# 股票行情数据说明
可获取股票合约的日行情、分钟行情、tick 行情数据，具体调用方式请参考 API-get_price.
# get_fundamentals - 查询财务数据（退役中）
get_fundamentals(query, entry_date, interval=None, report_quarter=False, expect_df=True)
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。
注：get_fundamentals 即将退役，请使用新的API-get_factor 获取财务数据.
# 参数
| 参数 | 类型 | 说明 |
|---|---|---|
| query | SQLAlchemyQueryObject | SQLAlchemy 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_date | str, datetime.date, datetime.datetime, pandasTimestamp | 查询财务数据的基准开始日期 |
| interval | str | 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，返回数据时间以年为间隔。'd' - 天，'w' - 周，'m' - 月， 'q' - 季，'y' - 年 |
| report_quarter | bool | 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 |
| expect_df | boolean | 默认返回 pandas dataframe,如果调为 False ,返回原有的 Panel 数据结构。 |
# 返回
pandas DataPanel - 财务数据查询结果。
# 范例
fundamentals 是一个重要的对象，其中包括了估值指标表（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。
- 获取万科 2017 年 8 月 1 日及以前 4 个季度的市盈率（pb_ratio）
[In]
dp = get_fundamentals(query(fundamentals.eod_derivative_indicator.pb_ratio).filter(fundamentals.stockcode == '000002.XSHE'), '2017-08-01','4q' ,report_quarter = True)
[In]
dp
[Out]
report_quarter pb_ratio
order_book_id date
000002.XSHE 20170801 2017q1 2.2952
20170428 2017q1 1.8888
20170126 2016q3 2.0123
20161026 2016q2 2.7674
- 获取平安银行股票 2016 年 8 月 1 日及以前 4 个季度的市盈率（pe_ratio）
[In]
dp = get_fundamentals(query(fundamentals.eod_derivative_indicator.pe_ratio).filter(fundamentals.stockcode == '000001.XSHE'), '2016-08-01','4q' ,report_quarter = True,expect_df=False)
[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
- 获取某几只股票 2015 年 1 月 10 日及以前 5 年的营业收入（revenue）以及营业成本（cost_of_good_sold）
[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',expect_df=False)
[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
- 获取某几只股票 2015 年 1 月 10 日及以前 2 年的营业收入（revenue）以及营业成本（cost_of_good_sold），指定返回的数据结构为 dataframe
[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', '2y')
dp
[Out]
cost_of_goods_sold revenue
order_book_id date
000151.XSHE 20150109 1500716440.96 1733702964.32
20140109 742092557.53 883935497.71
002478.XSHE 20150109 2430624798.39 2937842929.60
20140109 2427011255.86 2926316060.58
- 一次获取整张报表数据
[In]
df = get_fundamentals(query(fundamentals.eod_derivative_indicator).filter(fundamentals.stockcode == '000001.XSHE'), '2016-08-01', '4q' ,report_quarter = True,expect_df=False) #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（退役中)
get_financials(query, quarter, interval=None, expect_df=True)
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。
注：get_financials 即将退役，请使用新的API-get_pit_financials_ex 获取三大表财务数据.
# 参数
| 参数 | 类型 | 说明 |
|---|---|---|
| query | SQLAlchemyQueryObject | SQLAlchemy 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 |
| quarter | str | 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 |
| interval | str | 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 |
| expect_df | boolean | 默认返回 pandas dataframe 。如果调为 False，则返回原有数据结构 |
# 返回
pandas DataFrame
# 范例
- 获取单只股票过去两个报告期的净利润
[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
order_book_id quarter
000002.XSHE 2016q3 1.129025e+10 20161028
2016q2 7.094631e+09 20160822
- 获取多只股票单一报告期的净利润
[In]
q = query(financials.income_statement.net_profit, financials.announce_date).filter(financials.stockcode.in_(['000002.XSHE', '601988.XSHG']))
[In]
get_financials(q, '2016q3',expect_df=False)
[Out]
net_profit announce_date
601988.XSHG 1.51558e+11 20161027
000002.XSHE 1.12903e+10 20161028
- 获取某只股票相同季度的历史财务信息
[In]
q = query(financials.income_statement.net_profit).filter(financials.stockcode.in_(['000002.XSHE']))
[In]
get_financials(q, '2016q3', '3y',expect_df=False)
[Out]
2016q3 1.12903e+10
2015q3 9.53862e+09
2014q3 7.605e+09
- 获取多只股票多个报告期多个财务指标，指定返回的数据类型为 dataframe
[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', True)
[Out]
net_profit prepayment
order_book_id quarter
000002.XSHE 2016q3 11290253073.20 49397992003.96
2015q3 9538624020.08 53028449827.00
2014q3 7604997410.84 32323239442.58
601988.XSHG 2016q3 151558000000.00 None
2015q3 137874000000.00 None
2014q3 136798000000.00 None
- 一次获取整张报表数据
[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',expect_df=False)
[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
# 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 |
|---|---|---|
| fields | str or list | 获取对应字段的数据。如果不填则全部返回。 |
# 返回
pandas DataFrame
| 字段 | 类型 | 说明 |
|---|---|---|
| comment | str | 字段注释或其他备注 |
| table | str | 字段所属表格 |
| data_point | str | 废弃字段名 |
# 范例
- 获取所有废弃财务字段
[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_pit_financials - 查询季度财务信息(point-in-time 形式)[退役中]
get_pit_financials(fields, quarter, interval=None, order_book_ids=None, if_adjusted=None, max_info_date=None, market='cn')
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），即利润表（income_statement），资产负债表（balance_sheet），现金流量表（cash_flow_statement）。
注：get_pit_financials 即将退役，请使用新的API-get_pit_financials_ex 获取三大表财务数据.
# 参数
| 参数 | 类型 | 说明 |
|---|---|---|
| fields | list | 需要返回的财务字段。支持的字段仅限三大基础财报中的大部分字段，具体可以参看财务数据页介绍。 |
| quarter | str | 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。 |
| interval | str | 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。 |
| order_book_ids | str or str list | 合约代码，可传入 order_book_id, order_book_id list |
| max_info_date | str | 限制返回的最新日期，在研究中使用默认为当前查询日期。 |
| if_adjusted | str | 考虑获取的财务数据是否为非当期，默认不填写 if_adjusted 参数，此时返回所有记录 除去默认为空以外，如果 if_adjusted=0 每个季度返回当期的数据。1 则每个季度返回非当期的数值（比如 18 年发布财报时有展示上一财年 17 年的财报数值，17 年的财务数值在 18 年年报中展示为非当期） if_adjusted='ignore'配合 max_info_date 使用，每个季度返回一条离限制返回日期最新的数值 if_adjusted='all'则允许日期的当期和非当期的所有记录都返回 |
| market | str | 市场，默认'cn'为中国内地市场 |
# 返回
pandas DataFrame
| 固定字段 | 类型 | 说明 |
|---|---|---|
| fields | list | 需要返回的财务字段。支持的字段仅限三大基础财报中的大部分字段，具体可以参看财务数据页介绍。 |
| info_date | str | 公告发布日 |
| enterprise_type | str | 企业性质 |
| is_complete | integer | 目前 1 为披露完整的报表，0 为简报的披露 |
| accounting_standards | integer | 1 为新会计准则（2007 版之后），9 为旧会计准则 |
| if_adjusted | str | 是否为非当期财报数据 |
| info_type | str | 公告类别 |
注意: 由于数据源的问题，2015 年及之前的财务数据出现更正均对数据进行了覆盖处理，并未保存更正前数据。inf 在返回的数据中意味着该公司在对应日期的报告中并没有提及此字段。NaN 则表示在相应的日期该公司并没有提供此字段对应的报表。另，在返回的字段中，如果 if_adjusted=0 为当期数据。1 则表示为非当期数据。
# 范例
- 获取单只股票指定字段
[In]
get_pit_financials(['operating_revenue','total_assets'],quarter='2018q2',order_book_ids='000048.XSHE')
[Out]
info_date if_adjusted accounting_standards is_complete enterprise_type total_assets operating_revenue
order_book_id end_date
000048.XSHE 2018-06-30 2018-08-31 0 1 1 general_enterprise 4112194743.4400 1063669669.0400
2018-06-30 2018-10-31 0 1 1 general_enterprise 4209492787.7000 1060486863.8900
- 获取指定股票（限制最新的财报公布日）
[In]
get_pit_financials(['operating_revenue','total_assets'],quarter='2018q2',order_book_ids='000048.XSHE',if_adjusted='ignore')
[Out]
info_date if_adjusted accounting_standards is_complete enterprise_type total_assets operating_revenue
order_book_id end_date
000048.XSHE 2018-06-30 2018-10-31 0 1 1 general_enterprise 4209492787.7000 1060486863.8900
# get_pit_financials_ex - 查询季度财务信息(point-in-time 形式)
get_pit_financials_ex(fields, start_quarter,end_quarter，order_book_ids=None, date=None, statements=None, market='cn')
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），即利润表（income_statement），资产负债表（balance_sheet），现金流量表（cash_flow_statement)。
# 参数
| 参数 | 类型 | 说明 |
|---|---|---|
| fields | list | 需要返回的财务字段。支持的字段仅限[三大基础财报],具体可以参看财务数据页介绍。 |
| start_quarter | str | 财报回溯查询的起始报告期，例如'2015q2'代表 2015 年半年报， 该参数必填 。 |
| end_quarter | str | 财报回溯查询的截止报告期，例如'2015q4'代表 2015 年年报，该参数必填。 |
| order_book_ids | str or str list | 合约代码，可传入 order_book_id, order_book_id list ，该参数必填 |
| date | str | 查询日期，默认查询日期为当前最新日期 |
| statements | str | 基于查询日期，返回某一个报告期的所有记录或最新一条记录，设置 statements 为 all 时返回所有记录，statements 等于 latest 时返回最新的一条记录，默认为 latest. |
| market | str | 市场，默认'cn'为中国内地市场 |
# 返回
pandas DataFrame
| 固定字段 | 类型 | 说明 |
|---|---|---|
| fields | list | 需要返回的财务字段。支持的字段仅限[三大基础财报],具体可以参看财务数据页介绍。 |
| if_adjusted | int | 是否为非当期财报数据, 0 代表当期，1 代表非当期（比如 18 年的财报会披露本期和上年同期的数值，17 年年报的财务数值在 18 年年报中披露的记录则为非当期， 17 年年报的财务数值在 17 年年报中披露则为当期。 |
| quarter | str | 报告期 |
| info_date | str | 公告发布日 |
# 范例
- 获取股票 2018q2-2018q3 各报告期最新一次记录
[In]
get_pit_financials_ex(fields=['revenue','net_profit'], start_quarter='2018q2', end_quarter='2018q3',order_book_ids=['000001.XSHE','000048.XSHE'])
[Out]
info_date revenue if_adjusted net_profit
order_book_id quarter
000001.XSHE 2018q2 2019-08-08 5.724100e+10 1 1.337200e+10
2018q3 2019-10-22 8.666400e+10 1 2.045600e+10
000048.XSHE 2018q2 2019-08-31 7.362684e+08 1 -3.527276e+07
2018q3 2019-10-31 1.216331e+09 1 -4.566952e+07
- 获取股票 2018q2 所有的记录
[In]
get_pit_financials_ex(fields=['revenue','net_profit'], start_quarter='2018q2', end_quarter='2018q2',order_book_ids=['000001.XSHE','000048.XSHE'],statements='all')
[Out]
info_date revenue if_adjusted net_profit
order_book_id quarter
000001.XSHE 2018q2 2018-08-16 5.724100e+10 0 1.337200e+10
2018q2 2019-08-08 5.724100e+10 1 1.337200e+10
000048.XSHE 2018q2 2018-08-31 1.063670e+09 0 7.790205e+07
2018q2 2018-10-31 1.060487e+09 0 7.880372e+07
2018q2 2019-06-15 7.362684e+08 0 -3.527276e+07
2018q2 2019-08-31 7.362684e+08 1 -3.527276e+07
- 获取股票 2018q2 查询日期为 20190807 的记录
[In]
get_pit_financials_ex(fields=['revenue','net_profit'], start_quarter='2018q2', end_quarter='2018q2',order_book_ids=['000001.XSHE','000048.XSHE'],statements='all',date='20190807')
[Out]
info_date revenue if_adjusted net_profit
order_book_id quarter
000001.XSHE 2018q2 2018-08-16 5.724100e+10 0 1.337200e+10
000048.XSHE 2018q2 2018-08-31 1.063670e+09 0 7.790205e+07
2018q2 2018-10-31 1.060487e+09 0 7.880372e+07
2018q2 2019-06-15 7.362684e+08 0 -3.527276e+07
# get_factor - 获取因子
get_factor(order_book_ids, factor, start_date, end_date, universe=None,expect_df=True)
默认快速返回给定的 order_book_id 当日的因子，包括财务因子、alpha101 因子、技术指标 等。
# 参数
| 参数 | 类型 | 说明 |
|---|---|---|
| order_book_ids | str or str list | 合约代码，可传入 order_book_id, order_book_id list |
| factor | str or str list | 因子名称，可查询 get_all_factor_names() 得到所有有效因子字段 |
| date | str | 指定日期，默认为该日的前一个交易日 |
| start_date | str | 开始日期。注：如使用开始日期，则必填结束日期 |
| end_date | str | 结束日期。注：若使用结束日期，则开始日期必填 |
| universe | str | 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 |
| expect_df | boolean | 默认返回 pandas dataframe。如果调为 False，则返回 原有的数据结构 |
# 返回
pandas DataFrame
# 范例
- 获取财务指标数据
[In]
get_factor(['000001.XSHE','000002.XSHE'],'debt_to_equity_ratio',start_date='20180102',end_date='20180103')
[Out]
debt_to_equity_ratio
order_book_id date
000002.XSHE 2018-01-02 7.3097
2018-01-03 7.3097
000001.XSHE 2018-01-02 13.3848
2018-01-03 13.3848
- 获取 alpha101 因子数据
[In]
get_factor(['000001.XSHE', '600000.XSHG'],'WorldQuant_alpha010', '20190601', '20190604')
[Out]
WorldQuant_alpha010
order_book_id date
000001.XSHE 2019-06-03 0.093489
2019-06-04 0.281502
600000.XSHG 2019-06-03 0.162771
2019-06-04 0.255633
- 获取技术指标数据
[In]
get_factor(['000001.XSHE', '600000.XSHG'], 'MA30', '20190801','20190802')
[Out]
MA30
order_book_id date
000001.XSHE 2019-08-01 13.850660
2019-08-02 13.858904
600000.XSHG 2019-08-01 11.632667
2019-08-02 11.612333
# 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_id | str | 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_date | str | yyyymmdd 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。 |
| quarter | str | info_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 |
| interval | str | 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。 |
| fields | str 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
- 获取单只股票过去一个报告期的快报数据
[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
- 获取单只股票多个报告期的总利润
[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_ids,info_date,end_date,fields)
默认返回给定的 order_book_ids 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_ids | str or list | 必填。 |
| info_date | str | yyyymmdd 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_date | str | yyyymmdd 或者 yyyy-mm-dd。对应财务预告期末日期，如'20150331'。 |
| fields | str 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
- 获取单只股票过去一个报告期的预告数据
[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
- 获取多只股票过去一个报告期指定字段的预告数据
[In]
performance_forecast(['000001.XSHE','000006.XSHE'],fields=['forecast_description','forecast_earning_floor'])
[Out]
info_date end_date forecast_description forecast_earning_floor
order_book_id
000001.XSHE 2016-01-21 2015-12-31 累计利润 NaN
000006.XSHE 2020-04-09 2020-12-31 累计收入 NaN
- 获取单只股票指定报告期预告数据
[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
# get_share_transformation - 获取股票转换股票代码信息
get_share_transformation(predecessor=None, market='cn')
查询股票因代码变更或并购等情况更换了股票代码的信息
# 参数
| 参数 | 类型 | 说明 |
|---|---|---|
| predecessor | str | 合约代码(来自交易所或其他平台), 空值返回所有变更过股票代码的股票 |
| market | str | 目前仅支持国内市场('cn')。 |
# 返回
pandas Dataframe
| 字段 | 类型 | 说明 |
|---|---|---|
| predecessor | str | 历史股票代码 |
| successor | str | 变更后股票代码 |
| effective_date | str | 变更生效日期 |
| share_conversion_ratio | float | 股票变更比例 |
| predecessor_delisted | boolean | 变更后旧代码是否退市 |
| discretionary_execution | boolean | 是否有变更自主选择权 |
| predecessor_delisted_date | datetime | 历史股票代码退市日期 |
| event | str | 股票代码变更原因 |
# 范例
[In]get_share_transformation(predecessor="000022.XSHE")
[Out]
predecessor successor effective_date share_conversion_ratio predecessor_delisted discretionary_execution predecessor_delisted_date event
0 000022.XSHE 001872.XSHE 2018-12-26 1.0 True False 2018-12-26 code_change
# sector - 获取某板块股票列表
sector(code, market='cn')
获得属于某一板块的所有股票列表。
# 参数
| 参数 | 类型 | 说明 |
|---|---|---|
| code | str 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 |
| market | str | 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 |
# industry - 获取某行业股票列表
industry(code, market='cn')
获得属于某一行业的所有股票列表。
# 参数
| 参数 | 类型 | 说明 |
|---|---|---|
| code | str 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' |
| market | str | 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 |
|---|---|---|
| date | str | 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_names | str 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 |
| date | str | 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',
...]
# get_industry_mapping - 获取行业分类概览
get_industry_mapping(source='citics', date=None, market='cn')
通过传入机构名，获得该机构指定的行业划分概览。
# 参数
| 参数 | 类型 | 说明 |
|---|---|---|
| source | str | 分类依据。 citics: 中信, gildata: 聚源,citics_2019:中信 2019 分类,默认 source='citics_2019'.注意：citics 为中信 2019 年新的行业分类未发布前的分类 |
| date | str | 查询日期，默认为当前最新日期 |
| market | str | 目前仅有中国市场('cn')的行业分类 |
# 返回
DataFrame
# 范例
- 得到当前行业分类的概览：
[In]
get_industry_mapping()
[Out]
first_industry_code first_industry_name second_industry_code second_industry_name third_industry_code third_industry_name
0 10 石油石化 1010 石油开采 101010 石油开采
1 10 石油石化 1020 石油化工 102010 炼油
2 10 石油石化 1020 石油化工 102040 油品销售及仓储
3 10 石油石化 1020 石油化工 102050 其他石化
4 10 石油石化 1030 油田服务 103010 油田服务
5 11 煤炭 1110 煤炭开采洗选 111010 动力煤
...
# get_industry - 获取某行业的股票列表
get_industry(industry, source='citics', date=None, market='cn')
通过传入行业名称、行业指数代码或者行业代号，拿到指定行业的股票列表
# 参数
| 参数 | 类型 | 说明 |
|---|---|---|
| industry | str | 可传入行业名称、行业指数代码或者行业代号 |
| source | str | 分类依据。 citics: 中信, gildata: 聚源, citics_2019:中信 2019 分类, 默认 source='citics_2019'. 注意：citics 为中信 2019 年新的行业分类未发布前的分类 |
| date | str | 查询日期，默认为当前最新日期 |
| market | str | 目前仅有中国市场('cn')的行业分类 |
# 返回
list
# 范例
- 得到当前某一级行业的股票列表：
[In]
get_industry('银行')
[Out]
['000001.XSHE',
'002142.XSHE',
'002807.XSHE',
'002839.XSHE',
'002936.XSHE',
'002948.XSHE',
'002958.XSHE',
'002966.XSHE',
'600000.XSHG',
'600015.XSHG',
'600016.XSHG',
'600036.XSHG',
'600908.XSHG',
'600919.XSHG',
'600926.XSHG',
'600928.XSHG',
'601009.XSHG',
'601128.XSHG',
'601166.XSHG',
'601169.XSHG',
'601229.XSHG',
'601288.XSHG',
'601328.XSHG',
'601398.XSHG',
'601577.XSHG',
'601818.XSHG',
'601838.XSHG',
'601860.XSHG',
'601939.XSHG',
'601988.XSHG',
'601997.XSHG',
'601998.XSHG',
'603323.XSHG']
- 用中信行业代码获得股票列表：
[In]
get_industry(industry='621020',source='citics')
[Out]
['000997.XSHE',
'002152.XSHE',
'002177.XSHE',
'002268.XSHE',
'002308.XSHE',
'002312.XSHE',
'002376.XSHE',
'002383.XSHE',
'002512.XSHE',
'002518.XSHE',
'002546.XSHE',
'002635.XSHE',
'002771.XSHE',
'002829.XSHE',
'002835.XSHE',
'002906.XSHE',
'300074.XSHE',
'300076.XSHE',
'300078.XSHE',
'300098.XSHE',
'300130.XSHE',
'300167.XSHE',
'300177.XSHE',
'300270.XSHE',
'300275.XSHE',
'300311.XSHE',
'300449.XSHE',
'300455.XSHE',
'300458.XSHE',
'300479.XSHE',
'300743.XSHE',
'603106.XSHG',
'603660.XSHG',
'603890.XSHG']
# get_instrument_industry - 获取股票的指定行业分类
get_instrument_industry(order_book_ids, source='citics_2019', level=1, date=None, market='cn')
通过 order_book_id 传入，拿到某个日期的该股票指定的行业分类
# 参数
| 参数 | 类型 | 说明 |
|---|---|---|
| order_book_id | str or list | 股票合约代码 |
| date | str | 查询日期，默认为当前最新日期 |
| source | str | 分类依据。citics_2019 - 中信新分类（2019 发布）, citics - 中信旧分类（退役中）, gildata -聚源。 默认 source='citics_2019'. |
| level | integer | 行业分类级别，共三级，默认返回一级分类。参数 0,1,2,3 一一对应，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。
pandas DataFrame
# 范例
- 得到当前股票所对应的一级行业：
[In]
get_instrument_industry('000001.XSHE')
[Out]
first_industry_code first_industry_name
order_book_id
000001.XSHE 40 银行
- 得到当前股票组所对应的中信行业的全部分类：
In [7]: get_instrument_industry(['000001.XSHE','000002.XSHE'],source='citics_2019',level=0)
Out[7]:
first_industry_code first_industry_name second_industry_code second_industry_name third_industry_code third_industry_name
order_book_id
000001.XSHE 40 银行 4020 全国性股份制银行Ⅱ 402010 全国性股份制银行Ⅲ
000002.XSHE 42 房地产 4210 房地产开发和运营 421010 住宅物业开发
# get_capital_flow - 获取股票资金流入流出
get_capital_flow(order_book_ids, start_date=None, end_date=None, frequency='1d', market='cn')
获取某只股票的资金流入流出信息。目前仅支持中国市场。
# 参数
| 参数 | 类型 | 说明 |
|---|---|---|
| order_book_ids | str or list | 合约代码，注意快照级别仅支持单个合约传入。 |
| start_date | str, datetime.date, datetime.datetime, pandasTimestamp | 开始日期 |
| end_date | str, datetime.date, datetime.datetime, pandasTimestamp | 结束日期 |
| frequency | str | 默认为'1d' 即单日级别，另支持'1m'和'tick'。目前不支持 resample，即 5d,5m 等分时图无内置 |
| market | str | 默认是中国市场('cn')，目前仅支持中国市场 |
# 返回
pandas multi-index DataFrame
- 日线及分钟线返回的字段：
| 字段 | 类型 | 说明 |
|---|---|---|
| order_book_id | str | 合约代码，索引一 |
| date 或 datetime | pandasTimestamp | 时间，索引二 |
| buy_volume | integer | 主动买的股数 |
| buy_value | integer | 主动买的合计金额 |
| sell_volume | integer | 主动卖的股数 |
| sell_value | integer | 主动卖的合计金额 |
- 快照级别返回的字段：
| 字段 | 类型 | 说明 |
|---|---|---|
| order_book_id | str | 合约代码，索引一 |
| datetime | pandasTimestamp | 时间，索引二 |
| direction | integer | 1 为主动买，-1 为主动卖 |
| volume | integer | 变动股数 |
| value | integer | 变动金额 |
- 其中，关于买卖方向的判断：
- 对于涨停，即卖一询价为空，买一非空，则为主动买
- 对于跌停，即买一询价为空，卖一非空，则为主动卖
- 如果，最新价>=上一笔的卖一询价，则为主动买
- 如果，最新价<=上一笔的买一询价，则为主动卖
- 否则，取前一笔的买卖方向
另，连续竞价撮合成当天第一笔交易的，成交价>=上一笔卖询价，为主动买，否则为主动卖。
该 API 基于 level 1 数据合成，所以暂且不对资金量（大中小）作主观分类。
# 范例
- 获取平安银行某日快照级别资金流入流出：
[In]
get_capital_flow('000001.XSHE',start_date=20190412,end_date=20190412,frequency='tick')
[Out]
direction value volume
datetime
2019-04-12 09:25:03 1 4311404 319600
2019-04-12 09:26:03 1 0 0
2019-04-12 09:27:03 1 0 0
2019-04-12 09:28:03 1 0 0
2019-04-12 09:29:03 1 0 0
2019-04-12 09:30:00 1 0 0
2019-04-12 09:30:03 1 3472850 256860
2019-04-12 09:30:06 1 836686 61936
2019-04-12 09:30:09 -1 994734 73600
2019-04-12 09:30:12 -1 550366 40700
2019-04-12 09:30:15 -1 1002377 74200
...
- 获取多只股票日级别资金流入流出：
[In]
get_capital_flow(['000001.XSHE','000002.XSHE'],start_date=20190412,end_date=20190415,frequency='1d')
[Out]
buy_volume buy_value sell_volume sell_value
order_book_id date
000001.XSHE 2019-04-12 42805075 572261719 34627389 462877954
2019-04-15 72481761 1008887497 80907307 1125821484
000002.XSHE 2019-04-12 22722286 708667739 25521391 795822317
2019-04-15 25321496 799505139 30459357 959805142
...
# get_turnover_rate - 获取历史换手率
get_turnover_rate(order_book_ids, start_date, end_date, fields=None,expect_df=True)
# 参数
| 参数 | 类型 | 说明 |
|---|---|---|
| order_book_ids | str or str list | 合约代码，可输入 order_book_id, order_book_id list |
| start_date | str, datetime.date, datetime.datetime, pandasTimestamp | 开始日期，用户必须指定 |
| end_date | str, datetime.date, datetime.datetime, pandasTimestamp | 结束日期，用户必须指定 |
| fields | str 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 |
| expect_df | boolean | 默认返回 pandas dataframe。如果调为 False，则返回原有的数据结构 |
# 返回
pandas DataFrame
# 范例
- 获取平安银行历史换手率情况
In [17]: get_turnover_rate('000001.XSHE',20160801,20160806)
Out[17]:
today week month year current_year
order_book_id tradedate
000001.XSHE 2016-08-01 0.5190 0.4033 0.3175 0.5027 0.3585
2016-08-02 0.3070 0.4243 0.3206 0.5019 0.3581
2016-08-03 0.2902 0.4104 0.3193 0.5011 0.3576
2016-08-04 0.9189 0.4703 0.3443 0.5000 0.3615
2016-08-05 0.4962 0.4984 0.3476 0.4993 0.3624
- 获取平安银行与中信银行一段时间内的周平均换手率
[In]
get_turnover_rate(['000001.XSHE', '601998.XSHG'], '20160801', '20160812', 'week')
[Out]
week
order_book_id tradedate
000001.XSHE 2016-08-01 0.4033
2016-08-02 0.4243
601998.XSHG 2016-08-01 0.1184
2016-08-02 0.1113
# get_dividend_info - 获取股票的分红信息
get_dividend_info(order_book_ids, start_date=None, end_date=None, market='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_ids | str or list | 合约代码 |
| start_date | str, datetime.date, datetime.datetime, pandasTimestamp | 开始日期 |
| end_date | str, datetime.date, datetime.datetime, pandasTimestamp | 结束日期 |
| market | str | 默认是中国市场('cn')，目前仅支持中国市场 |
# 返回
单只股票
pandas single-index DataFrame - 查询时间段内的某个股票的分红数据一组股票
pandas multi-index DataFrame - 查询时间段内的一组股票的分红数据
| 字段 | 类型 | 说明 |
|---|---|---|
| info_date | str | 公布日期 |
| effective_date | str | 常规分红对应的有效财政季度；特殊分红则对应股权登记日 |
| dividend_type | str | 是否分红及具体分红形式: transferred share 代表转增股份；bonus share 代表赠送股份；cash 为现金；cash and share 代表现金、转增股和送股都有涉及。 |
| ex_dividend_date | str | 除权除息日，该天股票的价格会因为分红而进行调整 |
# 范例
- 获取平安银行的历史分红信息：
[In]
get_dividend_info('000001.XSHE')
[Out]
dividend_type ex_dividend_date info_date order_book_id
effective_date
1990-12-31 cash and bonus share 1991-04-03 1991-02-10 000001.XSHE
1991-12-31 cash and bonus share 1992-03-23 1992-03-14 000001.XSHE
1992-12-31 cash and share 1993-05-24 1993-05-07 000001.XSHE
1993-12-31 cash and share 1994-07-11 1994-07-02 000001.XSHE
1994-12-31 cash and bonus share 1995-09-25 1995-09-15 000001.XSHE
1995-12-31 bonus and transferred share 1996-05-27 1996-05-23 000001.XSHE
...
# get_dividend - 获取股票现金分红数据
get_dividend(order_book_ids, start_date=None, end_date=None, market='cn')
获取某只股票在一段时间内的现金分红情况（包含起止日期，以分红宣布日为查询基准）。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_ids | str or list | 合约代码 |
| start_date | str, datetime.date, datetime.datetime, pandasTimestamp | 开始日期 |
| end_date | str, datetime.date, datetime.datetime, pandasTimestamp | 结束日期 |
| market | str | 默认是中国内地市场('cn')。cn-中国内地市场，hk-中国香港市场 |
# 返回
单只股票
pandas single-index DataFrame - 查询时间段内的某个股票的现金分红数据一组股票
pandas multi-index DataFrame - 查询时间段内的一组股票的现金分红数据
| 字段 | 类型 | 说明 |
|---|---|---|
| declaration_announcement_date | str | 分红宣布日，上市公司一般会提前一段时间公布未来的分红派息事件 |
| book_closure_date | str | 股权登记日 |
| dividend_cash_before_tax | float | 税前分红 |
| ex_dividend_date | str | 除权除息日，该天股票的价格会因为分红而进行调整 |
| payable_date | str | 分红到帐日，这一天最终分红的现金会到账 |
| round_lot | float | 分红最小单位，例如：10 代表每 10 股派发 dividend_cash_before_tax 单位的税前现金 |
# 范例
- 获取平安银行 2013-01-04 到 2014-01-06 的现金分红数据：
[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_ids, start_date=None, end_date=None, market='cn')
获取某只股票在一段时间内的拆分情况（包含起止日期，以股权登记日为查询基准），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_ids | str or list | 合约代码 |
| start_date | str, datetime.date, datetime.datetime, pandasTimestamp | 开始日期 |
| end_date | str, datetime.date, datetime.datetime, pandasTimestamp | 结束日期 |
| market | str | 默认是中国内地市场('cn')。cn-中国内地市场，hk-中国香港市场 |
# 返回
单只股票
pandas single-index DataFrame - 查询时间段内的某个股票的拆分数据一组股票
pandas multi-index DataFrame - 查询时间段内的一组股票的拆分数据
| 字段 | 类型 | 说明 |
|---|---|---|
| ex_dividend_date | str | 除权除息日，该天股票的价格会因为拆分而进行调整 |
| book_closure_date | str | 股权登记日 |
| split_coefficient_from | float | 拆分因子（拆分前） |
| split_coefficient_to | float | 拆分因子（拆分后） |
| payable_date | str | 送转股上市日 |
| cum_factor | float | 累计复权因子（拆分） |
例如：每 10 股转增 2 股，则 split_coefficient_from = 10, split_coefficient_to = 12.
# 范例
- 获取平安银行 2010-01-04 到 当天之间的拆分信息：
[In]
get_split('000001.XSHE', start_date='20100104', end_date='20140104')
[Out]
book_closure_date order_book_id payable_date split_coefficient_from split_coefficient_to cum_factor
ex_dividend_date
2013-06-20 2013-06-19 000001.XSHE 2013-06-20 10 16.0 1.6
# get_ex_factor - 获取复权因子
get_ex_factor(order_book_ids, start_date=None, end_date=None, market='cn')
获取某只股票在一段时间内的复权因子（包含起止日期，以除权除息日为查询基准）。如未指定日期，则默认所有。
# 参数
| 参数 | 类型 | 说明 |
|---|---|---|
| order_book_ids | str or list | 合约代码 |
| start_date | str, datetime.date, datetime.datetime, pandasTimestamp | 开始日期 |
| end_date | str, datetime.date, datetime.datetime, pandasTimestamp | 结束日期 |
| market | str | 默认是中国内地市场('cn') 。可选'cn' - 中国内地市场；'hk' - 香港市场 |
# 返回
pandas dataframe - 包含了复权因子的日期和对应的各项数值
| 字段 | 类型 | 说明 |
|---|---|---|
| ex_date | str | 除权除息日 |
| ex_factor | float | 复权因子，考虑了分红派息与拆分的影响，为一段时间内的股价调整乘数。 举例来说，平安银行（'000001.XSHE'）在 2016 年 6 月 15 日每 10 股派发现金股利人民币 1.53 元（含税），并以资本公积转增股本每 10 股转增 2 股。 6 月 15 日的收盘价为 10.44 元，其除权除息后的价格应当为 (10.44-1.53/10) / 1.2 = 8.5725.本期复权因子为 10.44 / 8.5725 = 1.217847 |
| ex_cum_factor | float | 累计复权因子，X 日所在期复权因子 = 当前最新累计复权因子 / 截至 X 日最新累计复权因子。 举例来说，2016 年 5 月 05 日所在期复权因子 = 122.424143 / 100.525060 = 1.217847 |
| announcement_date | str | 股权登记日 |
| ex_end_date | str | 复权因子所在期的截止日期 |
# 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
# is_suspended - 判断股票是否全天停牌
is_suspended(order_book_ids, start_date=None, end_date=None, market='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_ids | str or list | 合约代码。传入单只或多支股票的 order_book_id |
| start_date | str, datetime.date, datetime.datetime, pandasTimestamp | 开始日期，默认为股票上市日期 |
| end_date | str, 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 |
| market | str | 默认是中国内地市场('cn') 。可选'cn' - 中国内地市场；'hk' - 香港市场 |
# 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
- 获取武钢股份从 2016 年 6 月 24 日至今（2016 年 8 月 31 日）的停牌情况：
[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
[In]
is_suspended(['武钢股份','000001.XSHE'], start_date='20160624')
[Out]
000001.XSHE 600005.XSHG
2016-06-24 False False
2016-06-27 False True
2016-06-28 False True
2016-06-29 False True
2016-06-30 False True
2016-07-01 False True
2016-07-04 False True
...
2016-09-22 False True
2016-09-23 False True
# is_st_stock - 查询股票是否为 ST 股
is_st_stock(order_book_ids, 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:
- S*ST-公司经营连续三年亏损，退市预警+还没有完成股改;
- *ST-公司经营连续三年亏损，退市预警;
- ST-公司经营连续二年亏损，特别处理;
- SST-公司经营连续二年亏损，特别处理+还没有完成股改;
# 参数
| 参数 | 类型 | 说明 |
|---|---|---|
| order_book_ids | str or str list | 合约代码，可传入 order_book_id, order_book_id list |
| start_date | str, datetime.date, datetime.datetime, pandasTimestamp | 开始日期 |
| end_date | str, 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_securities_margin - 获取融资融券信息
get_securities_margin(order_book_ids, start_date=None, end_date=None, fields=None, expect_df=True)
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 |
|---|---|---|
| order_book_ids | str 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_date | str, datetime.date, datetime.datetime, pandasTimestamp | 开始日期，默认为当前最近日期前一个月 |
| end_date | str, datetime.date, datetime.datetime, pandasTimestamp | 结束日期，默认为当前有数据的最新日期 |
| fields | str or str list | 默认为所有字段。见下方列表 |
| expect_df | boolean | 默认返回 pandas dataframe。如果调为 False，则返回原有的数据结构 |
| 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
pandas DataFrame
# 范例
- 获取沪深两个市场一段时间内的融资余额
[In]
get_securities_margin('510050.XSHG', start_date='20160801', end_date='20160805',expect_df=False)
[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
- 获取沪深两个市场一段时间内的融资余额
[In]
get_securities_margin(['XSHE', 'XSHG'],start_date='20160801', end_date='20160802', fields='margin_balance')
[Out]
margin_balance
order_book_id date
XSHE 2016-08-01 383762696120
2016-08-02 382892321734
XSHG 2016-08-01 476355670754
2016-08-02 476393053057
- 获取上证个股以及整个上证市场融资融券情况
[In]
get_securities_margin(['XSHG', '601988.XSHG', '510050.XSHG'],start_date='20160801', end_date='20160805',expect_df=False)
[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
- 获取 50ETF 融资偿还额情况
[In]
get_securities_margin('510050.XSHG', start_date='20160801', end_date='20160805', fields='margin_repayment')
[Out]
margin_repayment
order_book_id date
510050.XSHG 2016-08-01 41652042
2016-08-02 19532586
2016-08-03 111043009
2016-08-04 22068637
2016-08-05 40423859
# get_margin_stocks - 获取融资融券股票列表
get_margin_stocks(date=None, exchange=None,margin_type='stock',market='cn')
获取某个日期深证、上证融资融券股票列表。
# 参数
| 参数 | 类型 | 说明 |
|---|---|---|
| date | str, datetime.date, datetime.datetime, pandasTimestamp | 查询日期，默认为今天上一交易日 |
| exchange | str | 交易所，默认为 None，返回所有字段。可选字段包括：'XSHE', 'sz' 代表深交所；'XSHG', 'sh' 代表上交所 |
| margin_type | str | 'stock' 代表融券卖出，'cash'，代表融资买入，默认为'stock' |
# 返回
list 证券列表。如果所查询日期没有融资融券股票列表，则返回空 list
# 范例
- 获取沪深市场的融券卖出列表
[In]
get_margin_stocks(date='20190819',exchange=None,margin_type='stock')
[Out]
['000001.XSHE',
'000002.XSHE',
'000006.XSHE',
...]
- 获取沪深市场融资买入列表
[In]
get_margin_stocks(date='20190819',exchange=None,margin_type='cash')
[Out]
['000001.XSHE',
'000002.XSHE',
'000006.XSHE',
...]
- 获取深证融券卖出列表
[In]
get_margin_stocks(date='20190819',exchange='XSHE',margin_type='stock')
[Out]
['000001.XSHE',
'000002.XSHE',
'000006.XSHE',
...]
- 获取上证融资买入列表
[In]
get_margin_stocks(date='20190819',exchange='XSHG',margin_type='cash')
[Out]
['510050.XSHG',
'510160.XSHG',
'510180.XSHG',
...]
# 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, market='cn', expect_df=True)
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_symbols | str | 可输入 order_book_id 或 symbol |
| start_date | str, datetime.date, datetime.datetime, pandasTimestamp | 开始日期，默认为'2013-01-04' |
| end_date | str, datetime.date, datetime.datetime, pandasTimestamp | 结束日期，默认为'2014-01-04' |
| fields | str OR str list | 默认为所有字段。见下方列表 |
| market | str | 默认是中国市场('cn')，目前仅支持中国市场 |
| expect_df | boolean | 默认返回 pandas dataframe,如果调为 False ,则返回原有的数据结构 |
# 返回
pandas DataFrame
| 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（已废弃） |
| non_circulation_a | 非流通 A 股 |
| total_a | A 股总股本 |
# 范例
- 获取平安银行流通股概况
[In]
get_shares('000001.XSHE', start_date='20160801', end_date='20160806'，expect_df=False)
[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
- 获取平安银行总股本数据
[In]
get_shares('000001.XSHE', start_date='20160801', end_date='20160806', fields='total')
[Out]
total
order_book_id date
000001.XSHE 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
# get_stock_connect - 获取沪深股通持股信息
get_stock_connect(order_book_ids, start_date='2017-03-17', end_date='2018-03-16', fields=None, expect_df=True)
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 |
|---|---|---|
| order_book_ids | str | 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_date | str, datetime.date, datetime.datetime, pandasTimestamp | 开始日期，默认为'2017-03-17' |
| end_date | str, datetime.date, datetime.datetime, pandasTimestamp | 结束日期，默认为'2018-03-16' |
| fields | str OR str list | 默认为所有字段。见下方列表 |
| expect_df | boolean | 默认返回 pandas dataframe。如果调为 False，则返回原有的数据结构 |
# 返回
pandas DataFrame
| fields | 字段名 |
|---|---|
| shares_holding | 持股量 |
| holding_ratio | 持股比例 |
| adjusted_holding_ratio | 调整后持股比例 |
# 范例
- 获取德赛电池持股概况
[In]
get_stock_connect('000049.XSHE',start_date='2018-05-08',end_date='2018-05-10')
[Out]
shares_holding holding_ratio adjusted_holding_ratio
order_book_id trading_date
000049.XSHE 2018-05-08 194295.0 0.09 0.0947
2018-05-09 144228.0 0.07 0.0703
2018-05-10 136628.0 0.06 0.0666
- 获取沪股通持股概况
[In]
df = get_stock_connect('shanghai_connect',start_date='20180508',end_date='20180510',expect_df=True)
df.head()
[Out]
shares_holding holding_ratio adjusted_holding_ratio
order_book_id trading_date
600000.XSHG 2018-05-08 156945807.0 0.55 0.5585
2018-05-09 157301679.0 0.55 0.5597
2018-05-10 160277136.0 0.57 0.5703
600004.XSHG 2018-05-08 259814825.0 12.55 12.5556
2018-05-09 261758055.0 12.64 12.6495
# current_stock_connect_quota - 获取沪深港通实时每日额度数据
current_stock_connect_quota(connect,fields)
获取沪深港通每日额度数据
# 参数
| 参数 | 类型 | 说明 |
|---|---|---|
| connect | str or str list | 默认返回全部 connect 1、输入输入‘hk_to_sh'返回沪股通的额度信息。 2、输入'hk_to_sz'返回深股通的额度信息。 3、输入'sh_to_hk'返回港股通（上海）的额度信息。 4、输入'sz_to_hk'返回港股通（深圳）的额度信息 |
| fields | str or str list | 默认为所有字段。见下方列表 |
# 返回
| fields | 字段名 | 说明 |
|---|---|---|
| quota_balance | 余额 | |
| quota_balance_ratio | 占比 | |
| buy_turnover | 买方金额 | 1、沪股通和深股通单位为 RMB ， 2、 港股通（上海). 港股通（ 深圳）单位为 HKD |
| sell_turnover | 卖方金额 | 1、沪股通和深股通单位为 RMB ， 2、 港股通（上海). 港股通（ 深圳）单位为 HKD |
# 范例
[In]
current_stock_connect_quota()
[Out]
buy_turnover sell_turnover quota_balance quota_balance_ratio
datetime connect
2020-05-26 16:10:00 sh_to_hk 5.463000e+09 3.548000e+09 3.969274e+10 0.945065
2020-05-26 15:01:00 hk_to_sh 1.115100e+10 1.015700e+10 5.024400e+10 0.960000
2020-05-26 16:10:00 sz_to_hk 5.474000e+09 3.178000e+09 3.926800e+10 0.934952
2020-05-26 15:01:00 hk_to_sz 1.803100e+10 1.513800e+10 4.847800e+10 0.930000
# get_stock_connect_quota - 获取沪深港通历史每日额度数据
get_stock_connect_quota(connect,start_date,end_date,fields)
获取沪深港通历史每日额度数据
# 参数
| 参数 | 类型 | 说明 |
|---|---|---|
| connect | str or str list | 默认返回全部 connect 1、输入输入‘hk_to_sh'返回沪股通的额度信息。 2、输入'hk_to_sz'返回深股通的额度信息。 3、输入'sh_to_hk'返回港股通（上海）的额度信息。 4、输入'sz_to_hk'返回港股通（深圳）的额度信息 |
| start_date | str, datetime.date, datetime.datetime, pandasTimestamp | 默认为全部历史数据 |
| end_date | str, datetime.date, datetime.datetime, pandasTimestamp | 默认为最新日期 |
| fields | str or str list | 默认为所有字段。见下方列表 |
# 返回
| fields | 字段名 | 说明 |
|---|---|---|
| quota_balance | 余额 | |
| quota_balance_ratio | 占比 | |
| buy_turnover | 买方金额 | 1、沪股通和深股通单位为 RMB ， 2、 港股通（上海). 港股通（ 深圳）单位为 HKD |
| sell_turnover | 卖方金额 | 1、沪股通和深股通单位为 RMB ， 2、 港股通（上海). 港股通（ 深圳）单位为 HKD |
# 范例
获取指定时间段的深股通的额度信息
In [20]: get_stock_connect_quota(connect='hk_to_sz',start_date=20200101,end_date=20200401)
Out[20]:
buy_turnover quota_balance quota_balance_ratio sell_turnover
datetime connect
2020-01-02 hk_to_sz 4.353300e+09 4.018800e+12 0.956857 2.846830e+09
2020-01-03 hk_to_sz 3.477980e+09 4.079900e+12 0.971405 2.572800e+09
2020-01-06 hk_to_sz 3.737750e+09 4.094900e+12 0.974976 3.033440e+09
2020-01-07 hk_to_sz 3.248760e+09 4.076700e+12 0.970643 2.357280e+09
2020-01-08 hk_to_sz 3.299240e+09 4.114200e+12 0.979571 2.790880e+09
···
# get_main_shareholder - 获取主要 A 股股东信息
get_main_shareholder(order_book_ids, start_date=None, end_date=None, start_rank=None,end_rank=None,is_total=False, market='cn')
获取 A 股主要股东构成及持流通 A 股数量比例、持股性质等信息，通常为前十位。
# 参数
| 参数 | 类型 | 说明 |
|---|---|---|
| order_book_ids | str or str_list | 合约代码 |
| start_date | str, datetime.date, datetime.datetime, pandasTimestamp | 开始日期，默认为去年当日。 |
| end_date | str, datetime.date, datetime.datetime, pandasTimestamp | 结束日期，默认为查询当日。 |
| start_rank | int | 排名开始值 |
| end_rank | int | 排名结束值 ,start_rank ,end_rank 不传参时返回全部的十位股东名单 |
| is_total | bool | 默认为 False, 即基于持有 A 股流通股。若为 True 则基于所有发行出的 A 股。 |
| market | str | 市场，默认'cn'为中国内地市场。 |
# 返回
- pandas DataFrame
| fields | 字段名 |
|---|---|
| info_date | 公告发布日 |
| end_date | 截止日期 |
| rank | 排名 |
| shareholder_name | 股东名称 |
| shareholder_attr | 股东属性 |
| shareholder_kind | 股东性质 |
| shareholder_type | 股东类别 |
| hold_percent_total | 占股比例（%） 当 fields=‘total'时，持股数(股)/总股本*100。 |
| hold_percent_float | 占流通 A 股比例（%）,无限售流通 A 股/已上市流通 A 股（不含高管股）*100 |
| share_pledge | 股权质押涉及股数（股） |
| share_freeze | 股权冻结涉及股数（股） |
# 范例
- 获取平安银行在 2018 年三月上旬的主要的 A 股股东名单
[In]
get_main_shareholder('000001.XSHE', start_date='20180301', end_date='20180315', is_total=False)
[Out]
end_date rank shareholder_name shareholder_attr shareholder_kind shareholder_type hold_percent_total hold_percent_float share_pledge share_freeze
info_date
2018-03-15 2017-12-31 1 中国平安保险(集团)股份有限公司-集团本级-自有资金 企业 金融机构—保险公司 None 48.095791 48.813413 NaN NaN
2018-03-15 2017-12-31 2 中国平安人寿保险股份有限公司-自有资金 企业 金融机构—保险公司 None 6.112042 6.203238 NaN NaN
2018-03-15 2017-12-31 3 中国证券金融股份有限公司 企业 金融机构—证券、信托公司 None 2.854768 2.897363 NaN NaN
2018-03-15 2017-12-31 4 中国平安人寿保险股份有限公司-传统-普通保险产品 证券品种 保险投资组合 None 2.269811 2.303679 NaN NaN
2018-03-15 2017-12-31 5 香港中央结算有限公司 企业 外资独资企业 None 2.124405 2.156103 NaN NaN
2018-03-15 2017-12-31 6 中央汇金资产管理有限责任公司 企业 资产管理公司 None 1.259219 1.278007 NaN NaN
2018-03-15 2017-12-31 7 深圳中电投资股份有限公司 企业 投资、咨询公司 None 1.083561 1.099729 NaN NaN
2018-03-15 2017-12-31 8 河南鸿宝集团有限公司 企业 一般企业 None 0.459273 0.466125 NaN NaN
2018-03-15 2017-12-31 9 南方基金-农业银行-南方中证金融资产管理计划 证券品种 基金专户理财 None 0.336683 0.341707 NaN NaN
2018-03-15 2017-12-31 10 新华人寿保险股份有限公司-分红-个人分红-018L-FH002深 证券品种 保险投资组合 None 0.311545 0.316193 NaN NaN
# get_private_placement - 获取 A 股股票定向增发信息
get_private_placement(order_book_ids, start_date=None, end_date=None, progress='complete',issue_type='private', market='cn')
获取 A 股股票在一段时间内的定向增发信息（包含起止日期，以公告发布日为查询基准）。如未指定日期，则默认所有。
# 参数
| 参数 | 类型 | 说明 |
|---|---|---|
| order_book_id | str | 给出单个 order_book_id。 |
| start_date | str, datetime.date, datetime.datetime, pandasTimestamp | 开始日期 |
| end_date | str, datetime.date, datetime.datetime, pandasTimestamp | 结束日期 |
| progress | str | 是否已完成定增，默认为 complete。可选参数["complete", "incomplete", "all"] |
| issue_type | str | 发行方式，默认为 private。可选参数["private", "public", "all"] |
| market | str | 市场，默认'cn'为中国内地市场。 |
# 返回
- pandas DataFrame
| fields | 字段名 |
|---|---|
| initial_info_date | 公告发布日 |
| csrc_approval_date | 证监会批准日 |
| issue_price | 定增发行价 |
| issue_type | 发行方式 |
| issued_shares | 发行股数 |
| listed_date | 上市日期 |
| progress | 目前进度 |
# 范例
- 获取平安银行非公开发行实施完成的定增数据
[In]
get_private_placement("000001.XSHE")
[Out]
csrc_approval_date issue_price issue_type issued_shares listed_date progress
order_book_id initial_info_date
000001.XSHE 2009-06-13 2010-06-29 18.26 非公开发行 3.795800e+08 2010-09-17 实施完成
2010-09-02 2011-06-29 17.75 非公开发行 1.638337e+09 2011-08-05 实施完成
2013-09-09 2013-12-31 11.17 非公开发行 1.323385e+09 2014-01-09 实施完成
2014-07-16 2015-04-25 16.70 非公开发行 5.988024e+08 2015-05-21 实施完成
# get_allotment - 获取 A 股股票配股信息
get_allotment(order_book_ids, start_date=None, end_date=None, market='cn')
获取 A 股股票在一段时间内的配股信息（包含起止日期，以首次信息发布日为查询基准）。如未指定日期，则默认所有。
# 参数
| 参数 | 类型 | 说明 |
|---|---|---|
| order_book_ids | str or list | 给出单个或多个 order_book_id |
| start_date | str, datetime.date, datetime.datetime, pandasTimestamp | 开始日期 |
| end_date | str, datetime.date, datetime.datetime, pandasTimestamp | 结束日期 |
| market | str | 市场，默认'cn'为中国内地市场 |
# 返回
- pandas DataFrame
| fields | 字段名 |
|---|---|
| declaration_announcement_date | 首次信息发布日期 |
| proportion | 计划配股比例 |
| allotted_proportion | 实际配股比例 |
| allotted_shares | 实际配股数量(股) |
| allotment_price | 每股配股价格(元) |
| book_closure_date | 股权登记日 |
| ex_right_date | 除权除息日 |
# 范例
- 获取凯伦股份 20180101 到 20200101 的配股信息
[In]
get_allotment('300715.XSHE','20180101','20200101')
[Out]
proportion allotted_proportion allotted_shares \
order_book_id declaration_announcement_date
300715.XSHE 2019-04-19 0.3 0.29639 39074500.0
allotment_price book_closure_date ex_right_date
300715.XSHE 2019-04-19 12.64 2019-12-19 2019-12-30
# get_block_trade - 获取 A 股大宗交易数据
get_block_trade(order_book_ids, start_date, end_date)
获取 A 股大宗交易数据。
# 参数
| 参数 | 类型 | 说明 |
|---|---|---|
| order_book_ids | str or list | 给出单个或多个 order_book_id |
| start_date | str, datetime.date, datetime.datetime, pandasTimestamp | 开始日期 |
| end_date | str, datetime.date, datetime.datetime, pandasTimestamp | 结束日期 |
# 返回
- pandas DataFrame
| fields | 字段名 |
|---|---|
| price | 成交价 |
| volume | 成交量 |
| total_turnover | 成交额 |
| buyer | 买方营业部 |
| seller | 卖方营业部 |
# 范例
- 获取单个合约大宗交易数据
[In]
rqdatac.get_block_trade('000001.XSHE','20190101','20191010')
[Out]
price volume total_turnover buyer seller
order_book_id trade_date
000001.XSHE 2019-02-28 11.16 289300 3.228588e+06 广发证券股份有限公司汕头珠池路证券营业部 中信证券股份有限公司汕头海滨路证券营业部
2019-05-06 12.47 36000000 4.489200e+08 华泰证券股份有限公司河南分公司 华泰证券股份有限公司河南分公司
2019-05-07 11.58 33400000 3.867720e+08 华泰证券股份有限公司河南分公司 华泰证券股份有限公司河南分公司
2019-05-08 11.66 28314899 3.301517e+08 申万宏源证券有限公司河南分公司 中国银河证券股份有限公司郑州经三路证券营业部
2019-05-20 12.38 7362200 9.114404e+07 机构专用 机构专用
2019-07-10 13.56 610000 8.271600e+06 机构专用 机构专用
2019-08-15 14.67 763800 1.120495e+07 申万宏源证券有限公司上海第二分公司 中信证券股份有限公司广州花城大道证券营业部
2019-08-19 14.50 1581699 2.293464e+07 申万宏源证券有限公司上海第二分公司 天风证券股份有限公司广州华夏路证券营业部
2019-09-24 13.84 216000 2.989440e+06 天风证券股份有限公司深圳卓越城证券营业部 天风证券股份有限公司深圳卓越城证券营业部
2019-09-24 15.03 135000 2.029050e+06 东兴证券股份有限公司上海肇嘉浜路证券营业部 机构专用
2019-09-25 13.66 240000 3.278400e+06 天风证券股份有限公司深圳卓越城证券营业部 天风证券股份有限公司深圳卓越城证券营业部
- 获取多个合约大宗交易数据
[In]
rqdatac.get_block_trade(['000001.XSHE','000046.XSHE'],'20190101','20191010')
[Out]
price volume total_turnover buyer seller
order_book_id trade_date
000001.XSHE 2019-02-28 11.16 289300 3.228588e+06 广发证券股份有限公司汕头珠池路证券营业部 中信证券股份有限公司汕头海滨路证券营业部
2019-05-06 12.47 36000000 4.489200e+08 华泰证券股份有限公司河南分公司 华泰证券股份有限公司河南分公司
2019-05-07 11.58 33400000 3.867720e+08 华泰证券股份有限公司河南分公司 华泰证券股份有限公司河南分公司
2019-05-08 11.66 28314899 3.301517e+08 申万宏源证券有限公司河南分公司 中国银河证券股份有限公司郑州经三路证券营业部
2019-05-20 12.38 7362200 9.114404e+07 机构专用 机构专用
2019-07-10 13.56 610000 8.271600e+06 机构专用 机构专用
2019-08-15 14.67 763800 1.120495e+07 申万宏源证券有限公司上海第二分公司 中信证券股份有限公司广州花城大道证券营业部
2019-08-19 14.50 1581699 2.293464e+07 申万宏源证券有限公司上海第二分公司 天风证券股份有限公司广州华夏路证券营业部
2019-09-24 13.84 216000 2.989440e+06 天风证券股份有限公司深圳卓越城证券营业部 天风证券股份有限公司深圳卓越城证券营业部
2019-09-24 15.03 135000 2.029050e+06 东兴证券股份有限公司上海肇嘉浜路证券营业部 机构专用
2019-09-25 13.66 240000 3.278400e+06 天风证券股份有限公司深圳卓越城证券营业部 天风证券股份有限公司深圳卓越城证券营业部
000046.XSHE 2019-09-27 3.91 44139500 1.725854e+08 中信证券股份有限公司天津大港证券交易营业部 申万宏源证券有限公司温州车站大道证券营业部
# get_symbol_change_info - 获取合约的历史简称信息
get_symbol_change_info(order_book_id)
获取 A 股合约简称变更信息。
# 参数
| 参数 | 类型 | 说明 |
|---|---|---|
| order_book_ids | str or list | 给出单个或多个 order_book_id |
# 返回
- pandas DataFrame
| 字段 | 说明 |
|---|---|
| info_date | 信息发布日期 |
| change_date | 简称变更日期 |
| symbol | 证券简称 |
# 范例
- 获取单个合约简称变更数据
[In]
rqdatac.get_symbol_change_info('000001.XSHE')
[Out]
info_date symbol
order_book_id change_date
000001.XSHE 1991-04-03 1991-04-03 深发展Ａ
2006-10-09 2006-09-28 S深发展A
2007-06-20 2007-06-14 深发展Ａ
2012-08-02 2012-01-20 平安银行
# get_special_treatment_info - 获取合约特殊处理状态信息
get_special_treatment_info(order_book_id)
获取 A 股合约特殊处理状态信息。
# 参数
| 参数 | 类型 | 说明 |
|---|---|---|
| order_book_ids | str or list | 给出单个或多个 order_book_id |
# 返回
- pandas DataFrame
| 字段 | 说明 |
|---|---|
| info_date | 信息发布日期 |
| change_date | 特别处理(或撤销)实施日期 |
| symbol | 证券简称 |
| type | 特别处理(或撤销)类别 |
| description | 特别处理(或撤销)事项描述 |
# 范例
- 获取单个合约特殊处理状态数据
[In]
rqdatac.get_special_treatment_info('000020.XSHE')
[Out]
info_date symbol type description
order_book_id change_date
000020.XSHE 1999-04-27 1999-04-24 ST华发Ａ ST
2000-03-29 2000-03-28 深华发Ａ 撤销ST
2004-04-27 2004-04-26 ST华发Ａ ST None
2005-04-29 2005-04-28 *ST华发Ａ 从ST变为*ST None
2006-11-22 2006-11-21 SST华发A 撤消*ST并实行ST None
2009-05-19 2009-05-18 深华发Ａ 撤销ST None
# get_incentive_plan - 获取合约股权激励数据
rqdatac.get_incentive_plan(order_book_ids)
获取 A 股合约股权激励数据
# 参数
| 参数 | 类型 | 说明 |
|---|---|---|
| order_book_ids | str or list | 给出单个或多个 order_book_id |
# 返回
- pandas DataFrame
| 字段 | 说明 |
|---|---|
| info_date | 信息发布日期 |
| effective_date | 生效日期 |
| first_info_date | 首次信息发布日期 |
| incentive_price | 激励股票数量(股) |
| incentive_mode | 激励模式 |
| info_type | 公告类型，草案或者调整 |
# 范例
- 获取单个合约股权激励数据
[In]
rqdatac.get_incentive_plan('002074.XSHE')
[Out]
first_info_date effective_date shares_num incentive_price incentive_mode info_type
order_book_id info_date
002074.XSHE 2021-08-28 2021-08-28 2021-08-28 29980000.0 39.30 股票期权 草案
2022-04-29 2022-04-29 2022-04-29 60000000.0 18.77 股票期权 草案
2022-07-09 2021-08-28 2022-07-09 29980000.0 39.20 股票期权 调整
2022-07-09 2022-04-29 2022-07-09 59687500.0 18.67 股票期权 调整