果你已經(jīng)能熟練獲取日線、財(cái)務(wù)、龍虎榜三類數(shù)據(jù)說(shuō)明 Tushare Pro 的基本功已經(jīng)比較扎實(shí)了。接下來(lái)提幾個(gè)我自己覺(jué)得性價(jià)比極高的進(jìn)階方向每一個(gè)都值得花時(shí)間深入。6.1 自建本地?cái)?shù)據(jù)庫(kù)從 CSV 走向 SQLite當(dāng)你的數(shù)據(jù)量變大CSV 文件就變得不好維護(hù)打開(kāi)大文件卡頓、條件查詢麻煩、數(shù)據(jù)更新容易產(chǎn)生重復(fù)。這時(shí)候我建議把數(shù)據(jù)遷到 SQLite。SQLite 是 Python 內(nèi)置支持的輕量數(shù)據(jù)庫(kù)不需要單獨(dú)安裝服務(wù)非常適合個(gè)人量化項(xiàng)目。一個(gè)基本的做法是建三張表daily、financial、top_list。然后寫一個(gè)同步函數(shù)把拉取到的 DataFrame 直接to_sql()寫進(jìn)去。這個(gè)過(guò)程不難但數(shù)據(jù)庫(kù)表結(jié)構(gòu)設(shè)計(jì)需要提前規(guī)劃好比如trade_date和ts_code聯(lián)合起來(lái)做唯一索引防止重復(fù)數(shù)據(jù)。import sqlite3 conn sqlite3.connect(a_share.db) df_daily.to_sql(daily, conn, if_existsappend, indexFalse) df_fin.to_sql(financial, conn, if_existsappend, indexFalse) df_top.to_sql(top_list, conn, if_existsappend, indexFalse) conn.close()注意to_sql默認(rèn)會(huì)在重復(fù)執(zhí)行時(shí)創(chuàng)建重復(fù)記錄個(gè)人項(xiàng)目里數(shù)據(jù)量不大我推薦先按唯一鍵查重再插入保證數(shù)據(jù)一致性。6.2 技術(shù)指標(biāo)計(jì)算自己動(dòng)手用 pandas 實(shí)現(xiàn)技術(shù)指標(biāo)是很多人做策略的必備工具。TA-Lib 是量化圈最常用的技術(shù)指標(biāo)庫(kù)但安裝有時(shí)候會(huì)讓人頭疼。如果你不想折騰我建議用 pandas 直接實(shí)現(xiàn)常見(jiàn)指標(biāo)比如移動(dòng)平均線、MACD、RSI。這些指標(biāo)的計(jì)算邏輯并不復(fù)雜用rolling、ewm這些內(nèi)置方法就能搞定。舉個(gè)例子計(jì)算均線和 MACD# 計(jì)算均線 df[ma5] df[close].rolling(5).mean() df[ma20] df[close].rolling(20).mean() # 計(jì)算 MACD ema12 df[close].ewm(span12, adjustFalse).mean() ema26 df[close].ewm(span26, adjustFalse).mean() df[dif] ema12 - ema26 df[dea] df[dif].ewm(span9, adjustFalse).mean() df[macd] (df[dif] - df[dea]) * 2運(yùn)行之后你就得到了一整列趨勢(shì)指標(biāo)。把這些指標(biāo)和 Tushare 的基本面數(shù)據(jù)、龍虎榜數(shù)據(jù)結(jié)合起來(lái)就能搭出一個(gè)很初級(jí)的選股框架。6.3 定時(shí)任務(wù)每天早上自動(dòng)拉取數(shù)據(jù)如果你希望每天開(kāi)盤前自動(dòng)更新數(shù)據(jù)可以寫一個(gè) Python 腳本然后用系統(tǒng)的定時(shí)任務(wù)去調(diào)用。以 Linux/macOS 為例用 crontabWindows 可以用任務(wù)計(jì)劃程序。# 每天 8:40 運(yùn)行一次數(shù)據(jù)更新腳本 40 8 * * 1-5 cd /path/to/your/project /usr/bin/python3 update_data.py update.log 21這里有個(gè)細(xì)節(jié)A 股交易日是周一到周五所以 cron 表達(dá)式里用1-5限定工作日。但遇到節(jié)假日即使在工作日也沒(méi)有新數(shù)據(jù)這需要腳本里做判斷如果當(dāng)天trade_date的行情數(shù)據(jù)為空就直接退出不產(chǎn)生報(bào)警。如果你用的是云服務(wù)器那這個(gè)定時(shí)任務(wù)基本就等于一個(gè)小的自動(dòng)數(shù)據(jù)中臺(tái)了。每天早上打開(kāi)數(shù)據(jù)庫(kù)前一天的數(shù)據(jù)已經(jīng)躺在那里可以直接用來(lái)寫復(fù)盤或者跑策略。6.4 批量獲取全市場(chǎng)數(shù)據(jù)兩種思路的取舍最后一個(gè)進(jìn)階方向也是很多人的痛點(diǎn)如何批量獲取全市場(chǎng)數(shù)據(jù)。A 股目前有 5000 只股票如果一只一只地拉日線就算每次 0.2 秒一輪也要近 20 分鐘。而且 Tushare 有調(diào)用頻率限制盲目快跑會(huì)被限流。我優(yōu)先推薦按交易日批量拉取模式pro.daily(trade_date20250210)一次拿到全市場(chǎng)當(dāng)天數(shù)據(jù)然后把全市場(chǎng)的歷史數(shù)據(jù)分成多年份、按年份拉取。這樣請(qǐng)求次數(shù)少、數(shù)據(jù)整齊后續(xù)也方便入庫(kù)。如果確實(shí)需要按股票維度批量拉取建議用ThreadPoolExecutor做有限并發(fā)同時(shí)控制 QPS防止接口被限流。from concurrent.futures import ThreadPoolExecutor, as_completed def fetch_one(ts_code): try: return pro.daily(ts_codets_code, start_date20240101, end_date20250301) except Exception as e: print(f{ts_code} 失敗: {e}) return None # 假設(shè) stock_list 是你的股票列表 stock_list [000001.SZ, 600000.SH, 000002.SZ] with ThreadPoolExecutor(max_workers3) as executor: futures [executor.submit(fetch_one, code) for code in stock_list] for future in as_completed(futures): df future.result() if df is not None and not df.empty: print(df[ts_code].iloc[0], len(df))注意并發(fā)數(shù)不要開(kāi)太高建議從 3~5 個(gè)線程開(kāi)始測(cè)試逐步調(diào)優(yōu)。7. 易錯(cuò)點(diǎn)整理一張表查清楚高頻問(wèn)題寫到這里我想把使用過(guò)程中踩過(guò)的一些坑系統(tǒng)性地整理出來(lái)。這些坑不會(huì)出現(xiàn)在官方文檔里但幾乎每個(gè)深入使用 Tushare 的人都會(huì)遇到。問(wèn)題現(xiàn)象根本原因解決方案積分不足返回?zé)o權(quán)限賬號(hào)積分未達(dá)門檻完善資料 社區(qū)任務(wù)攢積分每分鐘限頻提示訪問(wèn)太頻繁超過(guò)了接口頻控加 sleep 或按交易日維度批量拉取未復(fù)權(quán)跳空價(jià)格突變daily 返回未復(fù)權(quán)數(shù)據(jù)用 pro_bar 指定復(fù)權(quán)方式財(cái)務(wù)報(bào)告期錯(cuò)位數(shù)據(jù)不均勻財(cái)務(wù)按季報(bào)頻率發(fā)布按 end_date 對(duì)齊報(bào)告期龍虎榜查詢方式錯(cuò)誤top_list 不支持 ts_code 查詢接口按交易日返回遍歷交易日再篩選 ts_codeNaN 數(shù)據(jù)字段缺失停牌或新上市dropna 或向前填充時(shí)區(qū)問(wèn)題日期差一天trade_date 是北京時(shí)間日期參數(shù)全部用字符串除了表格里的問(wèn)題我再補(bǔ)充三個(gè)使用習(xí)慣對(duì)長(zhǎng)期穩(wěn)定使用 Tushare 很重要。習(xí)慣一把接口封裝成自己的工具庫(kù)。我在項(xiàng)目里會(huì)維護(hù)一個(gè)data_utils.py里面統(tǒng)一封裝了 token 配置、請(qǐng)求重試、日期參數(shù)校驗(yàn)、返回格式整理。這樣每次寫新腳本時(shí)只需要調(diào)用封裝好的函數(shù)不用重復(fù)寫一堆樣板代碼。時(shí)間長(zhǎng)了你會(huì)發(fā)現(xiàn)自己積累了一個(gè)非常適合個(gè)人習(xí)慣的數(shù)據(jù)工具箱。習(xí)慣二接數(shù)據(jù)之前先設(shè)計(jì)方案不要邊拉邊想。很多新手拿 Tushare 時(shí)一上來(lái)就寫循環(huán)把所有數(shù)據(jù)都拉一遍結(jié)果拉完才發(fā)現(xiàn)字段沒(méi)選對(duì)、時(shí)間范圍不對(duì)、數(shù)據(jù)格式不合適又要重來(lái)。我建議先明確幾個(gè)問(wèn)題你要什么指標(biāo)時(shí)間范圍是多少數(shù)據(jù)更新頻率多高要不要復(fù)權(quán)想清楚了再寫代碼效率會(huì)高很多。習(xí)慣三寫文檔、記筆記尤其是接口字段的坑。前面提到的vol單位是手、amount單位是千元、net_amount單位是萬(wàn)元這些都是容易踩的細(xì)節(jié)。如果不記下來(lái)過(guò)幾個(gè)月回來(lái)再看代碼你很可能已經(jīng)忘了當(dāng)初為什么那樣處理。用 Markdown 維護(hù)一份自己的字段速查表長(zhǎng)期價(jià)值很高。最后再分享一個(gè)我自己的使用習(xí)慣所有數(shù)據(jù)請(qǐng)求我都會(huì)統(tǒng)一封裝在一個(gè)文件里接口參數(shù)、積分要求、字段備注全部寫在函數(shù)注釋中。這樣做的時(shí)間越長(zhǎng)積累的數(shù)據(jù)工具就越順手后續(xù)不管是做報(bào)告還是寫策略效率都會(huì)高出一大截。希望這篇文章能讓你在 A 股數(shù)據(jù)獲取上少踩幾個(gè)坑把更多精力放到真正有價(jià)值的研究上去。