获取基金数据

我们目前包含100多种ETF、20多种LOF、200多种分级A/B基金完整的行情、净值数据. 详情见基金列表

更多API的可参考官方API文档

基金概况：上市退市时间、代码、名称、累计/单位净值等

获取单支基金数据

获取单支基金的信息.

调用方法

get_security_info(code)

参数

• code: 基金代码

返回值

• 一个对象, 有如下属性:
  
  • display_name # 中文名称
  • name # 缩写简称
  • start_date # 上市日期, [datetime.date] 类型
  • end_date # 退市日期， [datetime.date] 类型, 如果没有退市则为2200-01-01
  • type # 类型 etf(ETF基金)，fja（分级A），fjb（分级B）
  • parent # 分级基金的母基金代码

示例

get_security_info(159901.XSHE).start_date #获取易方达深证100ETF的上市日期

获取所有基金数据

获取平台支持的所有基金数据

调用方法

get_all_securities(['fund'])

这里请在使用时注意防止未来函数。

返回
- display_name # 中文名称
- name # 缩写简称
- start_date # 上市日期
- end_date # 退市日期，如果没有退市则为2200-01-01
- type # 类型，etf(ETF基金)，fja（分级A），fjb（分级B）

[pandas.DataFrame], 比如:get_all_securities(['fund'])[:2]返回:

示例

def initialize(context):
  #获得基金列表
  df = get_all_securities(['fund'])
  #获得etf基金列表
  etfs = df[df['type']=='etf']
  #获得lof基金列表
  lofs = df[df['type']=='lof']
  #获得分级A基金列表
  lofs = df[df['type']=='fja']
  #获得分级B基金列表
  lofs = df[df['type']=='fjb']

基金累计/单位净值

得到基金在一段时间的如下的数据:

• acc_net_value: 基金累计净值
• unit_net_value: 基金单位净值

调用方法

get_extras(info, security_list, start_date='2015-01-01', end_date='2015-12-31', df=True):

参数

• info: [‘acc_net_value’, ‘unit_net_value’] 中的一个
• security_list: 基金列表
• start_date/end_date: 开始结束日期, 同[get_price]
• df: 返回[pandas.DataFrame]对象还是一个dict, 同[history]

返回值

• df=True:
  [pandas.DataFrame]对象, 列索引是基金代号, 行索引是[datetime.datetime], 比如get_extras('acc_net_value', ['510300.XSHG', '510050.XSHG'], start_date='2015-12-01', end_date='2015-12-03')返回:

- df=False
一个dict, key是基金代号, value是[numpy.ndarray], 比如get_extras('acc_net_value', ['510300.XSHG', '510050.XSHG'], start_date='2015-12-01', end_date='2015-12-03', df=False) 返回:
python { u'510050.XSHG': array([ 3.119, 3.251, 3.254]), u'510300.XSHG': array([ 1.395 , 1.4432, 1.4535]) }

交易数据

交易类数据提供基金的交易行情数据，通过API接口调用即可获取相应的数据。主要包括以下类别：

• 历史行情数据
• 当前单位时间的数据

历史行情数据

获取基金历史交易数据，可以通过参数设置获取日k线、分钟k线数据。获取数据的基本属性如下：

• open 时间段开始时价格
• close 时间段结束时价格
• low 最低价
• high 最高价
• volume 成交的基金数量
• money 成交的金额
• factor 前复权因子, 我们提供的价格都是前复权后的, 但是利用这个值可以算出原始价格, 方法是价格除以factor, 比如: close/factor
• high_limit 涨停价
• low_limit 跌停价
• avg 这段时间的平均价, 等于money/volume
• pre_close 前一个单位时间结束时的价格, 按天则是前一天的收盘价, 按分钟这是前一分钟的结束价格
• paused 布尔值, 这只基金是否停牌, 停牌时open/close/low/high/pre_close依然有值,都等于停牌前的收盘价, volume=money=0

获取数据的方法有多种，类型如下：

• 获取多支基金的单一属性
• 获取单支基金的多个属性
• 获取多支基金的多个属性

获取多支基金的单一属性

查看多支基金的单个属性历史数据。

调用方法

history(count, unit='1d', field='avg', security_list=None, df=True, skip_paused=False, fq='pre')

注：设定不同的unit参数，获取日K线或分钟k线，详情见参数。

关于停牌: 因为获取了多只基金的数据, 可能有的基金停牌有的没有, 为了保持时间轴的一致, 我们没有跳过停牌的日期, 停牌时使用停牌前的数据填充(请看[SecurityUnitData]的paused属性). 如想跳过, 请使用[attribute_history]
当取日K线数据时, 不包括当天的, 即使是在收盘后

参数
- count: 数量, 返回的结果集的行数
- unit: 单位时间长度, 几天或者几分钟, 现在支持’Xd’,’Xm’, X是一个正整数, 分别表示X天和X分钟(不论是按天还是按分钟回测都能拿到这两种单位的数据),如),如‘1d’,’2m’. 注意, 当X > 1时, field只支持[‘open’, ‘close’, ‘high’, ‘low’, ‘volume’, ‘money’]这几个标准字段.
- field: 要获取的数据类型, 支持属性里面的所有基本属性.
- security_list: 要获取数据的基金列表, None表示universe中选中的所有基金
- df: 若是True, 返回[pandas.DataFrame], False返回一个dict, 具体请看下面的返回值介绍. 默认是True.（们之所以增加df参数, 是因为[pandas.DataFrame]创建和操作速度太慢, 很多情况并不需要使用它. 为了保持向上兼容, df默认是True, 但是如果你的回测速度很慢, 请考虑把df设成False.）
- skip_paused: 是否跳过停牌的时间, 如果不跳过, 停牌时会使用停牌前的数据填充(具体请看[SecurityUnitData]的paused属性), 但要注意:
- 默认为 False
- 如果跳过, 则行索引不再是日期, 因为不同股票的实际交易日期可能不一样
- fq: 复权选项:
- 'pre': 前复权(根据’use_real_price’选项不同含义会有所不同, 参见set_option), 默认是前复权
- None: 不复权, 返回实际价格
- 'post': 后复权

返回

• df=True:
  [pandas.DataFrame]对象, 行索引是[datetime.datetime]对象, 列索引是基金代号. 比如: 如果当前时间是2015-01-07, universe是[‘159920.XSHE’, ‘159901.XSHE’], history(2, '1d','open', ['159901.XSHE','159902.XSHE'])将返回:

关于numpy和pandas, 请看第三方库介绍

• df=False:
  dict, key是基金代码, 值是一个numpy数组[numpy.ndarray], 对应上面的DataFrame的每一列, 例如history(2, '1d', 'open', ['159901.XSHE','159902.XSHE'],df=False)将返回:
  python { '159901.XSHE': array([ 3.8294, 3.7944]), '159902.XSHE': array([ 2.553, 2.51 ]) }

示例

h = history(5, '1d', 'volume', ['159901.XSHE'], df=False) # 获取易方达深证100ETF过去一天(不包含当天)的交易额
h = history(5, '1m', 'price', ['159901.XSHE'], df=False) # 获取易方达深证100ETF的过去5分钟(不包含当前分钟)的每分钟的平均价
h.mean() # 取得每一列的平均值

获取单支基金的多个属性

查看某一支基金的历史数据, 可以选这只基金的多个属性.

调用方法

 x attribute_history(security, count, unit='1d',            fields=('open', 'close', 'high', 'low', 'volume', 'money'),            skip_paused=True, df=True, fq='pre')

注：设定不同的unit参数，获取日K线或分钟k线，详情见参数。

关于停牌: 默认跳过停牌日期
当取日K线数据时, 不包括当天的, 即使是在收盘后

参数
- security: 基金代码
- count: 数量, 返回的结果集的行数
- unit: 单位时间长度, 几天或者几分钟, 现在支持’Xd’,’Xm’, X是一个正整数, 分别表示X天和X分钟(不论是按天还是按分钟回测都能拿到这两种单位的数据),如‘1d’,’2m’. 注意, 当X > 1时, field只支持[‘open’, ‘close’, ‘high’, ‘low’, ‘volume’, ‘money’]这几个标准字段.
- fields: 基金属性的list, 支持属性里面的所有基本属性.
- skip_paused: 是否跳过停牌的时间, 如果不跳过, 停牌时会使用停牌前的数据填充(具体请看[SecurityUnitData]的paused属性), 默认是True
- df: 若是True, 返回[pandas.DataFrame], 否则返回一个dict, 具体请看下面的返回值介绍. 默认是True. （们之所以增加df参数, 是因为[pandas.DataFrame]创建和操作速度太慢, 很多情况并不需要使用它. 为了保持向上兼容, df默认是True, 但是如果你的回测速度很慢, 请考虑把df设成False.）
- fq: 复权选项:
- 'pre': 前复权(根据’use_real_price’选项不同含义会有所不同, 参见set_option), 默认是前复权
- None: 不复权, 返回实际价格
- 'post': 后复权

返回

• df=True
  [pandas.DataFrame]对象, 行索引是[datetime.datetime]对象, 列索引是属性名字. 比如: 如果当前时间是2015-01-07, attribute_history('159920.XSHE', 2)将返回:

- df=False:
dict, key是基金代码, 值是一个numpy数组[numpy.ndarray], 对应上面的DataFrame的每一列, 例如attribute_history('159920.XSHE', 2, df=False)将返回:
python { 'volume': array([ 3406201., 2936904.]), 'money': array([ 3734250., 3221757.]), 'high': array([ 1.112, 1.102]), 'low': array([ 1.088, 1.088]), 'close': array([ 1.091, 1.099]), 'open': array([ 1.108, 1.088]) }

示例

fund = '159901.XSHE'
h = attribute_history(fund, 5, '1d', ('open','close', 'volume', 'factor')) # 取得易方达深证100ETF过去5天的每天的开盘价, 收盘价, 交易量, 复权因子
# 不管df等于True还是False, 下列用法都是可以的
h['open'] #过去5天的每天的开盘价, 一个pd.Series对象, index是datatime
h['close'][-1] #昨天的收盘价
h['open'].mean()

# 下面的pandas.DataFrame的特性, df=False时将不可用
# 行的索引可以是整数, 也可以是日期的各种形式:
h['open']['2015-01-05']
h['open'][datetime.date(2015, 1, 5)]
h['open'][datetime.datetime(2015, 1, 5)]

# 按行取数据
h.iloc[-1] #昨天的开盘价和收盘价, 一个pd.Series对象, index是字符串:'open'/'close'
h.iloc[-1]['open'] #昨天的开盘价
h.loc['2015-01-05']['open']

# 高级运算
h = h[h['volume'] > 1000000] # 只保留交易量>1000000股的行
h['open'] = h['open']/h['factor'] #让open列都跟factor列相除, 把价格都转化成原始价格
h['close'] = h['close']/h['factor']

获取多支基金的多个属性

获取一支或者多只基金的多个属性的行情数据, 按天或者按分钟.

调用方法

get_price(security, start_date='2015-01-01', end_date='2015-12-31', frequency='daily', fields=None, skip_paused=False, fq='pre')

注：设定不同的unit参数，获取日K线或分钟k线，详情见参数。 这里请在使用时注意防止未来函数.

用户可以在 after_trading_end中调用get_price函数获取当日的开盘价、收盘价、成交额、成交量、最高价以及最低价等。

关于停牌: 因为此API可以获取多只股票的数据, 可能有的股票停牌有的没有, 为了保持时间轴的一致, 我们默认没有跳过停牌的日期, 停牌时使用停牌前的数据填充(请看[SecurityUnitData]的paused属性). 如想跳过, 请使用 skip_paused=True 参数, 同时只取一只股票的信息

参数

• security: 一支基金代码或者一个基金代码的list

• start_date: 字符串或者[datetime.datetime]/[datetime.date]对象, 开始日期, 默认是’2015-01-01’

• end_date: 字符串[datetime.datetime]/[datetime.date]对象, 结束日期, 默认是’2015-12-31’, 包含此日期

• frequency: 单位时间长度, 几天或者几分钟, 现在支持’Xd’,’Xm’, ‘daily’(等同于’1d’), ‘minute’(等同于’1m’), X是一个正整数, 分别表示X天和X分钟(不论是按天还是按分钟回测都能拿到这两种单位的数据), 注意, 当X > 1时, field只支持[‘open’, ‘close’, ‘high’, ‘low’, ‘volume’, ‘money’]这几个标准字段. 默认值是daily

• fields: 字符串list, 选择要获取的行情数据字段, 默认是None(表示[‘open’, ‘close’, ‘high’, ‘low’, ‘volume’, ‘money’]这几个标准字段), 支持属性里面的所有基本属性.

• skip_paused: 是否跳过停牌的时间, 如果不跳过, 停牌时会使用停牌前的数据填充(具体请看[SecurityUnitData]的paused属性), 但要注意:

  ​

  • 默认为 False
  • 当 skip_paused 是 True 时, 只能取一只股票的信息

• fq: 复权选项:

  ​

  • 'pre': 前复权(根据’use_real_price’选项不同含义会有所不同, 参见set_option), 默认是前复权
  • None: 不复权, 返回实际价格
  • 'post': 后复权

返回

• 请注意, 为了方便比较一只基金的多个属性, 同时也满足对比多只基金的一个属性的需求, 我们在security参数是一只基金和多只基金时返回的结构完全不一样
• 如果是一支基金, 则返回[pandas.DataFrame]对象, 行索引是[datetime.datetime]对象, 列索引是行情字段名字, 比如’open’/’close’. 比如: get_price('159920.XSHE')[:2]返回:

- 如果是多支基金, 则返回[pandas.Panel]对象, 里面是很多[pandas.DataFrame]对象, 索引是行情字段(open/close/…), 每个[pandas.DataFrame]的行索引是[datetime.datetime]对象, 列索引是基金代号. 比如get_price(['159920.XSHE', '159901.XSHE'])['open'][:2]返回:

示例

# 获取一支基金
df = get_price('159901.XSHE') # 获取159901.XSHE的2015年的按天数据
df = get_price('159901.XSHE', start_date='2015-01-01', end_date='2015-02-01', frequency='minute', fields=['open', 'close']) # 获得159901.XSHE的2015年02月的分钟数据, 只获取open+close字段
df = get_price('159901.XSHE', start_date='2015-12-01 14:00:00', end_date='2015-12-02 12:00:00', frequency='1m') # 获得159901.XSHE的2015年12月1号14:00-2015年12月2日12:00的分钟数据

# 获取多只基金
panel =  get_price(['159920.XSHE', '159901.XSHE']) # 获取159920.XSHE与159901.XSHE  2015年的天数据, 返回一个[pandas.Panel]
df_open = panel['open']  # 获取开盘价的[pandas.DataFrame],  行索引是[datetime.datetime]对象, 列索引是基金代号
df_volume = panel['volume']  # 获取交易量的[pandas.DataFrame]

df_open['159901.XSHE'] # 获取易方达深证100ETF的2015年每天的开盘价数据

当前单位时间的行情数据

获取当前时刻基金的如下属性：
- high_limit # 涨停价
- low_limit # 跌停价
- paused # 是否停牌
- day_open # 当天开盘价, 分钟回测时可用, 天回测时, 是NaN

调用方法

get_current_data(security_list=None)

回测时, 通过API获取的是一个单位时间(天/分钟)的数据, 而有些数据, 我们在这个单位时间是知道的, 比如涨跌停价,是否停牌,当天的开盘价(分钟回测时). 所以可以使用这个API用来获取这些数据.

参数
- security_list: 基金代码列表.

返回值
一个dict, key是基金代码, value是拥有如下属性的对象
- high_limit # 涨停价
- low_limit # 跌停价
- day_open # 当天开盘价, 分钟回测时可用, 天回测时, 是NaN

示例

set_universe(['159901.XSHE'])

def handle_data(context, data):
  current_data = get_current_data()
  print current_data
  print current_data['159901.XSHE']
  print current_data['159901.XSHE'].high_limit #获取当天的涨停价

账户及持仓信息

获取账户当前的资金及持有的基金的信息.

账户当前的资金, 基金信息(Portfolio)

• cash 当前持有的现金
• positions 当前持有的可卖出的基金, 一个dict, key是基金代码, value是Position对象
• starting_cash 初始资金
• portfolio_value 当前持有的基金和现金的总价值
• positions_value 当前持有的基金的总价值
• capital_used 已使用的现金
• returns 当前的收益比例, 相对于初始资金

持有的某个基金的信息(Position)

• total_amount 总持有股票数量, 包含可卖出和不可卖出部分
• sellable_amount 可卖出数量
• price 当前价格
• avg_cost 每只基金的持仓成本, 买入基金的加权平均价, 计算方法是:
  (buy_volume1 * buy_price1 + buy_volume2 * buy_price2 + …) / (buy_volume1 + buy_volume2 + …)
  每次买入后会调整avg_cost, 卖出时avg_cost不变. 这个值也会被用来计算浮动盈亏.
• security 基金代码

调用方法

context.portfolio.cash #获取账户现有可用的资金
context.portfolio.position #获取持有的可卖出的基金
context.portfolio.position[fund].avg_cost #获取fund的持仓成本成本

基金列表

我们目前提供了近600种在交易所上市的基金的行情、净值等数据，包含ETF、LOF、分级AB以及货币基金。

(温馨提示：鉴于内容太多, 可使用Ctrl + F进行搜索)

ETF列表

LOF列表

分级基金列表

货币基金列表