python量化之路：获取历史某一时刻沪深上市公司股票代码及上市时间

　　最近开始玩股票量化，由于想要做完整的股票回测，因此股票的上市和退市信息就必不可少。因为我们回测的时候必须要知道某一日期沪深股票的成分包含哪些对吧。所以我们要把沪深全部股票的上市时间、退市时间全部都爬下来（保存到本地以后检索会更快）。

0.1.确认主要工具

　　要用到的工具包括：

　　(1)python：基本工具

　　(2)pandas：格式化数据处理

　　(3)通联数据接口：http://www.datayes.com

　　(4)通联接口API：https://api.wmcloud.com/docs/pages/viewpage.action?pageId=1867781

1.开始获取数据

　　首先，我们先要获取全部上市公司的上市时间和退市时间（如果有）的列表，用通联数据的接口会发现我们的任务非常简单。

from pandas import DataFrame

from dataapiclient import Client

import json

client = Client()

client.init('cae5c4acc4ad4ccb93a8aaac4b8adb04363feaa9852c34d14ddd2248613b09b3')

url='/api/equity/getEqu.json?field=ticker,secShortName,listDate,delistDate&listStatusCD=L,S,DE,UN&secID=&ticker=&equTypeCD=A'

code, result = client.getData(url)

j = json.loads(result.decode())

d = DataFrame(j['data'])

d = d.set_index('ticker')

d = d[['secShortName','listDate','delistDate']]

d.to_csv('data/ticker_and _day_of_(de)list_date.csv')

　　如此一来，ticker_and _day_of_(de)list_date.csv文件中就保存了所需内容。需要注意的是数据中有个特例：DY600019

　　这是由于当时的重组并购导致主体变更，因此通联数据在股票代码前加上了DY前缀以示区别。

　　然后为了方便的获取历史某一时刻全部可交易的A股股票代码，我们定义一个函数，默认使用本地数据：get_a_stocks(date=None, update=False)，date默认日期是系统当前日期，update表示是否需要更新本地数据。文件名beefinance.py

from pandas import DataFrame

from datetime import datetime

from dataapiclient import Client

import pandas

import json

import os

import types

import datetime

import time

def get_a_stocks(date=None, update=False):

    if date is None:

        date = datetime.datetime.now()

    if isinstance(date,str):

        date = datetime.datetime.strptime(date, "%Y-%m-%d")

    if not isinstance(date,datetime.datetime):

        raise ValueError('date不接受此类型')

    if not isinstance(update, bool):

        raise ValueError('update不接受此类型')

    data_dir = u'data'

    data_filename = data_dir + u'/ticker_and _day_of_(de)list_date.csv'

    if not os.path.exists(data_dir):

        os.mkdir(data_dir)

    if (not os.path.exists(data_filename)) or update:

        client = Client()

        client.init('cae5c4acc4ad4ccb93a8aaac4b8adb04363feaa9852c34d14ddd2248613b09b3')

        url='/api/equity/getEqu.json?field=ticker,secShortName,listDate,delistDate&listStatusCD=L,S,DE,UN&secID=&ticker=&equTypeCD=A'

        code, result = client.getData(url)

        j = json.loads(result.decode())

        d = DataFrame(j['data'])

        d = d.set_index('ticker')

        d = d[['secShortName','listDate','delistDate']]

        d.to_csv(data_filename, encoding='utf-8')

        d['listDate'] = pandas.to_datetime(d['listDate'])

        d['delistDate'] = pandas.to_datetime(d['delistDate'])

        d = d[d['listDate']<=date]

        d1 = d[pandas.isnull(d['delistDate'])]

        d2 = d[pandas.notnull(d['delistDate'])]

        d2 = d2[d2['delistDate']>date]

        d = d1.append(d2)

        return d

    else:

        d = pandas.read_csv(data_filename, index_col='ticker', parse_dates=['listDate','delistDate'],encoding='utf-8')

        d['listDate'] = pandas.to_datetime(d['listDate'])

        d['delistDate'] = pandas.to_datetime(d['delistDate'])

        d = d[d['listDate']<=date]

        d1 = d[pandas.isnull(d['delistDate'])]

        d2 = d[pandas.notnull(d['delistDate'])]

        d2 = d2[d2['delistDate']>date]

        d = d1.append(d2)

        return d

　　下面测试效果：

from beefinance import get_a_stocks

d = get_a_stocks('2010-05-05')

print(d)

data/ticker_and _day_of_(de)list_date.csv

       secShortName   listDate delistDate

ticker

000001         平安银行 1991-04-03        NaT

000002          万科A 1991-01-29        NaT

000004         国农科技 1991-01-14        NaT

000005         世纪星源 1990-12-10        NaT

000006         深振业A 1992-04-27        NaT

000007          全新好 1992-04-13        NaT

000008         神州高铁 1992-05-07        NaT

000009         中国宝安 1991-06-25        NaT

000010         美丽生态 1995-10-27        NaT

000011         深物业A 1992-03-30        NaT

000012          南玻A 1992-02-28        NaT

000014         沙河股份 1992-06-02        NaT

000016         深康佳A 1992-03-27        NaT

000017         深中华A 1992-03-31        NaT

000018         神州长城 1992-06-16        NaT

000019         深深宝A 1992-10-12        NaT

000020         深华发A 1992-04-28        NaT

000021          深科技 1994-02-02        NaT

000022         深赤湾A 1993-05-05        NaT

000023         深天地A 1993-04-29        NaT

000025          特力A 1993-06-21        NaT

000026         飞亚达A 1993-06-03        NaT

000027         深圳能源 1993-09-03        NaT

000028         国药一致 1993-08-09        NaT

000029         深深房A 1993-09-15        NaT

000030         富奥股份 1993-09-29        NaT

000031         中粮地产 1993-10-08        NaT

000032         深桑达A 1993-10-28        NaT

000033        *ST新都 1994-01-03        NaT

000034         神州数码 1994-05-09        NaT

...             ...        ...        ...

601899         紫金矿业 2008-04-25        NaT

601918        *ST新集 2007-12-19        NaT

601919         中国远洋 2007-06-26        NaT

601939         建设银行 2007-09-25        NaT

601958         金钼股份 2008-04-17        NaT

601988         中国银行 2006-07-05        NaT

601989         中国重工 2009-12-16        NaT

601991         大唐发电 2006-12-20        NaT

601998         中信银行 2007-04-27        NaT

601999         出版传媒 2007-12-21        NaT

000024         招商地产 1993-06-07 2015-12-30

000522         白云山A 1993-11-08 2013-04-26

000527         美的电器 1993-11-12 2013-09-18

000562         宏源证券 1994-02-02 2015-01-26578         盐湖集团 1995-03-03 2011-03-22594          国恒退 1996-03-20 2015-07-13

000602         金马集团 1996-08-19 2013-08-14787        *ST创智 1997-06-26 2013-02-08805        *ST炎黄 1998-05-29 2013-03-27

600087         退市长油 1997-06-12 2014-06-05

600102         莱钢股份 1997-08-28 2012-02-28

600253         天方药业 2000-12-27 2013-07-15

600263         路桥建设 2000-07-25 2012-03-01

600553         太行水泥 2002-08-22 2011-02-18

600631         百联股份 1993-02-19 2011-08-23

600656         退市博元 1990-12-19 2016-05-13

600832         东方明珠 1994-02-24 2015-05-20

600991         广汽长丰 2004-06-14 2012-03-20

601268        *ST二重 2010-02-02 2015-05-21

601299         中国北车 2009-12-29 2015-05-20

[1815 rows x 3 columns]

　　还不错。

巴特西

python量化之路：获取历史某一时刻沪深上市公司股票代码及上市时间

0.1.确认主要工具

1.开始获取数据

最新文章

热门文章