量化交易入门笔记-数据获取函数二

gt_fundamentals() 函数

该函数可查询一只股票或多只股票的财务数据，其语法如下：

get_fundamentals(query_object, date=None, statDate=None)

参数解析：

query_object : 这是一个 sqlalchemy.orm.query.Query 对象，可以通过全局的 query 函数获取 Query 对象
date : 表示查询日期，可以是一个字符串或者datetime.date/datetime.datetime对象。可以是None，使用默认日期，这个默认日期在回测和研究模块上有点差别：
- 回测模块：默认值会随着回测日期变化而变化，等于 context.current_dt 的前一天（实际生活中我们只能看到前一天的财报和市值数据，所以要用前一天）
- 研究模块：使用平台财务数据的最新日期，一般是昨天
需要注意的是，如果传入的date不是交易日，则使用这个日期之前的最近的一个交易日
statDate : 是一个字符串，表示财报统计的季度或者年份，有两种格式，具体如下：
- 季度：格式是年+“q”+季度序号，例如：“2018q1”，“2017q4“
- 年份：格式就是年份的数字，如”2017“，”2018“
date 和 statDate 参数只能传入一个。传入date时，查询指定日期 date 收盘后所能看到最近的数据；传入 statDate 时，查询 statDate 指定的季度或者年份的财务数据。当两个参数都没有传入成功时，相当于使用 date 参数，即使用默认日期

为了防止返回数据量过大，每次最多返回10000行。另外，当相关股票上市前、退市后，财务数据返回各字段为空

实例代码：

import pandas as pd

# query表示查询
# filter表示条件筛选
# valuation是内置市值数据对象(这里表示查询valuation下所有的属性)
# 最终返回一个Query对象
myq = query(valuation).filter(valuation.code=='000001.XSHE')
df = get_fundamentals(myq,'2018-4-12')
df

	id	code	pe_ratio	turnover_ratio	pb_ratio	ps_ratio	pcf_ratio	capitalization	market_cap	circulating_cap	circulating_market_cap	day	pe_ratio_lyr
0	16898314	000001.XSHE	8.53	0.6934	0.9787	1.8698	-2.0521	1717041.125	1978.0314	1691798.375	1948.9517	2018-04-12	8.53

valuation市值数据对象中的字段有：

id: 每行数据的索引，不重复
code: 股票代码
pr_ratio: 是股票的市盈率（PE,TTM），即动态市盈率。
turnover_ratio: 是股票的换手率。
pb_ratio: 是股票的市净率（PB）
ps_ratio: 是股票的市现率
capitalization: 是股票的总股本（万股）
market_cap: 是股票的流通股本（万股）
circulating_market_cap: 是股票的流通市值（亿元）
day: 是指查询股票账务数据的具体日期
pe_ratio_lyr: 是股票的市盈率（PE）。以上一年度每股盈利计算的静态市盈率

示例：输出指定字段

import pandas as pd

# query表示查询
# filter表示条件筛选
# valuation是内置市值数据对象(这里表示查询valuation下所有的属性)
# 最终返回一个Query对象
myq = query(valuation).filter(valuation.code=='000001.XSHE')
df = get_fundamentals(myq,'2018-4-12')

print("当日动态市盈率是：", df['pe_ratio'])
print('当日换手率是：', df['turnover_ratio'])
print('当日市销率是：', df['ps_ratio'])

当日动态市盈率是： 0    8.53
Name: pe_ratio, dtype: float64
当日换手率是： 0    0.6934
Name: turnover_ratio, dtype: float64
当日市销率是： 0    1.8698
Name: ps_ratio, dtype: float64

示例：显示多只股票的财务数据

import pandas as pd

# query表示查询
# filter表示条件筛选
# valuation是内置市值数据对象(  这里表示查询valuation下所有的属性)
# 最终返回一个Query对象
myq = query(valuation).filter(valuation.code.in_(['000001.XSHE', '600000.XSHG', '000009.XSHE']))
df = get_fundamentals(myq,'2018-4-12')
df

	id	code	pe_ratio	turnover_ratio	pb_ratio	ps_ratio	pcf_ratio	capitalization	market_cap	circulating_cap	circulating_market_cap	day	pe_ratio_lyr
0	16898314	000001.XSHE	8.5300	0.6934	0.9787	1.8698	-2.0521	1717041.125	1978.0314	1691798.3750	1948.9517	2018-04-12	8.530
1	16898321	000009.XSHE	66.1183	0.8175	2.8934	1.8857	7.0958	214934.500	134.5490	212008.9062	132.7176	2018-04-12	57.651
2	16900412	600000.XSHG	6.3748	0.0670	0.8743	2.0506	-1.8573	2935208.000	3457.6750	2810376.5000	3310.6233	2018-04-12	6.375

示例：更多不同的财务数据条件筛选

import pandas as pd

df = get_fundamentals(query(
    valuation
    ).filter(
        valuation.market_cap > 1000,  # 筛选市值大于1000的
        valuation.pe_ratio < 10,  # 筛选市盈率小于10的
        ).order_by(
            valuation.market_cap.desc()  # 按照市值倒序排列
            ).limit(
                5  # 最多只显示5条数据
                ), date='2018-4-12')
df

	id	code	pe_ratio	turnover_ratio	pb_ratio	ps_ratio	pcf_ratio	capitalization	market_cap	circulating_cap	circulating_market_cap	day	pe_ratio_lyr
0	16901309	601398.XSHG	7.5755	0.0770	1.0615	2.9827	6.5474	35640624.0	21144.6426	26961222.00	16392.4219	2018-04-12	7.575
1	16901380	601939.XSHG	7.9565	1.4751	1.1338	3.1007	-69.3750	25001098.0	16366.5508	959365.75	739.6710	2018-04-12	7.957
2	16901293	601288.XSHG	6.5645	0.1031	0.9407	2.3587	7.2988	32479412.0	12577.8789	29405530.00	11468.1562	2018-04-12	6.564
3	16901389	601988.XSHG	6.6764	0.0825	0.8244	2.3818	-19.0273	29438780.0	11065.7139	21076552.00	8240.9316	2018-04-12	6.676
4	16901297	601328.XSHG	6.5778	0.1831	0.7557	2.3566	-5.2804	7426272.5	4207.0605	3925086.50	2441.4038	2018-04-12	6.578

示例：显示某股票2016年第四季度的季报，并放到列表中显示

# query这里指定了要查询显示的字段
q = query(
    # income为利润数据对象
    income.statDate, # 统计日期
    income.code,  # 股票代码
    income.basic_eps,  # 基本每股收益
    # balance为负债数据对象
    balance.cash_equivalents,  # 货币资金
    # cash_flow为现金流数据对象
    cash_flow.goods_sale_and_service_render_cash  # 销售商品、提供劳务获得的现金
    ).filter(
        income.code == '000001.XSHE'
        )

rets = [get_fundamentals(q, statDate='2016q'+str(i)) for i in range(1, 5)]
rets

[     statDate         code  basic_eps  cash_equivalents  \
 0  2016-03-31  000001.XSHE       0.43      2.961440e+11   
 
    goods_sale_and_service_render_cash  
 0                                 NaN  ,
      statDate         code  basic_eps  cash_equivalents  \
 0  2016-06-30  000001.XSHE       0.29      2.781780e+11   
 
    goods_sale_and_service_render_cash  
 0                                 NaN  ,
      statDate         code  basic_eps  cash_equivalents  \
 0  2016-09-30  000001.XSHE       0.37      3.039360e+11   
 
    goods_sale_and_service_render_cash  
 0                                 NaN  ,
      statDate         code  basic_eps  cash_equivalents  \
 0  2016-12-31  000001.XSHE       0.23      3.112580e+11   
 
    goods_sale_and_service_render_cash  
 0                                 NaN  ]

各财务数据的意义：

statDate: 财报统计的季度的最后一天，例如 2016-03-31
code: 股票代码
basic_eps: 基本每股收益
cash_equivalents: 货币资金
good_sale_ane_service_render_cash: 销售商品、提供劳务收到的现金

get_fundamentals_continuously() 函数

get_fundamentals()函数只能查询某一交易日的股票财务数信息，如果要查询多个交易日的股票财务数据信息，就要使用本函数；其语法如下：

get_fundamentls_continuously(query_object, end_date=None, count=None)

参数意义：

query_object : 这是一个 sqlalchemy.orm.query.Query 对象，可以通过全局的 query 函数获取 Query 对象
end_date: 查询日期
count: 获取end_date之前 count 个日期的数据

本函数返回值是一个pandas.Panel

出于性能考虑，返回总条数不超过10000条的限制

示例：查询平安银行和浦发银行的财务信息

import pandas as pd

q = query(
    valuation
).filter(
    valuation.code.in_(
        ['000001.XSHE', '600000.XSHG']))
panel = get_fundamentals_continuously(q, end_date='2018-01-01', count=5)
panel.minor_xs('600000.XSHG')

	id	code.1	pe_ratio	turnover_ratio	pb_ratio	ps_ratio	pcf_ratio	capitalization	market_cap	circulating_cap	circulating_market_cap	day.1	pe_ratio_lyr
day
2017-12-25	15990853	600000.XSHG	6.8044	0.0687	0.9538	2.2447	-1.9850	2935208	3695.4270	2810376.5	3538.2639	2017-12-25	6.9595
2017-12-26	16006159	600000.XSHG	6.8315	0.0542	0.9576	2.2536	-1.9929	2935208	3710.1030	2810376.5	3552.3159	2017-12-26	6.9871
2017-12-27	16018676	600000.XSHG	6.8207	0.1165	0.9561	2.2500	-1.9897	2935208	3704.2324	2810376.5	3546.6951	2017-12-27	6.9761
2017-12-28	16031214	600000.XSHG	6.7774	0.0849	0.9500	2.2357	-1.9771	2935208	3680.7510	2810376.5	3524.2119	2017-12-28	6.9319
2017-12-29	16043748	600000.XSHG	6.8044	0.0582	0.9538	2.2447	-1.9850	2935208	3695.4270	2810376.5	3538.2639	2017-12-29	6.9595

get_index_stocks() 函数

该函数可以获取一个指数给定日期的平台可交易的成分股列表；其语法如下：

get_index_stocks(index_symbol, date=None)

参数解析：

date: 是一个时间字符串或者一个时间对象。None会采用默认值。如果是默认值，在回测模块中，会动态采用回测日期，相当于context.current_dt；如果是在研究模块中，默认时间会采用当前时间
index_symbol: 是指指数代码；代码可以在看盘软件上查询或者在相关行情网站查询，例如：000001.XSHG 上证指数、 000002.XSHG A股指数、 000003.XSHG B股指数

代码实例：获得沪深300指数的所有股票代码

stocks = get_index_stocks('000300.XSHG')
stocks

['000001.XSHE',
 '000002.XSHE',
 '000060.XSHE',
 '000063.XSHE',
 ......,
 '603833.XSHG',
 '603858.XSHG',
 '603993.XSHG']

get_industry_stocks()函数

该函数可以获取在给定日期一个行业的所有股票代码；其语法如下：

get_industry_stocks(industry_code, date=None)

参数解析：

date: 同上
industry_code: 行业代码；例如：A01 农业、A02 林业、 C27 医药制造业

代码示例：获得汽车制造业指数的所有股票代码

stocks = get_industry_stocks('C36')
stocks

['000030.XSHE',
 '000338.XSHE',
 '000549.XSHE',
 '000550.XSHE',
......,
'603809.XSHG',
 '603922.XSHG',
 '603926.XSHG',
 '603997.XSHG']

get_concept_stocks() 函数

该函数可以获取在给定日期一个概念板块的所有股票；其语法如下：

get_concept_stocks(conpect_code, date=None)

参数解析：

date: 同上
conpect_code: 概念板块代码；例如：GN028 智能电网、 GN030 物联网

代码示例：获得一带一中概念板块的所有股票代码：

stocks = get_concept_stocks('GN181')
stocks

['000018.XSHE',
 '000022.XSHE',
 '000063.XSHE',
 '000065.XSHE',
 ......,
  '601857.XSHG',
 '601872.XSHG',
 '601880.XSHG',
 '601919.XSHG',
 '601989.XSHG',
 '603169.XSHG']

get_all_secruities()函数

本函数可以获取平台支持的所有股票、基金、指数、期货信息；其语法如下：

get_all_securities(types=[], date=None)

参数解析：

types: 表示列表类型，用来过滤 securities 的类型，列表元素及意义如下：
- stock:　表示股票类型，即显示所有股票信息
- fund: 表示基金类型，即显示所有基金信息
- index: 表示指数类型，即显示所有指数信息
- futures: 表示期货类型，即显示所有期货合约信息
- eft: 表示 ETF基金，即显示所有 ETF 基金信息
- lof: 表示 lof 基金，即显示所有 lof 基金信息
- fja: 表示分级A，即显示所有分级基金A的信息
- fjb: 表示分级B，即显示所有分级基金B的信息
- open_fund: 表示开放式基金，即显示所有开放式基金的信息
- bond_fund: 表示股票型基金，即显示所有股票型基金的信息
- QDII_fund: 表示 QDII 基金，即显示所有 QDII 基金的信息
- money_market_fund: 表示货币基金，即显示所有货币基金的信息
- mixture_fund: 表示混合型基金，即显示所有混合型基金的信息
需要注意的是，types为空时返回所有股票信息，不包括基金、指数和期货信息
date:是一个时间字符串或一个时间对象，用于获取某日期还在上市的股票信息，默认值是None，表示获取所有日期的股票信息

本函数返回的类型是 pandas.DataFrame 类型

代码实例：获取所有的股票信息

# 下面两行代码显示的结果是一样的
df = get_all_securities(['stock'])
stocks = get_all_securities()
stocks

	display_name	name	start_date	end_date	type
000001.XSHE	平安银行	PAYH	1991-04-03	2200-01-01	stock
000002.XSHE	万科A	WKA	1991-01-29	2200-01-01	stock
000004.XSHE	国农科技	GNKJ	1990-12-01	2200-01-01	stock
…	…	…	…	…	…
603996.XSHG	中新科技	ZXKJ	2015-12-22	2200-01-01	stock
603997.XSHG	继峰股份	JFGF	2015-03-02	2200-01-01	stock
603998.XSHG	方盛制药	FSZY	2014-12-05	2200-01-01	stock
603999.XSHG	读者传媒	DZCM	2015-12-10	2200-01-01	stock

3551 rows × 5 columns

列名字段解析：

display_name : 上市公司的股票的名称
name: 上市公司股票名称的缩写简称
start_date: 上市公司的上市日期
end_date: 上市公司的退市日期
type: 类型

代码示例：显示所有分级A与分级B的信息

df = get_all_securities(['stock'])
stocks = get_all_securities()
stocks

	display_name	name	start_date	end_date	type
150008.XSHE	瑞和小康	RHXK	2009-11-19	2200-01-01	fja
150009.XSHE	瑞和远见	RHYJ	2009-11-19	2200-01-01	fjb
150012.XSHE	中证100A	ZZ100A	2010-06-18	2200-01-01	fja
150013.XSHE	中证100B	ZZ100B	2010-06-18	2200-01-01	fjb
150016.XSHE	合润A	HRA	2010-05-31	2200-01-01	fja
…	…	…	…	…	…
502054.XSHG	券商A	QSA	2015-08-24	2200-01-01	fja
502055.XSHG	券商B	QSB	2015-08-24	2200-01-01	fjb
502057.XSHG	医疗A	YLA	2015-07-31	2200-01-01	fja
502058.XSHG	医疗B	YLB	2015-07-31	2200-01-01	fjb

254 rows × 5 columns

示例代码：显示2017-10-10日还在上市的eft和lof基金信息

df = get_all_securities(['etf', 'lof'], '2017-10-10')
df

	display_name	name	start_date	end_date	type
159901.XSHE	深100ETF	S100ETF	2006-04-24	2200-01-01	etf
159902.XSHE	中小板	ZXB	2006-09-05	2200-01-01	etf
159903.XSHE	深成ETF	SCETF	2010-02-02	2200-01-01	etf
159905.XSHE	深红利	SHL	2011-01-11	2200-01-01	etf
159906.XSHE	深成长	SCZ	2011-02-23	2200-01-01	etf
159907.XSHE	中小300	ZX300	2011-08-10	2200-01-01	etf
159929.XSHE	医药ETF	YYETF	2013-09-16	2200-01-01	etf
159930.XSHE	能源ETF	NYETF	2013-09-16	2200-01-01	etf
159931.XSHE	金融ETF	JRETF	2013-09-16	2200-01-01	etf
159932.XSHE	500深ETF	500SETF	2013-10-21	2200-01-01	etf
159933.XSHE	金地ETF	JDETF	2013-10-16	2200-01-01	etf
…	…	…	…	…	…
513100.XSHG	纳指ETF	NZETF	2013-05-15	2200-01-01	etf
513500.XSHG	标普500	BP500	2014-01-16	2200-01-01	etf
513600.XSHG	恒指ETF	HZETF	2015-01-26	2200-01-01	etf
513660.XSHG	恒生通	HST	2015-01-26	2200-01-01	etf
518800.XSHG	黄金基金	GTHJ	2013-07-29	2200-01-01	etf
518880.XSHG	黄金ETF	HJETF	2013-07-29	2200-01-01	etf

396 rows × 5 columns

get_security_info()函数

本函数可以获取一只股票（基金或指数）的信息，其语法如下：

get_security_info(code)

参数解析：

code: 是指证券代码。返回值是 pandas.DataFrame 类型，返回值的属性与 get_all_securities() 函数基本上是一样的；但返回值中多一个parent属性，是指分级基金的线基金的代码

代码示例：

print('代码502050的证券名：', get_security_info('502050.XSHG').display_name)
print('代码502050的证券缩写简称：', get_security_info('502050.XSHG').name)
print('代码502050的证券上市日期：', get_security_info('502050.XSHG').start_date)
print('代码502050的证券退市日期：', get_security_info('502050.XSHG').end_date)
print('代码502050的证券类型：', get_security_info('502050.XSHG').type)
print('代码502050的证券分级基金的母基金：', get_security_info('502050.XSHG').parent)

代码502050的证券名： 上证50B
代码502050的证券缩写简称： SZ50B
代码502050的证券上市日期： 2015-04-27
代码502050的证券退市日期： 2200-01-01
代码502050的证券类型： fjb
代码502050的证券分级基金的母基金： 502048.XSHG

get_billboard_list()函数

本函数可以获取指定日期区间内的龙虎榜数据，语法如下：

get_billboard_list(stock_list, start_date, end_date, count)

参数解析：

stock_list: 一个股票代码的list，当值为None时，返回指定日期的所有股票
start_date: 开始日期
end_date: 结束日期
count: 交易日数量，可以与end_date同时使用，表示获取 end_date 前 count 个交易日的数据

返回类型： pandas.DataFrame

代码示例：

df = get_billboard_list(stock_list=None, end_date='2018-04-09', count=1)
df

	code	day	direction	rank	abnormal_code	abnormal_name	sales_depart_name	buy_value	buy_rate	sell_value	sell_rate	total_value	net_value	amount
0	603648.XSHG	2018-04-09	SELL	1	106006	连续三个交易日内收盘价格涨幅偏离值累计达到20%的证券	东方证券股份有限公司桂林中山中路证券营业部	NaN	NaN	2.235940e+07	1.2155	2.235940e+07	-2.235940e+07	1839596193
1	603648.XSHG	2018-04-09	ALL	0	106006	连续三个交易日内收盘价格涨幅偏离值累计达到20%的证券	None	9.009827e+07	4.8977	8.433712e+07	4.5845	1.744354e+08	5.761157e+06	1839596193
2	603648.XSHG	2018-04-09	BUY	5	106006	连续三个交易日内收盘价格涨幅偏离值累计达到20%的证券	华鑫证券有限责任公司南昌红谷中大道证券营业部	1.502713e+07	0.8169	NaN	NaN	1.502713e+07	1.502713e+07	1839596193
3	603648.XSHG	2018-04-09	BUY	4	106006	连续三个交易日内收盘价格涨幅偏离值累计达到20%的证券	招商证券股份有限公司深圳后海证券营业部	1.626907e+07	0.8844	NaN	NaN	1.626907e+07	1.626907e+07	1839596193

869 rows × 14 columns

各字段含义如下：

code: 股票代码
day: 日期
direction: All 表示 ”汇总“，Sell表示”卖“，Buy表示”买“
abnormal_code: 异常波动类型
abnormal_name: 异常波动名称
sales_depart_name: 营业部名称
rank: 0表示汇总， 1~5表示买一到买五，6~10表示卖一到卖五
buy_value: 买入金额
buy_rate: 买入金额占比（买入金额/市场总成交额度）
sell_value: 卖出金额
sell_rate: 卖出金额占比（卖出金额/市场总成交额）
net_value: 净额（买入金额-卖出金额）
amount: 市场总成交额

get_locked_shares()函数

本函数可以获取指定日期区间内的限售解禁数据，其语法如下：

get_locked_shares(stock_list, start_date, end_date, forward_count)

参数解析：各项参数与get_billbord_list差不多

这里只说一下返回信息中字段的意义

day: 解禁日期
code: 股票代码
num: 解禁股数
rate1: 解禁股数/总股本
rate2: 解禁股数/总流通股本

代码示例：

df = get_locked_shares(stock_list=['000001.XSHE','000002.XSHG','000009.XSHE'], start_date='2016-4-16',forward_count=1200)
df

	day	code	num	rate1	rate2
0	2016-05-23	000001.XSHE	388595743	0.0272	0.0329
1	2016-07-08	000009.XSHE	15716892	0.0096	0.0098
2	2017-01-09	000001.XSHE	2286809264	0.1332	0.1563
3	2018-05-21	000001.XSHE	252247983	0.0147	0.0149

注：本文章为个人学习笔记，参考了一些书籍与官方教程，不作任何商业用途！