Python 获取金融数据

Python 获取金融数据数据是量化交易的原材料，一切分析与策略都建立在可靠的历史行情数据之上。 Python 中有多个库可以获取金融市场数据，本篇以最常用的 yfinance 为主，同时介绍获取 A 股数据的 AKS

数据是量化交易的原材料，一切分析与策略都建立在可靠的历史行情数据之上。

Python 中有多个库可以获取金融市场数据，本篇以最常用的 yfinance 为主，同时介绍获取 A 股数据的 AKShare。

用 yfinance 获取数据

yfinance 是一个从 Yahoo Finance 获取金融数据的库，支持股票、指数、基金、外汇、加密货币等，免费且无需注册。

安装如下：

pip install yfinance

download 函数与参数说明

yfinance 获取批量历史数据的核心函数是 yf.download()，基本语法格式：

yf.download(tickers, start=None, end=None, period=None, interval="1d",
            auto_adjust=True, multi_level_index=True, progress=True, threads=True)

参数	类型	默认值	说明
tickers	字符串或列表	必填	要下载的股票、指数代码，单个代码用字符串，多个代码用列表或空格分隔的字符串
start / end	字符串	None	下载数据的开始与结束日期，格式 "YYYY-MM-DD"，默认取能获取的最早/最新日期
period	字符串	None	直接指定时间跨度，如 "1mo"（一个月）、"1y"（一年）、"max"，与 start/end 二选一
interval	字符串	"1d"	K 线周期，如 "1m"、"1h"、"1d"、"1wk"、"1mo"
auto_adjust	布尔值	True	是否自动复权。True 时价格已复权且不返回 Adj Close 列
multi_level_index	布尔值	True	是否返回多级列名。下载单只股票时设为 False 可得到更简单的单层列
progress	布尔值	True	是否显示下载进度条
actions	布尔值	False	是否包含分红、拆股等公司行动数据
threads	布尔值	True	是否使用多线程下载，批量下载多只股票时更快

重要：新版 yfinance（0.2.51 及以上）把 auto_adjust 的默认值改成了 True，下载的价格是复权后的价格，且不再返回 Adj Close 列。老教程里直接用 Close 列做分析的代码，在新版下分析的其实是复权价，这一点阅读旧代码时要特别留意。

股票代码规则

不同市场的代码在 Yahoo Finance 中的写法不同，中国 A 股需要加交易所后缀：

市场	后缀	示例
上海证券交易所（A 股）	.SS	600519.SS（贵州茅台）
深圳证券交易所（A 股）	.SZ	000568.SZ（泸州老窖）
港股	.HK	0700.HK（腾讯控股）
美股	无后缀	AAPL（苹果）、MSFT（微软）

获取贵州茅台历史数据

以下实例获取贵州茅台（600519.SS）的股票数据：

实例

import yfinance as yf

# 上海证券交易所，贵州茅台的股票代码
symbol = "600519.SS"

# auto_adjust=False：返回未复权价格 Close 和复权因子调整后的价格 Adj Close 两列
# multi_level_index=False：单只股票下载时返回单层列名，操作更简单
maotai_data = yf.download(symbol, start="2022-01-01", end="2023-11-01",
auto_adjust=False, progress=False,
multi_level_index=False)

# 打印数据的前几行
print(maotai_data.head())

返回的是一张 Pandas DataFrame，包含日期（Date）、开盘价（Open）、最高价（High）、最低价（Low）、收盘价（Close）、复权收盘价（Adj Close）和成交量（Volume）。

Pandas DataFrame 的用法可以参考：Pandas 数据结构 - DataFrame

执行以上代码，输出结果如下：

             Adj Close        Close         High          Low         Open   Volume
Date
2022-01-04  1772.844604  2051.229980  2068.949951  2014.000000  2055.00000  3384262
2022-01-05  1749.310059  2024.000000  2065.000000  2018.000000  2045.00000  2839551
2022-01-06  1713.200317  1982.219971  2036.000000  1938.510010  2022.01001  5179475
2022-01-07  1678.438721  1942.000000  1988.880005  1939.319946  1975.00000  2962670
2022-01-10  1699.181641  1966.000000  1977.000000  1917.550049  1928.01001  2962670

注意对比 Close 与 Adj Close 两列：茅台在区间内有过分红，复权价低于未复权价。

计算收益率和做回测时应使用复权价格，否则分红造成的价格跳空会被误判为暴跌。

关于复权的详细概念，会在数据清洗的相关内容中进一步展开。

Ticker 类：获取单只股票详情

除了批量下载，yfinance 还提供 Ticker 类，用于获取特定金融工具的信息和实时数据。

通过 yf.Ticker('代码') 创建对象后，可以访问丰富的属性和方法：

属性 / 方法	用法	说明
history()	ticker.history(period="1mo", interval="1d")	获取历史行情，period 指定跨度，interval 指定周期
info	ticker.info	公司基本信息：名称、行业、市值等
dividends	ticker.dividends	分红数据
splits	ticker.splits	拆股数据
actions	ticker.actions	公司行动汇总（拆股、分红等）
major_holders	ticker.major_holders	主要持有者持股比例
institutional_holders	ticker.institutional_holders	机构持股信息
income_stmt	ticker.income_stmt	年度利润表
balance_sheet	ticker.balance_sheet	资产负债表
cashflow	ticker.cashflow	现金流量表
calendar	ticker.calendar	财务日历，如财报发布日期
news	ticker.news	相关新闻

以下代码以微软（MSFT）为例，演示 Ticker 类的常用操作：

实例

import yfinance as yf

# 创建 Ticker 对象，代表微软公司的股票
msft = yf.Ticker("MSFT")

# 获取过去 5 个交易日的行情数据
hist = msft.history(period="5d")
print(hist.head())

执行以上代码，输出结果如下：

                                 Open        High         Low       Close    Volume  Dividends  Stock Splits
Date
2026-10-16 00:00:00-04:00  541.309998  543.820007  524.429993  529.049988  24845700        0.0           0.0
2026-10-19 00:00:00-04:00  528.700012  535.570007  528.059998  533.520020  17994900        0.0           0.0
2026-10-20 00:00:00-04:00  533.909973  534.210022  525.840027  531.869995  14576000        0.0           0.0

与 download 不同，history() 返回的表格自带 Dividends（分红）和 Stock Splits（拆股）两列。

同时获取多只股票

批量研究时经常需要同时获取多只股票的数据，有两种方式：

实例

import yfinance as yf

# 方式一：Tickers 对象，适合分别访问每只股票的详细信息
tickers = yf.Tickers("msft aapl goog")
tickers.tickers["MSFT"].info # 微软的基本信息
tickers.tickers["AAPL"].history(period="1mo") # 苹果近一个月行情
tickers.tickers["GOOG"].actions # 谷歌的公司行动

# 方式二：download 一次下载多只，适合批量取行情
# 返回的 DataFrame 列为多级结构（价格类型, 股票代码）
data = yf.download(["SPY", "AAPL"], period="1mo",
progress=False, multi_level_index=False)

用 AKShare 获取 A 股数据

yfinance 的 A 股数据来自 Yahoo Finance，存在更新延迟，做 A 股研究更推荐使用国内数据源。

AKShare 是一个免费开源的财经数据接口库，覆盖股票、期货、期权、基金、债券、宏观等数据，无需注册 token。

安装如下：

pip install akshare

实例

import akshare as ak

# 获取贵州茅台的 A 股日线行情
# symbol：A 股代码（不带市场后缀）
# adjust="qfq"：前复权，"hfq" 为后复权，"" 为不复权
df = ak.stock_zh_a_hist(symbol="600519", period="daily",
start_date="20240101", end_date="20240115",
adjust="qfq")

print(df.head(3))

执行以上代码，输出结果如下（列名为中文，直接可读）：

          日期    股票代码       开盘       收盘       最高       最低   成交量         成交额   振幅   涨跌幅   涨跌额  换手率
0  2024-01-02  600519  1580.66  1550.67  1583.85  1543.76  32156  5.440083e+09  2.52 -2.58 -40.99  0.26
1  2024-01-03  600519  1546.77  1559.66  1560.88  1541.99  20229  3.411401e+09  1.22  0.58   8.99  0.16
2  2024-01-04  600519  1558.66  1534.66  1558.66  1528.59  21551  3.603970e+09  1.93 -1.60 -25.00  0.17

与 yfinance 相比，AKShare 直接提供涨跌幅、换手率等衍生指标，还支持板块资金流、龙虎榜等 A 股特色数据。

常用金融数据库对比

除了 yfinance 和 AKShare，还有不少优秀的金融数据库，按市场和研究需求选择：

库	主要覆盖	特点	安装命令
yfinance	美股、A 股、港股、全球指数、加密货币	免费无需注册，国际市场首选	pip install yfinance
AKShare	A 股、期货、基金、债券、宏观	免费开源，接口丰富，无需 token	pip install akshare
Tushare	A 股为主	需注册获取 token，积分制，数据质量高	pip install tushare
baostock	A 股、港股、期权	免费，适合获取证券基本信息与日线数据	pip install baostock
pandas-datareader	聚合多个在线数据源	老牌工具，部分数据源已失效，谨慎选用	pip install pandas-datareader
alpha_vantage	美股、外汇、加密货币	需注册免费 API key，自带技术指标计算	pip install alpha_vantage
Quandl	金融与经济数据	已并入 Nasdaq Data Link，需注册	pip install quandl
ccxt	加密货币交易所	统一接口连接上百家交易所，支持行情与交易	pip install ccxt

选型建议：研究美股和全球市场用 yfinance；研究 A 股用 AKShare 或 Tushare；做加密货币用 ccxt。数据源只是工具，重要性远低于后面的策略研究本身。

拿到数据后，下一步是用图表看清它，进入数据可视化一章。