指数数据

指数概况

包含指数的上市时间、退市时间、代码、名称等。平台支持的指数见指数列表.

获取单支指数数据

获取单支指数的信息.

调用方法

get_security_info(code)

参数

• code: 指数代码

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，index(指数)

示例

# 输出沪深300指数信息
log.info(get_security_info('000300.XSHG'))

获取所有指数数据

获取平台支持的所有指数数据

调用方法

get_all_securities(types=['index'], date=None)

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，index(指数)

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

	display_name	name	start_date	end_date	type
000001.XSHG	上证指数	SZZS	1991-07-15	2200-01-01	index
000002.XSHG	A股指数	AGZS	1992-02-21	2200-01-01	index

示例

def initialize(context):
    #获得所有指数列表
    log.info(get_all_securities(['index']))

获取指数成份股

获取一个指数给定日期在平台可交易的成分股列表，我们支持近600种股票指数数据，包括指数的行情数据以及成分股数据。为了避免未来函数，我们支持获取历史任意时刻的指数成分股信息。请点击指数列表查看指数信息.

调用方法

get_index_stocks(index_symbol, date=None)

参数
- index_symbol, 指数代码
- date: 查询日期, 一个字符串(格式类似’2015-10-15’)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:
1. 回测模块: 默认值会随着回测日期变化而变化, 等于context.current_dt
2. 研究模块: 默认是今天
返回
- 返回股票代码的list

示例

# 获取所有沪深300的股票, 设为股票池
indexs = get_index_stocks('000300.XSHG')
set_universe(indexs)

行情数据

交易类数据提供指数的行情数据，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
• 当前单位时间的行情数据

历史行情数据

获取指数历史交易数据，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 成交的指数数量
• 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, 这只指数是否停牌, 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：

• 获取多支指数的单一属性
• 获取单支指数的多个属性
• 获取多支指数的多个属性

获取多支指数的单一属性

查看多支指数的单个属性历史数据。

调用方法

history(count, unit, field, security_list=['index_list'], 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

当取天数据时, 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: 要获取数据的指数列表
- 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: 是否跳过不交易日期(包括停牌, 未上市或者退市后的日期). 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), 上市前或者退市后数据都为 nan, , 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, 列索引是指数代号. 比如: 如果当前时间是2015-01-07, universe是[‘000300.XSHG’, ‘000001.XSHG’], history(2, '1d', 'open', ['000300.XSHG', '000001.XSHG'], df=True)将返回:

	000300.XSHG	000001.XSHE
2015-01-05 00:00:00	3450.814	3160.801
2015-01-06 00:00:00	3462.389	3172.597

关于numpy和pandas, 请看第三方库介绍

• df=False:
  dict, key是指数代码, 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', ['000300.XSHG', '000001.XSHG'], df=False)将返回:
  python
{
'000300.XSHG': array([ 3450.814, 3462.389]),
'000001.XSHG': array([ 3160.801, 3172.597])
}


示例

h = history(5, '1d', 'volume', ['000300.XSHG'], df=False) # 获取沪深300指数的过去一天(不包含当天)的交易额
h = history(5, '1m', 'high', ['000300.XSHG'], df=False) # 获取沪深300的过去5分钟(不包含当前分钟)的每分钟的最高价
h.mean() # 取得每一列的平均值

获取单支指数的多个属性

查看某一支指数的历史数据, 可以选这只指数的多个属性.

调用方法

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。
当取日K线数据时, 不包括当天的, 即使是在收盘后

参数
- security: 指数代码

• 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: 指数属性的list, 支持属性里面的所有基本属性.

• skip_paused: 是否跳过不交易日期(包括停牌, 未上市或者退市后的日期). 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), 上市前或者退市后数据都为 nan, 默认是True

• 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.）

• 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('000300.XSHG', 2)将返回:

	open	close	high	low	volume	money
2015-01-05 00:00:00	3566.09	3641.54	3669.04	3551.51	451198098.0	519849817448.0
2015-01-06 00:00:00	3608.43	3641.06	3683.23	3587.23	420962185.0	498529588258.0

- df=False:
dict, key是指数代码, 值是一个numpy数组[numpy.ndarray], 对应上面的DataFrame的每一列, 例如attribute_history('000300.XSHG', 2, df=False)将返回:
python
{
'volume': array([ 4.51198098e+08, 4.20962185e+08]),
'money': array([ 5.19849817e+11, 4.98529588e+11]),
'high': array([ 3669.04, 3683.23]),
'low': array([ 3551.51, 3587.23]),
'close': array([ 3641.54, 3641.06]),
'open': array([ 3566.09, 3608.43])
}


示例

index = '000300.XSHG'
h = attribute_history(index, 5, '1d', ('open','close', 'volume')) # 取得沪深300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']

获取多支指数的多个属性

获取一支或者多只指数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: 一支指数代码或者一个指数代码的list

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

  • 当取分钟数据时, 时间可以精确到分钟, 比如: 传入 datetime.datetime(2015, 1, 1, 10, 0, 0) 或者 '2015-01-01 10:00:00'.

  • 当取分钟数据时, 如果只传入日期, 则日内时间是当日的 00:00:00.

  • 当取天数据时, 传入的日内时间会被忽略

• end_date: 格式同上, 结束时间, 默认是’2015-12-31’, 包含此日期. 注意: 当取分钟数据时, 如果 end_date 只有日期, 则日内时间等同于 00:00:00, 所以返回的数据是不包括 end_date 这一天的.

• 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: 是否跳过不交易日期(包括停牌, 未上市或者退市后的日期). 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), 上市前或者退市后数据都为 nan, , 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, 为了方便比较一只指数的多个属性, 同时也满足对比多只指数的一个属性的需求, 我们在security参数是一只指数和多只指数时返回的结构完全不一样

• 如果是一支指数, 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('000300.XSHG')[:2] 返回:

	open	close	high	low	volume	money
2015-01-05 00:00:00	3566.09	3641.54	3669.04	3551.51	451198098.0	519849817448.0
2015-01-06 00:00:00	3608.43	3641.06	3683.23	3587.23	420962185.0	498529588258.0

- 如果是多支指数, 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, 列索引是指数代号. 比如get_price(['000300.XSHG', '000001.XSHG'])['open'][:2]返回:

	000300.XSHG	000001.XSHG
2015-01-05 00:00:00	3566.09	3258.627
2015-01-06 00:00:00	3608.43	3330.799

示例

# 获取一支指数
df = get_price('000001.XSHG') # 获取000001.XSHG的2015年的按天数据
df = get_price('000001.XSHG', start_date='2015-01-01', end_date='2015-02-01', frequency='minute', fields=['open', 'close']) # 获得000001.XSHG的2015年02月的分钟数据, 只获取open+close字段
df = get_price('000001.XSHG', start_date='2015-12-01 14:00:00', end_date='2015-12-02 12:00:00', frequency='1m') # 获得000001.XSHG的2015年12月1号14:00-2015年12月2日12:00的分钟数据

# 获取多只指数
panel =  get_price(get_index_stocks('000903.XSHG')) # 获取中证100的所有成分股的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, 列索引是指数代号
df_volume = panel['volume']  # 获取交易量的[pandas.DataFrame]

df_open['000001.XSHG'] # 获取平安银行的2015年每天的开盘价数据

当前单位时间的行情数据

获取当前时刻指数的如下属性：
- 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: 指数代码列表.

返回值
一个dict, key是指数代码, value是拥有如下属性的对象
- 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

示例

def handle_data(context, data):
    current_data = get_current_data(['000001.XSHG'])
    print current_data
    print current_data['000001.XSHG'].day_open #查询指数当天的开盘价