RiceQuant米筐量化交易平台。深圳米筐科技有限公司致力于打造亚太区最出色的量化交易平台,在我们的平台上,您可以使用我们提供高效的工具和准确的数据去构造您的策略,并进行回测以及优化,而无需担忧基础架构及数据质量问题。

RQData

变更履历

版本发布日期新功能/APIBug Fix改善
rqdatac-1.0.0.a312018-11-28增加了API get_current_news以获取实时快讯
rqdatac-1.0.0.a292018-11-19增加了数据因子协方差,特异收益率,特异风险等因子数据(专有接口)
rqdatac-1.0.0.a222018-11-11增加了 get_pit_financials, get_main_share_shareholder,
econ.get_money_supply以及econ.get_reserve_ratio
历史A股涨跌停计算(小数点保留位数的修正)此版本为rqdata2.0,整体对于API调取数据速度整体提升了4倍脱离了对于pandas的版本限制
将API中的'country'参数统一改为了'market'
rqdatac-0.4.552018-09-11增加了get_financials的功能,可以选择查看未调整/调整后的财务数据
增加了API zx_industry和zx_instrument_industry 获取中信行业分类
增加了API get_future_member_rank 获取期货合约持仓排名
get_ex_factor, get_dividend和get_split可以支持order_book_id以list形式传入
rqdatac-0.4.402018-08-31增加了API get_factor快捷获取因子数据,线上仅开放财务因子
增加了上金所现货合约和日行情
股票日行情从2005年开放至2000年
股票合约信息中的板块信息针对地产股可以正常显示为房地产而非的金融板块
rqdatac-0.4.272018-08-09增加了API performance_forecast用来获取业绩预告数据
rqdatac-0.4.242018-07-18增加了API index_indicator用来获取A股主流指数的每日估值指标
rqdatac-0.4.212018-07-10增加了API id_convert用来将不同标准下的A股代码转换成标准的米筐A股代码
增加了API deprecated_fundamental_data用来查询废弃的财务数据字段
rqdatac-0.4.82018-05-17增加了current_performance获取财务快报数据
增加了get_stock_connect获取沪深股通信息
增加了concept_list获取概念股列表
修改了K线Resample数据的逻辑
rqdatac-0.4.12018-03-23增加了 current_snapshot 获取当前最新 level1 快照行情get_price 支持股票历史 level1 快照行情和实时分钟线获取
rqdatac-0.3.252017-07-21增加 fund.get_industry_allocation API,fund.get_nav 支持了货币基金数据,加入了复权净值将 fund.get_asset_allocation, fund.get_holdings 返回结果中 weight 字段由原有的百分比改为了比率(即缩小100倍);期货加入新的主力连续合约,对价格进行了“平滑处理”
rqdatac-0.3.62017-05-16fund.get_manager 增加对基金列表的支持;all_instruments 增加 date 参数作为 key word argument
rqdatac-0.3.32017-05-11增加公募基金 fund 有关API;get_price 增加期货 tick 数据支持;加入融资融券数据以及流通股信息数据
rqdatac-0.2.22016-12-141. 增加报错提示,更加友好 2. 增加对 Python2 的支持
rqdatac-0.1.292016-12-16增加 index_weights
rqdatac-0.1.262016-11-30增加 get_financials
rqdatac-0.1.172016-11-04增加 get_dominant_future, get_turnover_rate对期货夜盘分钟数据进行了清洗,对股票历史数据源进行了替换get_price 增加对前后复权数据以及跳过停牌期的支持,get_fundamentals 函数增加了 report_quarter 关键字

RQData简介

Ricequant数据SDK - RQData是一个面向机构的商用版Python金融数据工具包。它安装在本地,为量化工程师们提供了丰富整齐的历史数据以及简单高效的API接口,最大限度地免除了您进行数据搜索、清洗的烦恼。在RQData的基础上,您可以可以方便地搭建本地运行环境并使用自己的工具链进行策略研究开发. 近期

Ricequant为您提供的每日更新的数据包括:

RQData初始化

以下的API的范例皆默认先操作了引入rqdata的模块。

互联网端调用数据(rqdatac), 需要在init的时候做用户名、密码的登录验证才可以, 如想试用的话可以联系我们的销售(email: bd@ricequant.com, qq: 4848371, 电话:0755-22676337)获得户名和密码就可以通过互联网调用数据量化接口SDK了:

import rqdatac
from rqdatac import *
rqdatac.init(username, password)

本地部署的服务器无需做身份验证的初始化:

import rqdata
from rqdata import *
rqdata.init()

保存自己的数据到csv文件

只需要使用以下简单的代码调用pandaspandas.DataFrameto_csv函数即可保存到csv:

import pandas as pd
df = pd.DataFrame(xxxx)
df.to_csv('xxxx.csv')

一些注意事项

期货连续合约

主力合约的判断标准:合约首次上市时,以当日收盘同品种持仓量最大者作为从第二个交易日开始的主力合约。当同品种其他合约持仓量在收盘后超过当前主力合约1.1倍时,从第二个交易日开始进行主力合约的切换。日内不会进行主力合约的切换。

郑商所相关

郑商所的order_book_id我们统一做了补齐,例如CF701补齐为CF1701。

郑商所的分钟线成交额'TotalTurnover'为0,但成交量'TotalVolumeTrade'正常。

一些商品期货交易品种存在合约代码修改的问题。因为变动前后它们的合约乘数产生了变化,所以目前我们将修改前后的期货合约当做两种合约来处理。而实际上,它们交易的又是同一品种,价格水平具备连续性。所以在主力连续与指数连续合约的处理上,我们做了区分处理。举例来说,强麦的主力连续合约我们有'强麦主力连续(旧)'和'强麦主力连续',分别对应'WS88'和'WH88'的orderbook_id. 一些变动的期货代码列举如下:

品种品种代码(变动前)品种代码(变动后)
强麦WS(1305及以前)WH
普麦WT (1211及以前)PM
菜籽油RO(1305及以前)OI
早籼稻ER(1305及以前)RI
甲醇ME(1505及以前)MA
动力煤TC(1604及以前)ZC

API文档

all_instruments - 获取所有合约基础信息

all_instruments(type='None', country='cn', **kwargs)

获取某个国家市场的所有合约信息。使用者可以通过这一方法很快地对合约信息有一个快速了解,目前仅支持中国市场。

参数

参数类型说明
typestr需要查询合约类型,例如:type='CS'代表股票。默认是所有类型
countrystr默认是中国市场('cn'),目前仅支持中国市场
datestr, datetime.date, datetime.datetime, pandasTimestamp指定日期,筛选指定日期可交易的合约

其中type参数传入的合约类型和对应的解释如下:

合约类型说明
CSCommon Stock, 即股票
ETFExchange Traded Fund, 即交易所交易基金
LOFListed Open-Ended Fund,即上市型开放式基金 (以下分级基金已并入)
FenjiMuFenji Mu Fund, 即分级母基金
FenjiAFenji A Fund, 即分级A类基金
FenjiBFenji B Funds, 即分级B类基金
INDXIndex, 即指数
FutureFutures,即期货,包含股指、国债和商品期货
SpotSpot,即现货,目前包括上海黄金交易所现货合约

返回

pandas DataFrame - 所有合约的基本信息。

范例

[In]all_instruments()
[Out]
    abbrev_symbol    order_book_id  sector_code    symbol
0    XJDQ    000400.XSHE      Industrials        许继电气
1    HXN        002582.XSHE      ConsumerStaples    好想你
2    NFGF    300004.XSHE      Industrials        南风股份
3    FLYY    002357.XSHE      Industrials        富临运业
...
[In]all_instruments(type='LOF')
[Out]
    abbrev_symbol    order_book_id    product    sector_code  symbol
0    CYGA    150303.XSHE    null    null    华安创业板50A
1    JY500A    150088.XSHE    null    null    金鹰500A
2    TD500A    150053.XSHE    null    null    泰达稳健
3    HS500A    150110.XSHE    null    null    华商500A
4    QSAJ    150235.XSHE    null    null    鹏华证券A
...
[In]all_instruments(type='Future')
[Out]
    abbrev_symbol    order_book_id    product    sector_code    symbol
0    MH0610    CF0610    Commodity    null    棉花0610
1    LD0209    GN0209    Commodity    null    绿豆0209
...
3615    HS1301    IF1301    Index    null    沪深1301
...
[In]all_instruments(type='Future', date='20160412')
[Out]
    abbrev_symbol    order_book_id    product    symbol
0    HJ0809    AU0809    Commodity    黄金0809
1    MH1301    CF1301    Commodity    棉花1301
...
4226    XC1103    WR1103    Commodity    线材1103
...

instruments - 获取合约详细信息

instruments(order_book_id, country='cn')

获取某个国家市场内一个或多个合约的详细信息。目前仅支持中国市场。

参数

参数类型说明
order_book_idstr OR str list合约代码,可传入order_book_id, order_book_id list。
中国市场的order_book_id通常类似'000001.XSHE'。需要注意,国内股票、ETF、指数合约代码分别应当以'.XSHG'或'.XSHE'结尾,前者代表上证,后者代表深证。
比如查询平安银行这个股票合约,则键入'000001.XSHE',前面的数字部分为交易所内这个股票的合约代码,后半部分为对应的交易所代码。
期货则无此要求
countrystr默认是中国市场('cn'),目前仅支持中国市场

返回

一个instrument对象,或一个instrument list。

目前系统并不支持跨国家市场的同时调用。传入 order_book_id list必须属于同一国家市场,不能混合着中美两个国家市场的order_book_id。

字段类型说明
order_book_idstr证券代码,证券的独特的标识符。应以'.XSHG'或'.XSHE'结尾,前者代表上证,后者代表深证
symbolstr证券的简称,例如'平安银行'
abbrev_symbolstr证券的名称缩写,在中国A股就是股票的拼音缩写。例如:'PAYH'就是平安银行股票的证券名缩写
round_lotint一手对应多少股,中国A股一手是100股
sector_codestr板块缩写代码,全球通用标准定义
sector_code_namestr以当地语言为标准的板块代码名
shenwan_industry_codestr申万的行业分类代码
shenwan_industry_namestr申万的行业分类命名
industry_codestr国民经济行业分类代码,具体可参考下方“Industry列表”
industry_namestr国民经济行业分类名称
listed_datestr该证券上市日期
de_listed_datestr退市日期
typestr合约类型,目前支持的类型有: 'CS', 'INDX', 'LOF', 'ETF', 'Future'
concept_namesstr概念股分类,例如:'铁路基建','基金重仓'等
exchangestr交易所,'XSHE' - 深交所, 'XSHG' - 上交所
board_typestr板块类别,'MainBoard' - 主板,'GEM' - 创业板
statusstr合约状态。'Active' - 正常上市, 'Delisted' - 终止上市, 'TemporarySuspended' - 暂停上市, 'PreIPO' - 发行配售期间, 'FailIPO' - 发行失败
special_typestr特别处理状态。'Normal' - 正常上市, 'ST' - ST处理, 'StarST' - *ST代表该股票正在接受退市警告, 'PT' - 代表该股票连续3年收入为负,将被暂停交易, 'Other' - 其他
字段类型说明
order_book_idstr期货代码,期货的独特的标识符(郑商所期货合约数字部分进行了补齐。例如原有代码'ZC609'补齐之后变为'ZC1609')。主力连续合约UnderlyingSymbol+88,例如'IF88' ;指数连续合约命名规则为UnderlyingSymbol+99
symbolstr期货的简称,例如'沪深1005'
margin_ratefloat期货合约的最低保证金率
round_lotfloat期货全部为1.0
listed_datestr期货的上市日期。主力连续合约与指数连续合约都为'0000-00-00'
typestr合约类型,'Future'
contract_multiplierfloat合约乘数,例如沪深300股指期货的乘数为300.0
underlying_order_book_idstr合约标的代码,目前除股指期货(IH, IF, IC)之外的期货合约,这一字段全部为'null'
underlying_symbolstr合约标的名称,例如IF1005的合约标的名称为'IF'
maturity_datestr期货到期日。主力连续合约与指数连续合约都为'0000-00-00'
exchangestr交易所,'DCE' - 大连商品交易所, 'SHFE' - 上海期货交易所,'CFFEX' - 中国金融期货交易所, 'CZCE'- 郑州商品交易所

Instrument对象也支持如下方法:

days_from_listed(date=None)

默认返回合约上市距离当前日期的天数。date支持str, 如果合约首次上市交易,天数为0;如果合约尚未上市或已经退市,则天数值为-1

days_to_expire(date=None)

如果策略已经退市,则天数值为-1

范例

[In]instruments('000001.XSHE')
[Out]
Instrument(round_lot=100.0, special_type='Normal', sector_code_name='金融', board_type='MainBoard', industry_code='J66', shenwan_industry_name='银行', order_book_id='000001.XSHE', sector_code='Financials', abbrev_symbol='PAYH', industry_name='货币金融服务', exchange='XSHE', concept_names='外资背景|本月解禁|融资融券|社保重仓|券商重仓|基金重仓|保险重仓|深圳本地', listed_date='1991-04-03', de_listed_date='0000-00-00', status='Active', shenwan_industry_code='801780.INDX', symbol='平安银行', type='CS')
[In]instruments(['000001.XSHE', '000024.XSHE'])
[Out]
[Instrument(round_lot=100.0, special_type='Normal', sector_code_name='金融', board_type='MainBoard', industry_code='J66', shenwan_industry_name='银行', order_book_id='000001.XSHE', sector_code='Financials', abbrev_symbol='PAYH', industry_name='货币金融服务', exchange='XSHE', concept_names='外资背景|本月解禁|融资融券|社保重仓|券商重仓|基金重仓|保险重仓|深圳本地', listed_date='1991-04-03', de_listed_date='0000-00-00', status='Active', shenwan_industry_code='801780.INDX', symbol='平安银行', type='CS'),
 Instrument(round_lot=100.0, special_type='Other', sector_code_name='金融', board_type='MainBoard', industry_code='K70', order_book_id='000024.XSHE', sector_code='Financials', abbrev_symbol='ZSDC', industry_name='房地产业', exchange='XSHE', concept_names='null', listed_date='1993-06-07', de_listed_date='2015-12-30', status='Delisted', symbol='招商地产', type='CS')]
[In]instruments('000001.XSHE').days_from_listed('20160801')
[Out]
9252
[In]instruments('IF1608').days_to_expire('20160801')
[Out]
18

id_convert - 交易所代码转换

id_convert(order_book_id)

将交易所和其他平台的股票代码转换成米筐的标准合约代码,目前仅支持A股、期货代码转换。 例如, 支持转换类型包括 000001.SZ, 000001SZ, SZ000001 转换为 000001.XSHE

参数

参数类型说明
order_book_idsstr or str list合约代码(来自交易所或其他平台)

返回

范例

[In]id_convert('000935.SH')
[Out]
'000935.XSHG'
[In]id_convert(['000001.SZ', '000935.SH'])
[Out]
['000001.XSHE', '000935.XSHG']
[In]id_convert('AP810')
[Out]
'AP1810'

get_price - 获取合约历史行情数据

get_price(order_book_ids, start_date='2013-01-04', end_date='2014-01-04', frequency='1d', fields=None, adjust_type='pre', skip_suspended =False, country='cn')

获取指定合约或合约列表的历史数据(包含起止日期,日线或分钟线)。目前仅支持中国市场的股票、期货、ETF和上金所现货的行情数据,如黄金、铂金和白银产品。

参数

参数类型说明
order_book_idsstr OR str list合约代码,可传入order_book_id, order_book_id list。获取tick数据时,只支持单个order_book_id
start_datestr, datetime.date, datetime.datetime, pandasTimestamp开始日期,默认为'2013-01-04'。交易使用时,用户必须指定
end_datestr, datetime.date, datetime.datetime, pandasTimestamp结束日期,默认为'2014-01-04'。交易使用时,默认为策略当前日期前一天
frequencystr历史数据的频率。 现在支持日/分钟级别的历史数据,默认为'1d'。使用者可自由选取不同频率,例如'5m'代表5分钟线。可支持期货tick级别数据获取,此时频率为'tick'
fieldsstr OR str list字段名称
adjust_typestr权息修复方案。前复权 - pre,后复权 - post,不复权 - none,回测使用 - internal 需要注意,internal数据与回测所使用数据保持一致,仅就拆分事件对价格以及成交量进行了前复权处理,并未考虑分红派息对于股价的影响。所以在分红前后,价格会出现跳跃
skip_suspendedbool是否跳过停牌数据。默认为False,不跳过,用停牌前数据进行补齐。True则为跳过停牌期。注意,当设置为True时,函数order_book_id只支持单个合约传入
countrystr默认是中国市场('cn'),目前仅支持中国市场

返回

字段类型说明
openfloat开盘价
closefloat收盘价
highfloat最高价
lowfloat最低价
limit_upfloat涨停价
limit_downfloat跌停价
total_turnoverfloat成交额
volumeinteger成交量
acc_net_valuefloat累计净值(仅限基金日线数据)
unit_net_valuefloat单位净值(仅限基金日线数据)
discount_ratefloat折价率(仅限基金日线数据)
settlementfloat结算价 (仅限期货日线数据)
prev_settlementfloat昨日结算价(仅限期货日线数据)
open_interestfloat累计持仓量(期货专用)
trading_datepandasTimeStamp交易日期(仅限期货分钟线数据),对应期货夜盘的情况
dominant_idstr实际合约的order_book_id,对应期货888系主力连续合约的情况
settlement_directionstr交收方向,用于现货的延期交易(仅限现货行情数据)
settlement_volumefloat交收量,用于现货的延期交易(仅限现货行情数据)
price_weightedstr加权价格,指交易日内成交价格的加权平均(仅限现货行情数据)
字段类型说明
openfloat当日开盘价
highfloat当日最高价
lowfloat当日最低价
lastfloat最新价
prev_settlementfloat昨日结算价
volumefloat成交量
limit_upfloat涨停价
limit_downfloat跌停价
open_interestfloat累计持仓量
datetimedatetime.datetime时间戳
a1~a5float卖一至五档报盘价格
a1_v~a5_vfloat卖一至五档报盘量
b1~b5float买一至五档报盘价
b1_v~b5_vfloat买一至五档报盘量
change_ratefloat涨跌幅
trading_datepandasTimeStamp交易日期,对应期货夜盘的情况

范例

[In]get_price('000001.XSHE', start_date='2015-04-01', end_date='2015-04-12')
[Out]
open    close    high    low    total_turnover    volume    limit_up    limit_down
2015-04-01    10.7300    10.8249    10.9470    10.5469    2.608977e+09    236637563.0    11.7542    9.6177
2015-04-02    10.9131    10.7164    10.9470    10.5943    2.222671e+09    202440588.0    11.9102    9.7397
2015-04-03    10.6486    10.7503    10.8114    10.5876    2.262844e+09    206631550.0    11.7881    9.6448
2015-04-07    10.9538    11.4015    11.5032    10.9538    4.898119e+09    426308008.0    11.8288    9.6787
2015-04-08    11.4829    12.1543    12.2628    11.2929    5.784459e+09    485517069.0    12.5409    10.2620
2015-04-09    12.1747    12.2086    12.9208    12.0255    5.794632e+09    456921108.0    13.3684    10.9403
2015-04-10    12.2086    13.4294    13.4294    12.1069    6.339649e+09    480990210.0    13.4294    10.9877
[In]get_price('000001.XSHE', start_date='2015-04-01', end_date='2015-04-03', adjust_type='none')
[Out]
open    close    high    low    total_turnover    volume    limit_up    limit_down
2015-04-01    15.82    15.96    16.14    15.55    2.608977e+09    164331641.0    17.33    14.18
2015-04-02    16.09    15.80    16.14    15.62    2.222671e+09    140583742.0    17.56    14.36
2015-04-03    15.70    15.85    15.94    15.61    2.262844e+09    143494132.0    17.38    14.22
[In]get_price('000001.XSHE', start_date='2015-04-01', end_date='2015-04-12', fields='close',frequency='1m')
[Out]
2015-04-01 09:31:00    10.5621
2015-04-01 09:32:00    10.5354
2015-04-01 09:33:00    10.5287
2015-04-01 09:34:00    10.5354
2015-04-01 09:35:00    10.5420
2015-04-01 09:36:00    10.5688
2015-04-01 09:37:00    10.5955
2015-04-01 09:38:00    10.5487
2015-04-01 09:39:00    10.5354
2015-04-01 09:40:00    10.5354
Name: close, dtype: float64
[In]get_price('000001.XSHE', start_date='20180321', end_date='20180321', frequency='tick')
[Out]
    trading_date    open    last    high    low    prev_close    volume    total_turnover    limit_up    limit_down    ...    a2_v    a3_v    a4_v    a5_v    b1_v    b2_v    b3_v    b4_v    b5_v    change_rate
datetime                                                                                    
2018-03-21 09:15:00    2018-03-21    11.95    11.82    0.0000    0.00    11.82    0.0    0.000000e+00    13.0    10.64    ...    0.0    0.0    0.0    0.0    0.0    0.0    0.0    0.0    0.0    0.000000
2018-03-21 09:15:09    2018-03-21    11.95    11.82    0.0000    0.00    11.82    0.0    0.000000e+00    13.0    10.64    ...    0.0    0.0    0.0    0.0    31440.0    960.0    0.0    0.0    0.0    0.000000
2018-03-21 09:15:18    2018-03-21    11.95    11.82    0.0000    0.00    11.82    0.0    0.000000e+00    13.0    10.64    ...    0.0    0.0    0.0    0.0    75280.0    820.0    0.0    0.0    0.0    0.000000
2018-03-21 09:15:27    2018-03-21    11.95    11.82    0.0000    0.00    11.82    0.0    0.000000e+00    13.0    10.64    ...    0.0    0.0    0.0    0.0    75280.0    3520.0    0.0    0.0    0.0    0.000000
2018-03-21 09:15:36    2018-03-21    11.95    11.82    0.0000    0.00    11.82    0.0    0.000000e+00    13.0    10.64    ...    0.0    0.0    0.0    0.0    183780.0    33720.0    0.0    0.0    0.0    0.000000
2018-03-21 09:15:54    2018-03-21    11.95    11.82    0.0000    0.00    11.82    0.0    0.000000e+00    13.0    10.64    ...    0.0    0.0    0.0    0.0    183780.0    34720.0    0.0    0.0    0.0    0.000000
...
[In]get_price('000001.XSHE', start_date='2015-04-01', end_date='2015-04-01', frequency='15m')
[Out]
    total_turnover    close    low    open    high    volume
index                        
2015-04-01 09:45:00    348982890.0    10.6215    10.6215    10.7300    10.7843    31848628
2015-04-01 10:00:00    234445219.0    10.5808    10.5469    10.6283    10.6350    21618354
2015-04-01 10:15:00    125882985.0    10.6757    10.5808    10.5808    10.7368    11540023
2015-04-01 10:30:00    144396901.0    10.6622    10.6215    10.6757    10.7503    13190460
2015-04-01 10:45:00    169238918.0    10.7368    10.6554    10.6622    10.7775    15409772
2015-04-01 11:00:00    131464598.0    10.7232    10.6961    10.7436    10.7503    11977847
2015-04-01 11:15:00    83455348.0    10.7368    10.7164    10.7300    10.7639    7589260
...
[In]get_price(['000024.XSHE', '000001.XSHE', '000002.XSHE'], start_date='2015-04-01', end_date='2015-04-12', fields='close')
[Out]
000024.XSHE    000001.XSHE    000002.XSHE
2015-04-01    32.1251    10.8249    12.7398
2015-04-02    31.6400    10.7164    12.6191
2015-04-03    31.6400    10.7503    12.4891
2015-04-07    31.6400    11.4015    12.7398
2015-04-08    31.6400    12.1543    12.8327
2015-04-09    31.6400    12.2086    13.5941
2015-04-10    31.6400    13.4294    13.2969
[In]get_price(['000024.XSHE', '000001.XSHE', '000002.XSHE'], start_date='2015-04-01', end_date='2015-04-12')
[Out]
<class 'rqcommons.pandas_patch.HybridDataPanel'>
Dimensions: 8 (items) x 7 (major_axis) x 3 (minor_axis)
Items axis: open to limit_down
Major_axis axis: 2015-04-01 00:00:00 to 2015-04-10 00:00:00
Minor_axis axis: 000024.XSHE to 000002.XSHE
[In]get_price('A1601', start_date='2015-04-01', end_date='2015-04-12')
[Out]
               open     close      high      low     total_turnover  volume    settlement    prev_settlement  open_interest      limit_up    limit_down
2015-04-01    4188.0    4210.0    4231.0    4188.0    168002700.0              3988.0      4212           4204.0            42406.0                4372.0       4036.0
2015-04-02    4212.0    4192.0    4228.0    4192.0    191554400.0              4550.0      4209           4212.0            44986.0                4380.0       4044.0
2015-04-03    4191.0    4157.0    4191.0    4149.0    336611000.0              8092.0      4159           4209.0            47632.0                4377.0       4041.0
2015-04-07    4155.0    4122.0    4164.0    4121.0    213253200.0              5150.0      4140           4159.0            50678.0                4325.0       3993.0
2015-04-08    4102.0    4103.0    4123.0    4082.0    231593500.0              5646.0      4101           4140.0            50758.0                4305.0       3975.0
2015-04-09    4098.0    4069.0    4106.0    4062.0    217864900.0              5344.0      4076           4101.0            52028.0                4265.0       3937.0
2015-04-10    4068.0    4069.0    4105.0    4062.0    105630900.0              2592.0      4075           4076.0            52142.0                4239.0       3913.0
[In]get_price('IF1608', '20160801', '20160801', 'tick').head()
[Out]
trading_date    open    last    high     low  \
datetime                                                               
2016-08-01 09:29:00.000   2016-08-01  3174.0  3174.0  3174.0  3174.0   
2016-08-01 09:30:00.000   2016-08-01  3174.0  3174.0  3180.8  3174.0   
2016-08-01 09:30:00.500   2016-08-01  3174.0  3176.8  3180.8  3174.0   
2016-08-01 09:30:01.000   2016-08-01  3174.0  3176.6  3180.8  3174.0   
2016-08-01 09:30:01.500   2016-08-01  3174.0  3178.0  3180.8  3174.0   

                         prev_settlement  prev_close  volume  open_interest  \
datetime                                                                      
2016-08-01 09:29:00.000           3184.6      3181.8    61.0        31847.0   
2016-08-01 09:30:00.000           3184.6      3181.8    69.0        31843.0   
2016-08-01 09:30:00.500           3184.6      3181.8    73.0        31840.0   
2016-08-01 09:30:01.000           3184.6      3181.8    97.0        31839.0   
2016-08-01 09:30:01.500           3184.6      3181.8   106.0        31836.0   

                         total_turnover     ...       a2_v  a3_v  a4_v  a5_v  \
datetime                                    ...                                
2016-08-01 09:29:00.000      58084200.0     ...        0.0   0.0   0.0   0.0   
2016-08-01 09:30:00.000      65709540.0     ...        0.0   0.0   0.0   0.0   
2016-08-01 09:30:00.500      69523920.0     ...        0.0   0.0   0.0   0.0   
2016-08-01 09:30:01.000      92391300.0     ...        0.0   0.0   0.0   0.0   
2016-08-01 09:30:01.500     100971420.0     ...        0.0   0.0   0.0   0.0   

                         b1_v  b2_v  b3_v  b4_v  b5_v  change_rate  
datetime                                                            
2016-08-01 09:29:00.000   1.0   0.0   0.0   0.0   0.0    -0.003329  
2016-08-01 09:30:00.000   1.0   0.0   0.0   0.0   0.0    -0.003329  
2016-08-01 09:30:00.500   1.0   0.0   0.0   0.0   0.0    -0.002449  
2016-08-01 09:30:01.000   2.0   0.0   0.0   0.0   0.0    -0.002512  
2016-08-01 09:30:01.500   1.0   0.0   0.0   0.0   0.0    -0.002072 
[In]get_price('MAUTD.SGEX',start_date=20180826,end_date=20180831,adjust_type='none')
[Out]
             close     high     low     open     price_weighted     settlement_direction     settlement_volume     total_turnover     volume    open_interest
2018-08-27     265.43     265.80     263.75     263.86     265.20             空支付多                  8198200.0         1.497225e+09     5645600   324030 
2018-08-28     266.41     266.50     265.54     265.59     266.06             多支付空                  5195000.0         8.666955e+08     3257400   319886 
2018-08-29     265.54     266.69     264.80     266.40     265.33             多支付空                  2218000.0         1.900730e+09     7163600   358556 
2018-08-30     265.90     265.99     265.32     265.39     265.78             多支付空                  1859400.0         1.237019e+09     4654200   385470 
2018-08-31     266.29     266.46     264.98     265.51     265.78             多支付空                  1057200.0         9.939785e+08     3739800   386958 

get_price_change_rate - 获取历史涨跌幅

get_price_change_rate(id_or_symbols, start_date='20130104', end_date='20140104')

获取股票或指数的历史涨跌幅(包含起止日期)。注意目前只支持股票与指数两类合约,基金、期货等目前并不支持。历史涨跌幅基于前复权价格。

参数

参数类型说明
id_or_symbolsstr or str list可输入order_book_id, order_book_id list
start_datestr, datetime.date, datetime.datetime, pandasTimestamp开始日期,默认为'2013-01-04'
end_datestr, datetime.date, datetime.datetime, pandasTimestamp结束日期,默认为'2014-01-04'

返回

范例

[In]
get_price_change_rate(['000001.XSHE', '000300.XSHG'], '20150801', '20150807')
[Out]
order_book_id    000001.XSHE    000300.XSHG
date        
2015-08-03    0.037217    0.003285
2015-08-04    0.003120    0.031056
2015-08-05    -0.020995    -0.020581
2015-08-06    -0.004766    -0.009064
2015-08-07    0.006385    0.019597

current_snapshot - 获取当前行情快照

current_snapshot(order_book_id)

获取某一合约当前的 LEVEL1 行情快照,支持集合竞价数据获取。

参数

参数类型说明
order_book_idstr or strlist合约代码,可传入order_book_id, order_book_id list。

返回

Tick 对象 或者一个 Tick list

属性类型注释
order_book_idstring合约代码
openfloat当日开盘价
highfloat当日最高价
lowfloat当日最低价
lastfloat最新价
prev_settlementfloat昨日结算价
prev_closefloat昨日收盘价
volumefloat成交量
limit_upfloat涨停价
limit_downfloat跌停价
open_interestfloat累计持仓量
datetimedatetime.datetime时间戳
askslist卖出报盘价格,asks[0] 代表盘口卖一档报盘价
ask_volslist卖出报盘数量,ask_vols[0] 代表盘口卖一档报盘数量
bidslist买入报盘价格,bids[0] 代表盘口买一档报盘价
bid_volslist买入报盘数量,bid_vols[0] 代表盘口买一档报盘数量

范例

[In] current_snapshot('RB1805')
[Out]
Tick(ask_vols: [73, 0, 0, 0, 0], asks: [3424.0, 0.0, 0.0, 0.0, 0.0], bid_vols: [10, 0, 0, 0, 0], bids: [3423.0, 0.0, 0.0, 0.0, 0.0], datetime: 2018-03-28 15:00:00.705000, high: 3470.0, last: 3424.0, low: 3383.0, open: 3447.0, open_interest: 1637770.0, order_book_id: RB1805, prev_close: 3433.0, prev_settlement: 3413.0, total_turnover: 126310034840.0, volume: 3680998.0)
[In] current_snapshot(['000001.XSHE','600000.XSHG'])
[Out]
[Tick(ask_vols: [996929, 1086300, 685600, 500100, 325900], asks: [8.79, 8.8, 8.81, 8.82, 8.83], bid_vols: [983300, 120780, 119000, 144600, 190800], bids: [8.78, 8.77, 8.76, 8.75, 8.74], datetime: 2018-07-19 10:54:21, high: 8.81, last: 8.78, low: 8.72, open: 8.75, open_interest: None, order_book_id: 000001.XSHE, prev_close: 8.7, prev_settlement: None, total_turnover: 188550260, volume: 21507948),
 Tick(ask_vols: [84200, 410071, 340300, 739430, 255444], asks: [9.59, 9.6, 9.61, 9.62, 9.63], bid_vols: [55100, 82700, 99600, 90025, 74200], bids: [9.58, 9.57, 9.56, 9.55, 9.54], datetime: 2018-07-19 10:54:20.750000, high: 9.62, last: 9.59, low: 9.53, open: 9.6, open_interest: None, order_book_id: 600000.XSHG, prev_close: 9.51, prev_settlement: None, total_turnover: 82485219.0, volume: 8606191)]

get_dominant_future - 获取主力合约列表

get_dominant_future(underlying_symbol, start_date=None, end_date=None,rule=0)

获取某一期货品种一段时间的主力合约列表。合约首次上市时,以当日收盘同品种持仓量最大者作为从第二个交易日开始的主力合约。当同品种其他合约持仓量在收盘后超过当前主力合约1.1倍时,从第二个交易日开始进行主力合约的切换。日内不会进行主力合约的切换。

参数

参数类型说明
underlying_symbolstr期货合约品种,例如沪深300股指期货为'IF'
start_datestr, datetime.date, datetime.datetime, pandasTimestamp开始日期,默认为期货品种最早上市日期后一交易日
end_datestr, datetime.date, datetime.datetime, pandasTimestamp结束日期,默认为当前日期
rulestr or int默认是rule=0,采用最大昨仓为当日主力合约,每个合约只能做一次主力合约,不会重复出现。针对股指期货,只在当月和次月选择主力合约。
当rule=1时,主力合约的选取只考虑最大昨仓这个条件。

返回

Pandas.Series - 主力合约代码列表

范例


get_future_contracts - 获取期货可交易合约列表

get_future_contracts(underlying_symbol, date=None)

获取某一期货品种在策略当前日期的可交易合约order_book_id列表。按照到期月份,下标从小到大排列,返回列表中第一个合约对应的就是该品种的近月合约。

参数

参数类型说明
underlying_symbolstr期货合约品种,例如沪深300股指期货为'IF'
datestr, datetime.date, datetime.datetime, pandasTimestamp查询日期,默认为当日

返回

str list - 可交易的order_book_id list

范例

[In]
get_future_contracts('IF', '20160801')
[Out]
['IF1612', 'IF1701', 'IF1703', 'IF1706']

get_future_member_rank - 获取期货合约持仓等排名情况

get_future_member_rank(order_book_id, trading_date, info_type)

获取期货某合约的会员排名数据 注意 这个API的命名在未来可能发生改动。

参数

参数类型说明
order_book_idstr期货合约品种
trading_datestr查询日期,默认为当日
info_type排名依据,默认为volume即根据持仓量统计排名,另外可选'open_interest_buy'和'open_interest_sell',分别对应持买仓量统计和持卖仓量统计。

返回

-pandas DataFrame

范例

[In]
get_future_member_rank('A1901',trading_date=20180910,info_type='open_interest_sell')
[Out]
     trading_date     rank     member_name     order_book_id     indicator_volume     indicator_change_volume
0     2018-09-10            1     国投安信                 A1901     20143.0                   5065.0
1     2018-09-10            2     五矿经易                 A1901     14909.0                   4465.0
2     2018-09-10            3     华安期货                 A1901     9360.0                   3464.0
3     2018-09-10            4     国泰君安                 A1901     7915.0                   -26.0
4     2018-09-10            5     永安期货                 A1901     6683.0                   998.0
5     2018-09-10            6     中信期货                 A1901     6587.0                   -583.0
6     2018-09-10            7     华泰期货                 A1901     5918.0                   -430.0
7     2018-09-10            8     东证期货                 A1901     5075.0                   1837.0
8     2018-09-10            9     中国国际                 A1901     4792.0                   2169.0
9     2018-09-10            10     国富期货                 A1901     4632.0                   -213.0
10     2018-09-10            11     浙商期货                 A1901     4160.0                   -513.0
11     2018-09-10            12     新湖期货                 A1901     3960.0                   119.0
12     2018-09-10            13     中金期货                 A1901     3868.0                   -25.0
13     2018-09-10            14     光大期货                 A1901     3694.0                   2566.0
14     2018-09-10            15     摩根大通                 A1901     3644.0                   0.0
15     2018-09-10            16     银河期货                 A1901     3173.0                   559.0
16     2018-09-10            17     兴证期货                 A1901     3151.0                   -251.0
17     2018-09-10            18     方正中期                 A1901     2206.0                   146.0
18     2018-09-10            19     一德期货                 A1901     2017.0                   838.0
19     2018-09-10            20     南华期货                 A1901     1949.0                   -190.0

get_fundamentals - 查询财务数据

get_fundamentals(query, entry_date, interval=None, report_quarter=False)

获取历史财务数据表格。目前支持中国市场超过400个指标,具体请参考 财务数据文档 。目前仅支持中国市场。我们特别为该函数进行了优化,读取内存的操作会极大地提升数据的获取速度。需要注意,在ricequant上查询基本面数据时,我们是以所有年报的发布日期(announcement date)为准,因为只有财报发布后才成为市场上公开可以获取的数据。比如某公司第三季度的财报于11月10号发布,那么如果从查询日期为10月5号,也就是早于发布日期,那么返回的只是第二季度的财报数据。

参数

参数类型说明
querySQLAlchemyQueryObjectSQLAlchemy的Query对象。其中可在'query'内填写需要查询的指标,'filter'内填写数据过滤条件。具体可参考 sqlalchemy's query documentation 学习使用更多的方便的查询语句。从数据科学家的观点来看,sqlalchemy的使用比sql更加简单和强大
entry_datestr, datetime.date, datetime.datetime, pandasTimestamp查询财务数据的基准开始日期
intervalstr查询财务数据的间隔。例如,填写'5y',则代表从entry_date开始(包括entry_date)回溯5年,返回数据时间以为间隔。'd' - 天,'w' - 周,'m' - 月, 'q' - 季,'y' - 年
report_quarterbool是否显示报告期,默认为不显示。'Q1' - 一季报,'Q2' - 半年报,'Q3' - 三季报,'Q4' - 年报

返回

pandas DataPanel - 财务数据查询结果。

范例

fundamentals是一个重要的对象,其中包括了股指指标表(eod_derivative_indicator),财务指标表(financial_indicator),利润表(income_statement),资产负债表(balance_sheet),现金流量表(cash_flow_statement)以及股票列表(stock_code)等内容。结合SQLAlchemy的查找方式,能够满足用户多种查找需求。

[In]
dp = get_fundamentals(query(fundamentals.eod_derivative_indicator.pe_ratio).filter(fundamentals.stockcode == '000001.XSHE'), '2016-08-01','4q' ,report_quarter = True)
[In]
dp.minor_xs('000001.XSHE')
[Out]
        report_quarter    pe_ratio
2016-08-01    2016-Q1     7.0768
2016-04-29    2016-Q1        6.7755
2016-01-29    2015-Q3        6.5492
2015-10-29    2015-Q3        7.3809
[In] 
dp = get_fundamentals(query(fundamentals.income_statement.revenue, fundamentals.income_statement.cost_of_goods_sold).filter(fundamentals.income_statement.stockcode.in_(['002478.XSHE', '000151.XSHE'])), '2015-01-10', '5y')

[Out]
<class 'pandas.core.panel.Panel'>
Dimensions: 2 (items) x 5 (major_axis) x 2 (minor_axis)
Items axis: revenue to cost_of_goods_sold
Major_axis axis: 2015-01-09 to 2011-01-10
Minor_axis axis: 002478.XSHE to 000151.XSHE

[In]
dp['revenue']
[Out]
            002478.XSHE        000151.XSHE
2015-01-09    2.937843e+09    1.733703e+09
2014-01-10    2.926316e+09    8.839355e+08
2013-01-10    2.616532e+09    9.488980e+08
2012-01-10    2.681016e+09    6.205934e+08
2011-01-10    2.034147e+09    4.998120e+08
[In] 
df = get_fundamentals(query(fundamentals.eod_derivative_indicator).filter(fundamentals.stockcode == '000001.XSHE'), '2016-08-01', '4q' ,report_quarter = True) #如获取eod_derivative_indicator
df.minor_xs('000001.XSHE')

[Out]
     report_quarter     peg_ratio     pcf_ratio_2     a_share_market_val     pe_ratio     pe_ratio_1     market_cap     a_share_market_val_2     dividend_yield     pcf_ratio_1     ps_ratio     pcf_ratio     pb_ratio     pe_ratio_2
2016-08-01     2016q1     -0.5897     NaN     1.59341e+11     7.0593     7.2875     1.59341e+11     1.35777e+11     1.3739     3.4679     1.5268     -87.2626     0.8312     6.5454
2016-04-29     2016q1     -0.653     NaN     1.51243e+11     6.7755     6.9171     1.51243e+11     1.24769e+11     NaN     3.2917     1.468     -82.8273     0.8063     6.2127
2016-01-29     2015q3     -0.7846     NaN     1.43087e+11     6.5441     7.2259     1.43087e+11     1.18041e+11     1.3893     1.1689     1.4879     -78.3608     0.886     6.0493
2015-10-29     2015q3     -14.3091     NaN     1.61259e+11     7.3809     8.1436     1.61259e+11     1.33032e+11     1.2328     1.3173     1.7935     6.3686     1.0262     6.8176

get_financials - 查询季度财务信息

get_financials(query, quarter, interval=None, if_adjusted=None)

以给定一个报告期回溯的方式获取季度基础财务数据(三大表)。financials是在查询中会使用到的重要对象,功能与上述fundamentals类似。但因为get_financials为季度财务信息查询,所以financials中支持的财务表格包括利润表(income_statement),资产负债表(balance_sheet),现金流量表(cash_flow_statement),以及财务指标(financial_indicator)。除此之外,financials中还包括了股票列表(stock_code)以及公布日期(announce_date)两个指标。

参数

参数类型说明
querySQLAlchemyQueryObjectSQLAlchemy的Query对象。其中可在'query'内填写需要查询的指标,'filter'内填写数据过滤条件
quarterstr财报回溯查询的起始报告期,例如'2015q2', '2015q4'分别代表2015年半年报以及年报。默认只获取当前报告期财务信息
intervalstr查询财务数据的间隔。例如,填写'5y',则代表从报告期开始回溯5年,每年为相同报告期数据;'3q'则代表从报告期开始向前回溯3个季度
if_adjustedstr考虑获取的财务数据是否进行了调整,默认不填,返回最新数据
除去默认为空以外,如果if_adjusted=0 只给允许日期的未调整数据。1则给调整后数据
if_adjusted='ignore'则允许日期最新的数据,这一条在回测中有重要应用
if_adjusted='all'则允许日期的调整和未调整的所有记录都返回

返回

-pandas DataPanel -pandas DataFrame -pandas Series

注意: 如果加上了if_adjusted参数返回形式将是multi-index DataFrame。支持的字段仅限三大基础财报滚动财务数据中的大部分字段,具体可以参看财务数据页介绍。

范例

[In]
q = query(financials.income_statement.net_profit, financials.announce_date).filter(financials.stockcode.in_(['000002.XSHE']))
[In]
get_financials(q, '2016q3', '2q')
[Out]
         net_profit announce_date
2016q3  1.12903e+10      20161028
2016q2  7.09463e+09      20160822
[In]
q = query(financials.income_statement.net_profit, financials.announce_date).filter(financials.stockcode.in_(['000002.XSHE', '601988.XSHG']))
[In]
get_financials(q, '2016q3')
[Out]
        net_profit    announce_date
601988.XSHG  1.51558e+11      20161027
000002.XSHE  1.12903e+10      20161028
[In]
q = query(financials.income_statement.net_profit).filter(financials.stockcode.in_(['000002.XSHE']))
[In]
get_financials(q, '2016q3', '3y')

[Out]
2016q3    1.12903e+10
2015q3    9.53862e+09
2014q3      7.605e+09
[In]
q = query(financials.income_statement.net_profit, financials.balance_sheet.prepayment).filter(financials.stockcode.in_(['000002.XSHE', '601988.XSHG']))
[In]
get_financials(q, '2016q3', '3y')
[Out]
<class 'pandas.core.panel.Panel'>
Dimensions: 2 (items) x 3 (major_axis) x 2 (minor_axis)
Items axis: net_profit to prepayment
Major_axis axis: 2016q3 to 2014q3
Minor_axis axis: 601988.XSHG to 000002.XSHE
[In]
q = query(financials.cash_flow_statement_TTM).filter(financials.stockcode.in_(['000002.XSHE']))  #如获取所有的TTM滚动现金流量表数据
[In]
get_financials(q, '2016q3','2q')
[Out]
     net_finance_cashflowTTM     net_invest_cashflowTTM     sale_service_render_cashTTM     net_operate_cashflowTTM     net_cashflowTTM
2016q3     1.18796e+09     -3.71679e+10     2.74212e+11     6.37149e+10     2.78431e+10
2016q2     1.12638e+10     -3.29437e+10     2.43545e+11     4.86516e+10     2.71367e+10
[In]
get_financials(query(financials.income_statement.operating_revenue,financials.announce_date).filter(financials.stockcode.in_(['000001.XSHE','600000.XSHG'])), #注意,在这里的annouce_date最多会返回四个财务表的报告发布日期,视查询字段所在表而定
                         '2017q1',interval='3q',if_adjusted='0')
[Out]
                                if_adjusted     operating_revenue     info_date_ic
order_book_id     end_date             
600000.XSHG     2017q1                   0     42360000000.0000     2017-04-27
                2016q4                   0     160792000000.0000     2017-04-01
                2016q3                   0     120928000000.0000     2016-10-29
000001.XSHE     2017q1                   0     27712000000.0000     2017-04-22
                2016q4                   0     107715000000.0000     2017-03-17
                2016q3                   0     81968000000.0000     2016-10-21

deprecated_fundamental_data - 查询废弃的财务报表字段

deprecated_fundamental_data(fields=None)

默认返回所有废弃的财务字段。

参数

参数类型说明
fieldsstr or list获取对应字段的数据。如果不填则全部返回。

返回

pandas DataFrame

范例

[In]
deprecated_fundamental_data()
[Out]
     comment     table     data_point
0     折扣与折让     income_statement     sales_discount
1     存货跌价损失     income_statement     inventory_shrinkage
2     以前年度损益调整     income_statement     pnl_adjustment

get_factor - 获取(财务)因子

get_factor(order_book_id,factor,start_date,end_date,universe=None)

默认快速返回给定的order_book_id当日的(财务)因子。 注:该API可以进行配置开放更多因子,目前网页版仅开放所有财务因子,具体财务因子的数据可参考估值类指标基础财报财务指标滚动财务数据

参数

参数类型说明
order_book_idstr OR str list合约代码,可传入order_book_id, order_book_id list
factorstr因子名称,可查询 get_all_factor_names() 得到所有有效因子字段。
start_datestr开始日期,用户必须指定
end_datestr结束日期,默认为策略当天日期的前一天
universestr股票池,可选定某个指数的成分股,也可输入股票list,默认为None,全市场

【注】: 米筐提供的因子在调用时可以直接输入factor_name,如果机构内部的因子则需在factor_name前加入前缀private

米筐因子:get_factor(factor_name,......)
机构因子:get_factor(private.factor_name,......)

返回

pandas DataFrame

范例

[In]
get_factor(['000001.XSHE','000002.XSHE'],'debt_to_equity_ratio',date='20171229')
[Out]
000001.XSHE    13.3848
000002.XSHE     7.3097
Name: 2017-12-29 00:00:00, dtype: float64
[In]
get_factor(['000001.XSHE','000002.XSHE'],'debt_to_equity_ratio',start_date='20171229',end_date='20180106')
[Out]
            000001.XSHE     000002.XSHE
2017-12-29     13.3848         7.3097
2018-01-02     13.3848         7.3097
2018-01-03     13.3848         7.3097
2018-01-04     13.3848         7.3097
2018-01-05     13.3848         7.3097
Name: 2017-12-29 00:00:00, dtype: float64

current_performance - 查询财务快报数据

current_performance(order_book_id,info_date,quarter,interval,fields)

默认返回给定的order_book_id当前最近一期的快报数据。

参数

参数类型说明
order_book_idstr必填。由于快报报告日期的不规则,目前只支持单个查询,批量请考虑轮询。
info_datestryyyymmdd或者yyyy-mm-dd。如果不填(info_date和quarter都为空),则返回当前日期的最新发布的快报。如果填写,则从info_date当天或者之前最新的报告开始抓取。
quarterstrinfo_date参数优先级高于quarter。如果info_date填写了日期,则不查看quarter这个字段。 如果info_date没有填写而quarter 有填写,则财报回溯查询的起始报告期,例如'2015q2', '2015q4'分别代表2015年半年报以及年报。默认只获取当前报告期财务信息
intervalstr查询财务数据的间隔。例如,填写'5y',则代表从报告期开始回溯5年,每年为相同报告期数据;'3q'则代表从报告期开始向前回溯3个季度。不填写默认抓取一期。
fieldsstr or list抓取对应有效字段返回。默认返回所有字段。具体快报字段可参看线上财务文档。

返回

pandas DataFrame

范例

[In]
current_performance('000004.XSHE')
[Out]
      end_date     info_date     operating_revenue    gross_profit    operating_profit    total_profit    np_parent_owners    net_profit_cut    net_operate_cashflow...roe_cut_weighted_yoy    net_operate_cash_flow_per_share_yoy    net_asset_psto_opening    
0   2017-12-31     2018-04-14    1.386058e+08           NaN             8796946.37       9716431.21         8566720.65         NaN                NaN                    NaN                                NaN                               NaN

[In]
current_performance('000004.XSHE',quarter='2017q4',fields='total_profit',interval='2q')
[Out]
     end_date     info_date     total_profit
0     2017-12-31     2018-04-14     9716431.21
1     2015-12-31     2016-04-15     10808606.48
[In]
current_performance('000004.XSHE',info_date=20170331,fields='total_profit',interval='2q')
[Out]
     end_date     info_date     total_profit
0     2015-12-31     2016-04-15     10808606.48
1     2014-12-31     2015-04-16     20665807.64

performance_forecast - 查询业绩预告数据

performance_forecast(order_book_id,info_date,end_date,fields)

默认返回给定的order_book_id当前最近一期的业绩预告数据。 业绩预告主要用来调取公司对即将到来的财务季度的业绩预期的信息。有时同一个财务季度会有多条记录,分别是季度预期和累计预期(即本年至今)。

参数

参数类型说明
order_book_idstr必填。由于预告报告日期的不规则,目前只支持单个查询,批量请考虑轮询。
info_datestryyyymmdd或者yyyy-mm-dd。如果不填(info_date和end_date都为空),则返回当前日期的最新发布的业绩预告。如果填写,则从info_date当天或者之前最新的报告开始抓取。注:info_date优先级高于end_date。
end_datestryyyymmdd或者yyyy-mm-dd。对应财务预告期末日期,如'20150331'。
fieldsstr or list抓取对应有效字段返回。默认返回所有字段。具体业绩预告字段可参看线上财务文档。

返回

pandas DataFrame

范例

[In]
performance_forecast('000001.XSHE')
[Out]
    info_date     end_date     forecast_type     forecast_description     forecast_growth_rate_floor     forecast_growth_rate_ceiling     forecast_earning_floor     forecast_earning_ceiling     forecast_np_floor     forecast_np_ceiling     forecast_eps_floor     forecast_eps_ceiling     net_profit_yoy_const_forecast
0     2016-01-21     2015-12-31     预增             累计利润                 5.0                         15.0                             NaN                     NaN                         2.079206e+10         2.277225e+10             1.48                 1.62                     16.0

[In]
performance_forecast('000005.XSHE',end_date=20170331,fields=['forecast_description','forecast_earning_floor'])
[Out]

    info_date     end_date     forecast_description     forecast_earning_floor
0     2017-04-15     2017-03-31     累计利润                 NaN

sector - 获取某板块股票列表

sector(code, country='cn')

获得属于某一板块的所有股票列表。

参数

参数类型说明
codestr OR sector_code items板块名称或板块代码。例如,能源板块可填写'Energy'、'能源'或sector_code.Energy
countrystr默认是中国市场('cn'),目前仅支持中国市场。

返回

属于该板块的股票order_book_id或order_book_id list.

范例

[In]sector('Energy')
[Out]
['300023.XSHE', '000571.XSHE', '600997.XSHG', '601798.XSHG', '603568.XSHG', .....]
[In]sector(sector_code.Energy)
[Out]
['300023.XSHE', '000571.XSHE', '600997.XSHG', '601798.XSHG', '603568.XSHG', .....]

板块分类列表

目前支持的板块分类如下,其取值参考自MSCI发布的全球行业标准分类:

板块代码中文板块名称英文板块名称
Energy能源energy
Materials原材料materials
ConsumerDiscretionary非必需消费品consumer discretionary
ConsumerStaples必需消费品consumer staples
HealthCare医疗保健health care
Financials金融financials
RealEstate房地产real estate
InformationTechnology信息技术information technology
TelecommunicationServices电信服务telecommunication services
Utilities公共服务utilities
Industrials工业industrials

shenwan_industry - 获取申万行业股票列表

shenwan_industry(shenwan_industry_code/shenwan_industry_name, date)

通过shenwan_industry_code或shenwan_indstry_name传入,拿到某个日期的申万宏源的行业分类股票列表

参数

参数类型说明
shenwan_industry_code/shenwan_industry_namestr申万行业分类的代码或名称,比如shenwan_industry_code = "801010.INDX",shenwan_industry_name="农林牧渔"
datestr, datetime.date, datetime.datetime, pandas Timestamp查询日期,默认为当前最新日期

返回

所属目标行业的order_book_id list

范例

[In]
shenwan_industry('银行')
[Out]
['000001.XSHE', '600000.XSHG', '600015.XSHG', '600016.XSHG', '600036.XSHG', '601988.XSHG', '601398.XSHG', '601166.XSHG', '601998.XSHG', '601328.XSHG', '002142.XSHE', '601009.XSHG', '601169.XSHG', '601939.XSHG', '601288.XSHG', '601818.XSHG']
[In]
shenwan_industry('银行', date='2015-01-04')
[Out]
['000001.XSHE', '600000.XSHG', '600015.XSHG', '600016.XSHG', '600036.XSHG', '601988.XSHG', '601398.XSHG', '601166.XSHG', '601998.XSHG', '601328.XSHG', '002142.XSHE', '601009.XSHG', '601169.XSHG', '601939.XSHG', '601288.XSHG', '601818.XSHG']
[In]
ins = instruments('000001.XSHE')

[In]
ins.shenwan_industry('2015-01-04')

[Out]
{'name': '银行', 'code': '801780.INDX'}

[In]
ins.shenwan_industry_name
[Out]
'银行'

申万行业分类列表

注意: 申万在2014年初做过一次重大调整,因此有些行业是在那个时候新加入的

申银万国行业分类标准

申万行业指数代码申万行业指数名
801010.INDX农林牧渔
801020.INDX采掘
801030.INDX化工
801040,INDX钢铁
801050.INDX有色金属
801080.INDX电子
801110.INDX家用电器
801120.INDX食品饮料
801130.INDX纺织服装
801140.INDX轻工制造
801150.INDX医药生物
801160.INDX公用事业
801170.INDX交通运输
801180.INDX房地产
801200.INDX商业贸易
801210.INDX休闲服务
801230.INDX综合
801710,INDX建筑材料
801720.INDX建筑装饰
801730.INDX电气设备
801740.INDX国防军工
801750.INDX计算机
801760.INDX传媒
801770.INDX通信
801780.INDX银行
801790.INDX非银金融
801880.INDX汽车
801890.INDX机械设备

shenwan_instrument_industry - 获取股票的申万行业分类

shenwan_instrument_industry(order_book_id, date=None, level=1)

通过order_book_id传入,拿到某个日期的该股票的申万宏源的行业分类

参数

参数类型说明
order_book_idstr or list股票合约代码
datestr查询日期,默认为当前最新日期
levelinteger申万行业分类级别,共三级,默认返回一级分类。参数0,1,2,3依依对应,其中0返回三级分类完整情况

返回

所属合约的对应行业分类。

范例

[In]
shenwan_instrument_industry('000001.XSHE')
[Out]
('801780.INDX', '银行')
[In]
shenwan_instrument_industry(['000001.XSHE','000002.XSHE'], date='2015-01-04',level=0)
[Out]
                index_code     index_name     second_index_code     second_index_name     third_index_code     third_index_name
order_book_id                         
000001.XSHE     801780.INDX     银行     801192.INDX         银行                  851911.INDX          银行
000002.XSHE     801180.INDX     房地产     801181.INDX         房地产开发              851811.INDX          房地产开发

zx_industry - 获取中信行业股票列表

zx_industry(zx_industry_name, date)

通过zx_industry_name传入,拿到某个日期的申万宏源的行业分类股票列表

参数

参数类型说明
zx_industry_namestr中信行业分类的名称
datestr查询日期,默认为当前最新日期

返回

所属目标行业的order_book_id list

范例

[In]
zx_industry('银行')
[Out]
['601838.XSHG',
 '002807.XSHE',
 '002839.XSHE',
 '600908.XSHG',
 '600919.XSHG',
 '600926.XSHG',
 '601128.XSHG',
 '601229.XSHG',
 '601997.XSHG',
 '603323.XSHG',
 '601818.XSHG',
 '601288.XSHG',
 '601939.XSHG',
 '601169.XSHG',
 '002142.XSHE',
 '601009.XSHG',
 '601328.XSHG',
 '601998.XSHG',
 '601166.XSHG',
 '601398.XSHG',
 '601988.XSHG',
 '600015.XSHG',
 '000001.XSHE',
 '600000.XSHG',
 '600016.XSHG',
 '600036.XSHG']

zx_instrument_industry - 获取股票的中信行业分类

zx_instrument_industry(order_book_id, date=None, level=1)

通过order_book_id传入,拿到某个日期的该股票的中信行业分类

参数

参数类型说明
order_book_idstr or list股票合约代码
datestr查询日期,默认为当前最新日期
levelinteger中信行业分类级别,共三级,默认返回一级分类。参数0,1,2,3依依对应,其中0返回三级分类完整情况。

返回

所属合约的对应行业分类。

范例

[In]
zx_instrument_industry('000001.XSHE')
[Out]
('银行')
[In]
zx_instrument_industry(['000001.XSHE','000002.XSHE'], date='2015-01-04',level=0)
[Out]
                first_industry_name     second_industry_name     third_industry_name
000001.XSHE     银行                          股份制与城商行     股份制银行
000002.XSHE     房地产                          房地产开发管理     住宅地产

index_indicator - 获取指数每日估值指标

index_indicator(order_book_id,start_date,end_date,fields)

获取指数每日估值指标。目前仅提供上证50、沪深300、中证500和中证800的市盈率和市净率。 计算逻辑:

参数

参数类型说明
order_book_idstr or str list可输入order_book_id, order_book_id list。另外,输入'XSHG'或'sh'代表整个上证整体情况;'XSHE'或'sz'代表深证整体情况
start_datestr, datetime.date, datetime.datetime, pandasTimestamp开始日期,默认2016-01-04
end_datestr, datetime.date, datetime.datetime, pandasTimestamp结束日期,默认2016-12-31
fieldsstr OR str list对应估值字段。默认为所有字段。

返回

范例

[In]
index_indicator(['000016.XSHG','000300.XSHG'],start_date=20170402,end_date=20170415)
[Out]
                                pb     pe_ttm
order_book_id     trade_date         
000016.XSHG     2017-04-05     1.0947     10.8063
000300.XSHG     2017-04-05     1.3808     13.7387
000016.XSHG     2017-04-06     1.0964     10.8229
000300.XSHG     2017-04-06     1.3837     13.7673
000016.XSHG     2017-04-07     1.0996     10.8572
000300.XSHG     2017-04-07     1.3876     13.8084
000016.XSHG     2017-04-10     1.0953     10.8152
000300.XSHG     2017-04-10     1.3831     13.7668
000016.XSHG     2017-04-11     1.0964     10.8254
000300.XSHG     2017-04-11     1.3881     13.8163
000016.XSHG     2017-04-12     1.0963     10.8310
000300.XSHG     2017-04-12     1.3863     13.7959
000016.XSHG     2017-04-13     1.0920     10.7911
000300.XSHG     2017-04-13     1.3856     13.7823
000016.XSHG     2017-04-14     1.0858     10.7476
000300.XSHG     2017-04-14     1.3751     13.6832

industry - 获取某行业股票列表

industry(code, country='cn')

获得属于某一行业的所有股票列表。

参数

参数类型说明
codestr OR industry_code items行业名称或行业代码。例如,农业可填写industry_code.A01 或 'A01'
countrystr默认是中国市场('cn'),目前仅支持中国市场

返回

属于该行业的股票order_book_id或order_book_id list.

范例

[In]
industry('A01')
[Out]
['600540.XSHG', '600371.XSHG', '600359.XSHG', '600506.XSHG',...]
[In]
industry(industry_code.A01)
[Out]
['600540.XSHG', '600371.XSHG', '600359.XSHG', '600506.XSHG',...]

行业分类列表

我们目前使用的行业分类来自于中国国家统计局的国民经济行业分类,可以使用这里的任何一个行业代码来调用行业的股票列表:

行业代码行业名称
A01农业
A02林业
A03畜牧业
A04渔业
A05农、林、牧、渔服务业
B06煤炭开采和洗选业
B07石油和天然气开采业
B08黑色金属矿采选业
B09有色金属矿采选业
B10非金属矿采选业
B11开采辅助活动
B12其他采矿业
C13农副食品加工业
C14食品制造业
C15酒、饮料和精制茶制造业
C16烟草制品业
C17纺织业
C18纺织服装、服饰业
C19皮革、毛皮、羽毛及其制品和制鞋业
C20木材加工及木、竹、藤、棕、草制品业
C21家具制造业
C22造纸及纸制品业
C23印刷和记录媒介复制业
C24文教、工美、体育和娱乐用品制造业
C25石油加工、炼焦及核燃料加工业
C26化学原料及化学制品制造业
C27医药制造业
C28化学纤维制造业
C29橡胶和塑料制品业
C30非金属矿物制品业
C31黑色金属冶炼及压延加工业
C32有色金属冶炼和压延加工业
C33金属制品业
C34通用设备制造业
C35专用设备制造业
C36汽车制造业
C37铁路、船舶、航空航天和其它运输设备制造业
C38电气机械及器材制造业
C39计算机、通信和其他电子设备制造业
C40仪器仪表制造业
C41其他制造业
C42废弃资源综合利用业
C43金属制品、机械和设备修理业
D44电力、热力生产和供应业
D45燃气生产和供应业
D46水的生产和供应业
E47房屋建筑业
E48土木工程建筑业
E49建筑安装业
E50建筑装饰和其他建筑业
F51批发业
F52零售业
G53铁路运输业
G54道路运输业
G55水上运输业
G56航空运输业
G57管道运输业
G58装卸搬运和运输代理业
G59仓储业
G60邮政业
H61住宿业
H62餐饮业
I63电信、广播电视和卫星传输服务
I64互联网和相关服务
I65软件和信息技术服务业
J66货币金融服务
J67资本市场服务
J68保险业
J69其他金融业
K70房地产业
L71租赁业
L72商务服务业
M73研究和试验发展
M74专业技术服务业
M75科技推广和应用服务业
N76水利管理业
N77生态保护和环境治理业
N78公共设施管理业
O79居民服务业
O80机动车、电子产品和日用产品修理业
O81其他服务业
P82教育
Q83卫生
Q84社会工作
R85新闻和出版业
R86广播、电视、电影和影视录音制作业
R87文化艺术业
R88体育
R89娱乐业
S90综合

concept_list - 获取概念列表

concept_list(date=None)

获得概念列表。

参数

参数类型说明
datestr指定日期((yyyy-mm-dd)),可不填,即返回当前。

返回

概念股列表。

范例

[In]
concept_list(date=20160501)
[Out]
['网红直播', '快递']

concept - 获取某概念股票列表

concept(concept_name1, concept_name2, ...,date=None)

获得属于某个或某几个概念的股票列表。

参数

参数类型说明
concept_namesstr OR multiple str概念名称。可以从概念列表中选择一个或多个概念填写
datestr指定日期((yyyy-mm-dd)),可不填,即返回当前。注:针对回测平台,date是非法参数,因为它已经考虑到了回测点日期

返回

属于该概念的股票order_book_id或order_book_id list.

范例

[In]
concept('民营医院')
[Out]
['600105.XSHG',
 '002550.XSHE',
 '002004.XSHE',
 '002424.XSHE',
 ...]

[In]
concept('民营医院',date='2017-12-01')
[Out]
['600105.XSHG',
 '002550.XSHE',
 '002004.XSHE',
 '002424.XSHE',
 ...]

[In]
concept('民营医院', '国企改革')
[Out]
['601607.XSHG',
 '600748.XSHG',
 '600630.XSHG',
 ...]

index_components - 获取指数成分股列表

index_components(order_book_id, date=None, country='cn')

获取某一指数的股票构成列表,也支持指数的历史构成查询。

参数

参数类型说明
order_book_idstr指数代码,可传入order_book_id,例如'000001.XSHG'或'沪深300'。目前所支持的指数列表可以参考指数数据表
datestr, datetime.date, datetime.datetime, pandas Timestamp查询日期,默认为最新记录日期
countrystr默认是中国市场('cn'),目前仅支持中国市场

返回

构成该指数股票的order_book_id list

范例

[In]
index_components('000001.XSHG')
[Out]
['600000.XSHG',
 '600004.XSHG',
 ...]

[In]
index_components('000001.XSHG', date='2015-01-01')
[Out]
['600613.XSHG',
 '600239.XSHG',
 ...]

index_weights - 获取指数历史权重

index_weights(order_book_id, date=None)

获取某一指数的历史构成以及权重。注意,该数据为月度更新。

参数

参数类型说明
order_book_idstr指数代码,可传入order_book_id,例如'000001.XSHG'或'沪深300'。目前所支持的指数列表可以参考指数数据表
datestr, datetime.date, datetime.datetime, pandas Timestamp查询日期,默认为最新记录日期

返回

pandas Series,每只股票在指数中的构成权重。

范例

[In]
index_weights('000016.XSHG', '20160801')
[Out]
Order_book_id
600000.XSHG    0.03750
600010.XSHG    0.00761
600016.XSHG    0.05981
600028.XSHG    0.01391
600029.XSHG    0.00822
600030.XSHG    0.03526
600036.XSHG    0.04889
600050.XSHG    0.00998
600104.XSHG    0.02122

is_suspended - 判断股票是否全天停牌

is_suspended(order_book_id, start_date=None, end_date=None, country='cn')

判断某只股票在一段时间(包含起止日期)是否全天停牌。

参数

参数类型说明
order_book_idstr合约代码。传入单只股票的order_book_id
start_datestr, datetime.date, datetime.datetime, pandasTimestamp开始日期,默认为股票上市日期
end_datestr, datetime.date, datetime.datetime, pandasTimestamp结束日期,默认为当前日期,如果股票已经退市,则为退市日期
countrystr默认是中国市场('cn'),目前仅支持中国市场

返回

pandas DataFrame 如果在查询期间内股票尚未上市,或已经退市,则函数返回None;如果开始日期早于股票上市日期,则以股票上市日期作为开始日期。

范例

[In]
is_suspended('武钢股份', start_date='20160624')
[Out]
               武钢股份
2016-06-24       False
2016-06-27        True
2016-06-28        True
2016-06-29        True
2016-06-30        True
2016-07-01        True
2016-07-04        True
2016-07-05        True
2016-07-06        True
...
2016-08-30        True
2016-08-31        True

is_st_stock - 查询股票是否为ST股

is_st_stock(order_book_id, start_date, end_date)

判断一只或多只股票在一段时间(包含起止日期)内是否为ST股。

ST股包括如下:

参数

参数类型说明
order_book_idstr or str list合约代码,可传入order_book_id, order_book_id list
start_datestr, datetime.date, datetime.datetime, pandasTimestamp开始日期
end_datestr, datetime.date, datetime.datetime, pandasTimestamp结束日期

返回

pandas DataFrame - 查询时间段内是否为ST股的查询结果

范例

[In]
is_st_stock("002336.XSHE", "20160411", "20160510")
[Out]
            002336.XSHE
2016-04-11    False
2016-04-12    False
...
2016-05-09    True
2016-05-10    True

[In]
is_st_stock(["002336.XSHE", "000001.XSHE"], "2016-04-11", "2016-05-10")
[Out]
      002336.XSHE    000001.XSHE
2016-04-11    False    False
2016-04-12    False    False
...
2016-05-09    True    False
2016-05-10    True    False

get_yield_curve - 获取收益率曲线

get_yield_curve(start_date='2013-01-04', end_date='2014-01-04', tenor=None, country='cn')

获取某个国家市场在一段时间内收益率曲线水平(包含起止日期)。目前仅支持中国市场。

数据为2002年至今的中债国债收益率曲线,来源于中央国债登记结算有限责任公司。

参数

参数类型说明
start_datestr, datetime.date, datetime.datetime, pandasTimestamp开始日期,默认为'2013-01-04'
end_datestr, datetime.date, datetime.datetime, pandasTimestamp结束日期,默认为'2014-01-04'
tenorstr标准期限,'0S' - 隔夜,'1M' - 1个月,'1Y' - 1年
countrystr默认是中国市场('cn'),目前仅支持中国市场

返回

pandas DataFrame - 查询时间段内无风险收益率曲线

范例

[In]
get_yield_curve(start_date='20130104', end_date='20140104')

[Out]
                0S      1M      2M      3M      6M      9M      1Y      2Y  \
2013-01-04  0.0196  0.0253  0.0288  0.0279  0.0280  0.0283  0.0292  0.0310
2013-01-05  0.0171  0.0243  0.0286  0.0275  0.0277  0.0281  0.0288  0.0305
2013-01-06  0.0160  0.0238  0.0285  0.0272  0.0273  0.0280  0.0287  0.0304

                3Y      4Y   ...        6Y      7Y      8Y      9Y     10Y  \
2013-01-04  0.0314  0.0318   ...    0.0342  0.0350  0.0353  0.0357  0.0361
2013-01-05  0.0309  0.0316   ...    0.0342  0.0350  0.0352  0.0356  0.0360
2013-01-06  0.0310  0.0315   ...    0.0340  0.0350  0.0352  0.0356  0.0360
...

get_securities_margin - 获取融资融券信息

get_securities_margin(id_or_symbols, start_date=None, end_date=None, fields=None)

获取融资融券信息。包括深证融资融券数据以及上证融资融券数据情况。既包括个股数据,也包括市场整体数据。需要注意,融资融券的开始日期为2010年3月31日;根据交易所的原始数据,上交所个股跟整个市场的输出信息列表不一致,个股没有融券余量金额跟融资融券余额两项, 而深交所个股跟整个市场的输出信息列表一致。

参数

参数类型说明
id_or_symbolsstr or str list可输入order_book_id, order_book_id list。另外,输入'XSHG'或'sh'代表整个上证整体情况;'XSHE'或'sz'代表深证整体情况
start_datestr, datetime.date, datetime.datetime, pandasTimestamp开始日期,默认为当前最近日期前一个月
end_datestr, datetime.date, datetime.datetime, pandasTimestamp结束日期,默认为当前有数据的最新日期
fieldsstr OR str list默认为所有字段。见下方列表
fields字段名
margin_balance融资余额
buy_on_margin_value融资买入额
margin_repayment融资偿还额
short_balance融券余额
short_balance_quantity融券余量
short_sell_quantity融券卖出量
short_repayment_quantity融券偿还量
total_balance融资融券余额

返回

范例

[In]
get_securities_margin('510050.XSHG', start_date='20160801', end_date='20160805')
[Out]
margin_balance    buy_on_margin_value    short_sell_quantity    margin_repayment    short_balance_quantity    short_repayment_quantity    short_balance    total_balance
2016-08-01    7.811396e+09    50012306.0    3597600.0    41652042.0    15020600.0    1645576.0    NaN    NaN
2016-08-02    7.826381e+09    34518238.0    2375700.0    19532586.0    14154000.0    3242300.0    NaN    NaN
2016-08-03    7.733306e+09    17967333.0    4719700.0    111043009.0    16235600.0    2638100.0    NaN    NaN
2016-08-04    7.741497e+09    30259359.0    6488600.0    22068637.0    17499000.0    5225200.0    NaN    NaN
2016-08-05    7.726343e+09    25270756.0    2865863.0    40423859.0    14252363.0    6112500.0    NaN    NaN
[In]
get_securities_margin(['XSHE', 'XSHG'],start_date='20160801', end_date='20160805', fields='margin_balance')
[Out]
        XSHE        XSHG
2016-08-01    3.837627e+11    4.763557e+11
2016-08-02    3.828923e+11    4.763931e+11
2016-08-03    3.823545e+11    4.769321e+11
2016-08-04    3.833260e+11    4.776380e+11
2016-08-05    3.812751e+11    4.766928e+11
[In]
get_securities_margin(['XSHG', '601988.XSHG', '510050.XSHG'],start_date='20160801', end_date='20160805')
[Out]
<class 'pandas.core.panel.Panel'>
Dimensions: 8 (items) x 5 (major_axis) x 3 (minor_axis)
Items axis: margin_balance to total_balance
Major_axis axis: 2016-08-01 00:00:00 to 2016-08-05 00:00:00
Minor_axis axis: XSHG to 510050.XSHG
[In]
get_securities_margin('510050.XSHG', start_date='20160801', end_date='20160805', fields='margin_repayment')
[Out]
2016-08-01     41652042.0
2016-08-02     19532586.0
2016-08-03    111043009.0
2016-08-04     22068637.0
2016-08-05     40423859.0
Name: margin_repayment, dtype: float64

get_shares - 获取流通股信息

get_shares(id_or_symbols, start_date='2013-01-04', end_date='2014-01-04', fields=None, country='cn')

获取某只股票在一段时间内的流通情况(包含起止日期)。

参数

参数类型说明
id_or_symbolsstr可输入order_book_id或symbol
start_datestr, datetime.date, datetime.datetime, pandasTimestamp开始日期,默认为'2013-01-04'
end_datestr, datetime.date, datetime.datetime, pandasTimestamp结束日期,默认为'2014-01-04'
fieldsstr OR str list默认为所有字段。见下方列表
countrystr默认是中国市场('cn'),目前仅支持中国市场
fields字段名
total总股本
circulation_a流通A股
management_circulation已过禁售期的高管持有的股份
non_circulation_a非流通A股合计
total_aA股总股本

返回

范例

[In]
get_shares('000001.XSHE', start_date='20160801', end_date='20160806')
[Out]
            circulation_a  management_circulation  non_circulation_a  \
2016-08-01   1.463118e+10                     NaN       2.539231e+09   
2016-08-02   1.463118e+10                     NaN       2.539231e+09   
2016-08-03   1.463118e+10                     NaN       2.539231e+09   
2016-08-04   1.463118e+10                     NaN       2.539231e+09   
2016-08-05   1.463118e+10                     NaN       2.539231e+09   

                 total_a         total  
2016-08-01  1.717041e+10  1.717041e+10  
2016-08-02  1.717041e+10  1.717041e+10  
2016-08-03  1.717041e+10  1.717041e+10  
2016-08-04  1.717041e+10  1.717041e+10  
2016-08-05  1.717041e+10  1.717041e+10   
[In]
get_shares('000001.XSHE', start_date='20160801', end_date='20160806', fields='total')
[Out]
2016-08-01    1.717041e+10
2016-08-02    1.717041e+10
2016-08-03    1.717041e+10
2016-08-04    1.717041e+10
2016-08-05    1.717041e+10
Name: total, dtype: float64

get_stock_connect - 获取沪深股通持股信息

get_stock_connect(id_or_symbols, start_date='2017-03-17', end_date='2018-03-16', fields=None)

获取A股股票在一段时间内的在香港上市交易的持股情况。

参数

参数类型说明
id_or_symbolsstr可输入order_book_id或symbol。另,
1、输入‘shanghai_connect'可返回沪股通的全部股票数据。
2、输入'shenzhen_connect'可返回深股通的全部股票数据。
3、输入'all_connect'可返回沪股通、深股通的全部股票数据。
start_datestr, datetime.date, datetime.datetime, pandasTimestamp开始日期,默认为'2017-03-17'
end_datestr, datetime.date, datetime.datetime, pandasTimestamp结束日期,默认为'2018-03-16'
fieldsstr OR str list默认为所有字段。见下方列表

返回

fields字段名
shares_holding持股量
holding_ratio持股比例

范例

[In]
get_stock_connect('000049.XSHE',start_date='2018-05-08',end_date='2018-05-10')
[Out]

        holding_ratio     shares_holding
2018-05-08     0.09     194295.0
2018-05-09     0.07     144228.0
2018-05-10     0.06     136628.0
[In]
df = get_stock_connect('shanghai_connect',start_date='20180508',end_date='20180510')
df.major_xs('2018-05-08')
[Out]

             holding_ratio     shares_holding
600000.XSHG     0.55     156945807.0
600004.XSHG     12.55     259814825.0
600006.XSHG     0.03     774403.0
600007.XSHG     1.04     10565368.0
600008.XSHG     1.00     48246803.0
600009.XSHG     32.11     351203760.0
600010.XSHG     0.26     57902557.0
600011.XSHG     0.16     17702630.0
...

get_turnover_rate - 获取历史换手率

get_turnover_rate(order_book_id, start_date, end_date, fields=None)

参数

参数类型说明
order_book_idstr or str list合约代码,可输入order_book_id, order_book_id list
start_datestr, datetime.date, datetime.datetime, pandasTimestamp开始日期,用户必须指定
end_datestr, datetime.date, datetime.datetime, pandasTimestamp结束日期,用户必须指定
fieldsstr OR str list默认为所有字段。当天换手率 - today,过去一周平均换手率 - week,过去一个月平均换手率 - month,过去一年平均换手率 - year,当年平均换手率 - current_year

返回

范例

[In]
get_turnover_rate(['000001.XSHE', '601998.XSHG'], '20160801', '20160812', 'week')

[Out]
  000001.XSHE  601998.XSHG
2016-08-01       0.4478       0.1176
2016-08-02       0.4134       0.1175
2016-08-03       0.3460       0.0972
2016-08-04       0.4938       0.0937
2016-08-05       0.5031       0.0927
2016-08-08       0.4414       0.0754
2016-08-09       0.4357       0.0746
2016-08-10       0.4377       0.0779
2016-08-11       0.3679       0.1212
2016-08-12       0.4779       0.1391

get_dividend - 获取股票分红数据

get_dividend(order_book_id, start_date=None, end_date=None, country='cn')

获取某只股票在一段时间内的分红情况(包含起止日期)。如未指定日期,则默认所有。目前仅支持中国市场。

参数

参数类型说明
order_book_idstr or list合约代码
start_datestr, datetime.date, datetime.datetime, pandasTimestamp开始日期
end_datestr, datetime.date, datetime.datetime, pandasTimestamp结束日期
countrystr默认是中国市场('cn'),目前仅支持中国市场

返回

pandas DataFrame - 查询时间段内某个股票的分红数据

范例

[In]
get_dividend('000001.XSHE', start_date='20130104', end_date='20140106')

[Out]
                              book_closure_date  dividend_cash_before_tax  \
declaration_announcement_date
2013-06-14                           2013-06-19                    0.9838

                              ex_dividend_date payable_date  round_lot
declaration_announcement_date
2013-06-14                          2013-06-20   2013-06-20       10.0

get_split - 获取股票拆分数据

get_split(order_book_id, start_date=None, end_date=None, country='cn')

获取某只股票在一段时间内的拆分情况(包含起止日期),如未指定日期,则默认所有。目前仅支持中国市场。

参数

参数类型说明
order_book_idstr or list合约代码
start_datestr, datetime.date, datetime.datetime, pandasTimestamp开始日期
end_datestr, datetime.date, datetime.datetime, pandasTimestamp结束日期
countrystr默认是中国市场('cn'),目前仅支持中国市场

返回

pandas DataFrame - 查询时间段内的某个股票的拆分数据

例如:每10股转增2股,则split_coefficient_from = 10, split_coefficient_to = 12.

范例

[In]
get_split('000001.XSHE', start_date='20100104', end_date='20140104')

[Out]
                 book_closure_date payable_date  split_coefficient_from  \
ex_dividend_date
2013-06-20              2013-06-19   2013-06-20                      10

                  split_coefficient_to
ex_dividend_date
2013-06-20                        16.0

get_ex_factor - 获取复权因子

get_ex_factor(order_book_id, start_date=None, end_date=None, country='cn')

获取复权因子。如未指定日期,则默认所有。

参数

参数类型说明
order_book_idstr or list合约代码
start_datestr, datetime.date, datetime.datetime, pandasTimestamp开始日期
end_datestr, datetime.date, datetime.datetime, pandasTimestamp结束日期
countrystr默认是中国市场('cn'),目前仅支持中国市场

返回

pandas dataframe - 包含了复权因子的日期和对应的各项数值

范例

[In]
get_ex_factor('000001.XSHE', start_date='2013-01-04', end_date='2017-01-04')

[Out]
            order_book_id  ex_factor  ex_cum_factor announcement_date  \
ex_date
2013-06-20   000001.XSHE   1.614263      68.255824        2013-06-19
2014-06-12   000001.XSHE   1.216523      83.034780        2014-06-11
2015-04-13   000001.XSHE   1.210638     100.525060        2015-04-10
2016-06-16   000001.XSHE   1.217847     122.424143        2016-06-15

           ex_end_date
ex_date
2013-06-20  2014-06-11
2014-06-12  2015-04-12
2015-04-13  2016-06-15
2016-06-16         NaT

get_current_news - 获取新闻快讯

get_current_news(n, start_time, end_time,channels)

返回当前经济、金融相关的快讯。

参数

参数类型说明
nint返回新闻条目。默认为一条(以频道为基础),上限为1200条
start_timestr开始时间,格式为"yyyy-mm-dd hh:mm:ss"
end_timestr结束时间,格式为"yyyy-mm-dd hh:mm:ss"
channelsstr目前有四个频道全球经济,商品,外汇,中国A股。默认是全部('all')

返回

pandas dataframe

范例

[In]
get_current_news()

[Out]
                    datetime         content
channel         
global         2018-11-14 10:05:57     在岸人民币兑美元在数据公布后延续跌势,目前较早间高点回落约50点,报6.9529。
forex         2018-11-14 10:05:57     在岸人民币兑美元在数据公布后延续跌势,目前较早间高点回落约50点,报6.9529。
a-stock     2018-11-14 10:05:12     中国10月粗钢产量8,255万吨,创至少20145月以来新高,同比增长9.1%;1-10月...
commodity     2018-11-14 10:05:25     中国10月原油加工量5,278万吨,同比增长4.6%;1-10月原油加工量50,510万吨,..
[In]
get_current_news(start_time='2018-10-26 16:00:00',end_time='2018-10-26 16:05:00',channels='forex')

[Out]
                datetime         content
channel         
forex     2018-10-26 16:03:14     欧洲央行:预测人员维持2018-2020年通胀展望不变。预测人员下调20182019年GD...
forex     2018-10-26 16:02:24     美元/日元跌破112关口,日内跌逾0.3%。
forex     2018-10-26 16:00:57     【外管局公布20189月中国外汇市场交易概况数据】20189月,中国外汇市场(不含外币对...


econ.get_reserve_ratio - 获取存款准备金率

econ.get_reserve_ratio(reserve_type,start_date,end_date,date_type)

参数

参数类型说明
reserve_typestr目前有大型金融机构('major') 和 其他金融机构('other')两种分类。
默认为all,即所有类别都会返回。
start_datestr, datetime.date, datetime.datetime, pandasTimestamp开始日期,默认为去年的查询当日(基准为信息公布日)。
end_datestr, datetime.date, datetime.datetime, pandasTimestamp结束日期,默认为查询当日。

返回

pandas dataframe

范例

[In]
econ.get_reserve_ratio(reserve_type='major',start_date='20170101',end_date='20181017')

[Out]

            reserve_type                     effective_date     ratio_ceiling     ratio_floor
info_date
2018-10-07     major_financial_institution     2018-10-15          15.0             15.0
2018-04-17     major_financial_institution     2018-04-25          16.0             16.0

econ.get_money_supply - 获取货币供应量

econ.get_money_supply(start_date,end_date)

参数

参数类型说明
start_datestr, datetime.date, datetime.datetime, pandasTimestamp开始日期,默认为去年的查询当日(基准为信息公布日)。
end_datestr, datetime.date, datetime.datetime, pandasTimestamp结束日期,默认为查询当日。

返回

pandas dataframe

范例

[In]
econ.get_money_supply(start_date='20180801',end_date='20181017')

[Out]

               effective_date     m2          m1         m0    m2_growth_yoy  m1_growth_yoy     m0_growth_yoy
info_date                             
2018-09-21     2018-08-31     178867043.0     53832464.0     6977539.0     0.082       0.039         0.033
2018-08-16     2018-07-31     177619611.0     53662429.0     6953059.0     0.085       0.051         0.036

get_trading_dates - 获取交易日列表

get_trading_dates(start_date, end_date, country='cn')

获取某个国家市场的交易日列表(起止日期加入判断)。目前仅支持中国市场。

参数

参数类型说明
start_datestr, datetime.date, datetime.datetime, pandasTimestamp开始日期
end_datestr, datetime.date, datetime.datetime, pandasTimestamp结束日期
countrystr默认是中国市场('cn'),目前仅支持中国市场

返回

datetime.date list - 交易日期列表

范例

[In]
get_trading_dates(start_date='20160505', end_date='20160505')
[Out]
[datetime.date(2016, 5, 5)]

get_previous_trading_date - 获取历史某个交易日

get_previous_trading_date(date,n,country='cn')

默认获取指定日期的上一交易日。

参数

参数类型说明
datestr, datetime.date, datetime.datetime, pandasTimestamp指定日期
nintn代表往前第n个交易日。默认为1,即前一个交易日
countrystr默认是中国市场('cn'),目前仅支持中国市场

返回

datetime.date - 交易日期

范例

[In]
get_previous_trading_date('20160502',n=1)
[Out]
[datetime.date(2016, 4, 29)]

get_next_trading_date - 获取未来某个交易日

get_next_trading_date(date, n, country='cn')

默认获取指定日期的下一交易日。

参数

参数类型说明
datestr, datetime.date, datetime.datetime, pandasTimestamp指定日期
nintn代表未来第n个交易日。默认为1,即下一个交易日
countrystr目前只支持中国市场 ('cn')

返回

datetime.date - 交易日期

范例

[In]
get_next_trading_date(date='2016-05-01',n=1)
[Out]
[datetime.date(2016, 5, 3)]

fenji.get_a_by_yield(已废弃) - 获取分级A基金列表(利率水平查询)

fenji.get_a_by_yield(current_yield, listing=True)

获取对应利率水平的分级A基金列表。

参数

参数类型说明
current_yieldfloat本期利率,例如5代表5%
listingbool当前分级基金是否在交易所可交易,默认为True

返回

符合当前利率水平的分级A基金的order_book_id list;如果无符合内容,则返回空列表。

范例

[In] fenji.get_a_by_yield(4)
[Out]
['150039.XSHE']

fenji.get_a_by_interest_rule(已废弃) - 获取分级A基金列表(利率规则查询)

fenji.get_a_by_interest_rule(interest_rule))

获取对应利率规则的分级A基金列表,如果无符合内容,则返回空列表。

参数

参数类型说明
interest_rulestr利率规则,例如:'+3.5%', '+4%', '=7%', '*1.4+0.55%', '利差'等。 您也可以在研究平台使用fenji.get_all来进行查询所有的组合可能。用户必须填写
listingbool该分级基金是否在交易所可交易,默认为True

返回

符合当前利率规则的分级A基金的order_book_id list

范例

[In] 
fenji.get_a_by_interest_rule("+3%")
[Out]
['502011.XSHG', '150215.XSHE', '150181.XSHE', '150269.XSHE', '150173.XSHE', '150217.XSHE', '502027.XSHG', '150255.XSHE', '150257.XSHE', '150237.XSHE', '150100.XSHE', '150177.XSHE', '502017.XSHG', '150279.XSHE', '150271.XSHE', '150051.XSHE', '150245.XSHE', '150233.XSHE', '502004.XSHG', '150200.XSHE', '150205.XSHE', '150184.XSHE', '502049.XSHG', '150207.XSHE', '150313.XSHE', '150243.XSHE', '150239.XSHE', '150273.XSHE', '150227.XSHE', '150076.XSHE', '150203.XSHE', '150209.XSHE', '150259.XSHE', '150315.XSHE', '150283.XSHE', '150241.XSHE', '150229.XSHE', '150307.XSHE', '150186.XSHE', '150231.XSHE', '502024.XSHG', '502007.XSHG', '150305.XSHE', '150018.XSHE', '150309.XSHE', '150311.XSHE', '150235.XSHE', '150143.XSHE', '150249.XSHE', '150329.XSHE', '150251.XSHE', '150169.XSHE', '150357.XSHE', '150194.XSHE', '150179.XSHE', '150164.XSHE', '150192.XSHE', '150171.XSHE', '150022.XSHE', '150275.XSHE', '150092.XSHE', '150277.XSHE']

fenji.get_all(已废弃) - 获取所有分级基金信息

fenji.get_all(field_list)

获取当前市场上所有分级基金的信息。

参数

参数类型注释
field_liststr list希望输出的数据字段名(见下表),默认为所有字段

返回

pandas DataFrame - 分级基金各项数据

字段名注释
a_b_propotion分级A:分级B的比例
conversion_date下次定折日
creation_date创立日期
current_yield本期利率
expire_date到期日,可能为NaN - 即不存在
fenji_a_order_book_idA基代码
fenji_a_symbolA基名称
fenji_b_order_book_idB基代码
fenji_b_symbolB基名称
fenji_mu_orderbook_id母基代码
fenji_mu_symbol母基名称
interest_rule利率规则
next_yield下期利率
track_index_symbol跟踪指数

范例

[In] 
fenji.get_all()
[Out]
a_b_propotion    conversion_date    creation_date    current_yield    expire_date    fenji_a_order_book_id    fenji_a_symbol    fenji_b_order_book_id    fenji_b_symbol    fenji_mu_orderbook_id    fenji_mu_symbol    interest_rule    next_yield    track_index_symbol
0    7:3    2016-11-19    2014-05-22    2.5    NaN    161828    永益A    150162.XSHE    永益B    161827    银华永益    +1%    NaN    综合指数
1    1:1    2017-01-04    2015-03-17    5    NaN    150213.XSHE    成长A级    150214.XSHE    成长B级    161223    国投成长    +3.5%    5    创业成长
2    1:1    2016-12-15    2015-07-01    5.5    NaN    150335.XSHE    军工股A    150336.XSHE    军工股B    161628    融通军工    +4%    5.5    中证军工

[In] 
fenji.get_all(field_list = ['fenji_a_order_book_id', 'current_yield'])
[Out]
current_yield    fenji_a_order_book_id
0    2.5    161828
1    5    150213.XSHE
2    5.5    150335.XSHE

fund.instruments - 获取基金基础信息

fund.instruments(order_book_ids)

参数

参数类型注释
order_book_idstr OR str list基金代码

返回

基金instrument对象或instrument list

字段类型说明
order_book_idstr合约代码
symbolstr证券的简称
issuerstr基金公司
fund_managerstr基金经理
listed_datestr发行日期
benchmarkstr业绩比较基准
latest_sizefloat最新资产规模(单位:元)
fund_typestr基金类型。债券型 - Bond, 股票型 - Stock, 混合型 - Hybrid, 货币型 - Money, 短期理财型 - ShortBond, 股票指数 - StockIndex, 债券指数 - BondIndex, 联接基金 - Related, QDII - QDII

范例

In [10]: fund.instruments('050116')
Out[10]: Instrument(fund_type='Bond', order_book_id='050116', issuer='博时基金', symbol='博时宏观债券C', latest_size=20164710.53, type='PublicFund', listed_date='2010-07-27', fund_manager='王申', benchmark='中证全债指数')


fund.all_instruments - 获取所有公募基金信息

fund.all_instruments(date=None)

参数

参数类型注释
datestr, datetime.date, datetime.datetime, pandasTimestamp查询日期,默认为当前日期上一交易日。过滤掉在该日期尚未上市交易的基金合约

返回

pandas DataFrame

范例

In [20]: fund.all_instruments().head()
Out[20]: 
  order_book_id        listed_date     issuer         symbol   fund_type  \
0        233001    2004-03-26  摩根士丹利华鑫基金       大摩基础行业混合      Hybrid   
1        165519    2013-08-16       信诚基金  信诚中证800医药指数分级  StockIndex   
2        004234    2017-01-19       中欧基金      中欧数据挖掘混合C      Hybrid   
3        370026    2013-02-04     上投摩根基金      上投轮动添利债券C        Bond   
4        519320    2016-05-04     浦银安盛基金   浦银安盛幸福聚利定开债A       Other   

  fund_manager   latest_size                          benchmark  
0          孙海波  1.318854e+08          沪深300指数×55%+ 中证综合债券指数×45%  
1           杨旭  2.371657e+08  95%×中证800制药与生物科技指数收益率+5%×金融同业存款利率  
2           曲径           NaN       沪深300指数收益率×60%+中债综合指数收益率×40%  
3           唐瑭  8.183768e+06                           中证综合债券指数  
4          刘大巍  3.018930e+09                 一年期定期存款利率(税后)+1.4%  

fund.get_nav - 获取基金净值信息

fund.get_nav(order_book_id, start_date=None, end_date=None, fields=None)

参数

参数类型注释
order_book_idstr基金代码
start_datestr, datetime.date, datetime.datetime, pandasTimestamp查询的开始日期,默认为所有净值数据
end_datestr, datetime.date, datetime.datetime, pandasTimestamp查询的结束日期
fieldsstr OR str list查询字段,有效值见下方

返回

pandas DataFrame

范例

In [7]: fund.get_nav('050116', '20170401', '20170408')
Out[7]: 
            acc_net_value  unit_net_value subscribe_status redeem_status  \
2017-04-05          1.192           1.149          Limited          Open   
2017-04-06          1.192           1.149          Limited          Open   
2017-04-07          1.191           1.148          Limited          Open   

            change_rate  adjusted_net_value  
2017-04-05     0.001744            1.191662  
2017-04-06     0.000000            1.191662  
2017-04-07    -0.000870            1.190625  
In [8]: fund.get_nav('001232', '20170401', '20170408')
Out[8]: 
    subscribe_status    redeem_status    daily_profit    weekly_yield
2017-04-04    Open        Open    3.4489    0.06855
2017-04-05    Open        Open    0.9106    0.05864
2017-04-06    Open        Open    0.8536    0.05457
2017-04-07    Open        Open    1.6463    0.03641

fund.get_holdings - 获取基金持仓信息

fund.get_holdings(order_book_id, date=None)

从指定日期回溯,获取最近的基金持仓信息。

参数

参数类型注释
order_book_idstr基金代码
datestr, datetime.date, datetime.datetime, pandasTimestamp查询日期,回溯获取距离指定日期最近的持仓数据。如不指定日期,则获取所有日期的持仓数据

返回

pandas DataFrame

范例

In [10]: fund.get_holdings('050116', '20170201')
Out[10]: 
  order_book_id  weight    shares  market_value       date
0   300410.XSHE    1.74  174200.0     9405200.0 2016-12-31
1   000888.XSHE    0.00     800.0        9600.0 2016-12-31
2        160419   18.37       NaN           NaN 2016-12-31
3        160209   22.12       NaN           NaN 2016-12-31
4        160208    9.07       NaN           NaN 2016-12-31
5        150213    9.28       NaN           NaN 2016-12-31
6        140067    9.04       NaN           NaN 2016-12-31
7        132001    0.01       NaN           NaN 2016-12-31
8        128012    0.01       NaN           NaN 2016-12-31
9        110031    0.00       NaN           NaN 2016-12-31


fund.get_split - 获取基金拆分信息

fund.get_split(order_book_id)

参数

参数类型注释
order_book_idstr基金代码

返回

pandas DataFrame

index: 除权除息日

范例

In [13]: fund.get_split('000246').head()
Out[13]: 
           split_ratio
2013-11-01  1.00499349
2013-12-02  1.00453123
2014-01-02  1.00455316
2014-02-07  1.00456182
2014-03-03  1.00452639


fund.get_dividend - 获取基金分红信息

fund.get_dividend(order_book_id)

参数

参数类型注释
order_book_idstr or list基金代码

返回

pandas DataFrame

index: 除权除息日

范例

In [11]: fund.get_dividend('050116')
Out[11]: 
           book_closure_date payable_date  dividend_before_tax
2012-01-17        2012-01-17   2012-01-19                0.002
2013-01-16        2013-01-16   2013-01-18                0.013
2015-01-14        2015-01-14   2015-01-16                0.028

fund.get_manager - 获取基金经理信息

fund.get_manager(order_book_id)

参数

参数类型注释
order_book_idstr OR str list基金代码或代码列表

返回

pandas DataFrame

范例

In [11]: fund.get_manager('161117')
Out[11]: 
  name        id  days start_date   end_date   return
0   胡剑  30159168   244 2014-07-12 2015-03-13   8.6997
1   胡剑  30159168   445 2013-04-22 2014-07-11   5.1786
2   刘琦  30127307   244 2014-07-12 2015-03-13   8.6997
3   刘琦  30127307   445 2013-04-22 2014-07-11   5.1786
4  李一硕  30062897   780 2015-03-14        NaT  14.9005
5  李一硕  30062897   244 2014-07-12 2015-03-13   8.6997
6  马喜德  30046114   306 2012-06-19 2013-04-21   7.9318
In [10]: fund.get_manager(['160224', '217019'])
Out [10]: 
<class 'pandas.core.panel.Panel'>
Dimensions: 6 (items) x 5 (major_axis) x 2 (minor_axis)
Items axis: name to return
Major_axis axis: 0 to 4
Minor_axis axis: 160224 to 217019

fund.get_asset_allocation - 获取基金资产配置

fund.get_asset_allocation(order_book_id, date=None)

参数

参数类型注释
order_book_idstr基金代码
datestr, datetime.date, datetime.datetime, pandasTimestamp查询日期,回溯获取距离指定日期最近的数据。如不指定日期,则获取所有日期的数据

返回

pandas DataFrame

index: 报告期

范例

In [11]: fund.get_asset_allocation('002425')
Out[11]: 
             stock    bond    cash           nav
2016-03-31  0.0520  0.8581  0.0918  5.506908e+07
2016-06-30  0.0656  0.9299  0.0053  6.455623e+07
2016-09-30  0.1403  0.5319  0.0119  4.035355e+08
2016-12-31  0.0637  0.4457  0.0174  8.504396e+08
2017-03-31  0.0000  0.6045  0.0345  1.365943e+08
2017-06-26  0.0000  0.4161  0.6456  7.271404e+07
2017-06-30  0.0000  0.3189  0.0028  7.058575e+07

fund.get_industry_allocation - 获取基金行业配置

fund.get_industry_allocation(order_book_id, date=None)

参数

参数类型注释
order_book_idstr基金代码
datestr, datetime.date, datetime.datetime, pandasTimestamp查询日期,回溯获取距离指定日期最近的数据。如不指定日期,则获取所有日期的数据

返回

pandas DataFrame

index: 报告期

范例

In [15]: fund.get_industry_allocation('519181', date='20170701')
Out[15]: 
                   industry  weights  market_value
2017-06-30  信息传输、软件和信息技术服务业   0.0000  7.639620e+03
2017-06-30         农、林、牧、渔业   0.0519  8.850876e+07
2017-06-30              制造业   0.5013  8.544167e+08
2017-06-30               合计   0.9027  1.538639e+09
2017-06-30              建筑业   0.1100  1.875309e+08
2017-06-30             房地产业   0.0990  1.687118e+08
2017-06-30           批发和零售业   0.0392  6.675525e+07
2017-06-30              采矿业   0.0501  8.545797e+07
2017-06-30              金融业   0.0512  8.724955e+07



fund.get_ratings - 获取基金评级信息

fund.get_ratings(order_book_id, date=None)

参数

参数类型注释
order_book_idstr基金代码
datestr, datetime.date, datetime.datetime, pandasTimestamp查询日期,回溯获取距离指定日期最近的数据。如不指定日期,则获取所有日期的数据

返回

pandas DataFrame

index: 评级日期

范例

In [16]: fund.get_ratings('202101')
Out[16]: 
             zs  sh3  sh5  jajx
2009-12-31  NaN  NaN  NaN   3.0
2010-03-31  NaN  NaN  NaN   3.0
2010-04-30  2.0  NaN  NaN   NaN
2010-06-30  NaN  3.0  4.0   1.0
2010-09-30  NaN  3.0  4.0   1.0
2010-12-31  NaN  2.0  4.0   1.0

fund.get_units_change - 获取基金份额变动信息

fund.get_ratings(order_book_id, date=None)

参数

参数类型注释
order_book_idstr基金代码
datestr, datetime.date, datetime.datetime, pandasTimestamp查询日期,回溯获取距离指定日期最近的数据。如不指定日期,则获取所有日期的数据

返回

pandas DataFrame

index: 参考日期

范例

In [17]: fund.get_units_change('001554')
Out[17]: 
            subscribe_units  redeem_units        units
2015-06-30              NaN           NaN   5000000.00
2015-09-30      71408891.69   37755554.39  38653337.30
2015-12-31      19756969.98   20692807.21  37717500.07
2016-03-31      17467356.40   16372818.76  38812037.71
2016-06-30      21264325.34   15937884.63  44138478.42
2016-09-30      37842604.31   32218403.07  49762679.66
2016-12-31      19158060.76   25157817.68  43762922.74
2017-03-31      12145314.55   18072618.82  37835618.47


其他数据API

除了已有的IPython Notebook API之外,我们还提供了可以查询其他“神奇”数据的可能性,包括舆情数据以及以后会推出的电商、搜索数据。这会让你的策略和数据研究更加丰富多彩,enjoy!


```

正在运行中的策略 0