AKShare被限IP、Tushare要积分？这才是最适合量化用的数据接口

大家好我是花姐，今天咱们聊点实在的：如何用 Python 高效获取股票列表、历史价格、估值和财务数据。之前我推荐过 AKShare 和 Tushare，但 AKShare 频繁访问容易被限 IP，Tushare 又需要积分获取行情数据。后来查了好多资料，终于让我发现了一个超级棒的方法，速度贼快，关键是免费！🎉

他就是掘金量化平台API

一、为什么选择掘金量化？

你可能在想，掘金量化到底有啥优势？简单说：

速度快：数据响应迅速，几乎没有延迟。
免费：大部分基础数据无需积分、无需充值。
稳定性高：接口稳定，适合长期使用。

我本人对数据获取的速度和稳定性要求很高，掘金量化在这方面表现不错。💡

二、环境配置

首先，确保你已经注册了掘金量化账号，并获取了 API Token。然后，安装官方提供的 SDK：

bash 复制代码

pip install gm -i https://mirrors.aliyun.com/pypi/simple/ -U

小提示： 安装的时候最好用python虚拟环境，支持python3.6 以上的版本

安装完成后，导入并初始化：

python 复制代码

from gm.api import *
set_token('这里填写你的token')

聪明的你一定会发现，这个初始化过程非常简洁明了。

三、获取股票列表

获取股票列表是量化分析的第一步。使用掘金量化的 get_instruments 方法，可以轻松获取当前所有上市股票的信息：

python 复制代码

data = get_instruments(
    exchanges='SZSE,SHSE', #交易所代码
    sec_types=1, #标的类型
    df=True) #是否返回Dataframe格式数据

小提示：

exchanges：交易所代码，SHSE:上海证券交易所，SZSE:深圳证券交易所， CFFEX:中金所，SHFE:上期所，DCE:大商所， CZCE:郑商所， INE:上海国际能源交易中心，GFEX:广期所

sec_types 标的类型， 1: 股票, 2: 基金, 3: 指数, 4: 期货, 5: 期权, 8：可转债, 10: 期货连续合约，只能输入单个品种

可以通过print(data.columns)查看有哪些列

text 复制代码

Index(['symbol', 'sec_level', 'multiplier', 'margin_ratio', 'pre_close',    
       'upper_limit', 'lower_limit', 'adj_factor', 'is_suspended',
       'settle_price', 'position', 'pre_settle', 'strike_price',
       'conversion_price', 'redemption_record_date', 'sec_type', 'exchange',
       'sec_id', 'sec_name', 'sec_abbr', 'price_tick', 'listed_date',       
       'delisted_date', 'trade_n', 'board', 'quote_unit',
       'option_margin_ratio1', 'option_margin_ratio2', 'sec_type_ext',      
       'option_type', 'call_or_put', 'underlying_symbol', 'exercise_price', 
       'conversion_start_date', 'trade_date', 'is_adjusted'],
      dtype='object')

通过data[['symbol','sec_name']]就可以获取我们需要的股票代码和股票名称了

四、获取历史价格数据

历史价格数据是策略回测的基础。使用 history 方法，可以获取指定股票的历史行情数据：

python 复制代码

for _,row in data.iterrows():
    symbol = row.symbol
    df_hq = history(symbol=symbol, 
                    frequency='1d', 
                    start_time='2025-01-01 09:00:00', 
                    end_time='2025-06-01 16:00:00',
                    adjust=ADJUST_PREV, 
                    adjust_end_time='2025-06-01', 
                    df=True)
    df_hq.to_csv(symbol+".csv",index=False)

symbol：标的代码, 如有多个代码, 中间用 , (英文逗号) 隔开, 也支持 ['symbol1', 'symbol2'] 这种列表格式
frequency：频率, 支持 'tick', '1d', '60s' 等, 默认 '1d'
start_time ：开始时间 (%Y-%m-%d %H:%M:%S 格式), 也支持 datetime.datetime 格式
end_time：结束时间 (%Y-%m-%d %H:%M:%S 格式), 也支持 datetime.datetime 格式
adjust：ADJUST_NONE or 0: 不复权, ADJUST_PREV or 1: 前复权, ADJUST_POST or 2: 后复权默认不复权
adjust_end_time ：复权基点时间, 默认当前时间
df：是否返回 dataframe 格式, 默认 False, 返回 list[dict]

如果大家在做策略研究的时候最好把行情数据下载到本地，这样读取速度快，不占带宽。

五、获取估值数据

估值数据对于选股和策略优化至关重要。使用 stk_get_daily_valuation_pt 方法，可以获取市盈率、市净率等估值指标：

python 复制代码

data = stk_get_daily_valuation_pt(
    symbols=['SZSE.000001', 'SHSE.600000'], 
    fields='pe_ttm,pe_lyr,pe_mrq',
    trade_date=None, 
    df=True)
print(data)

text 复制代码

        symbol  trade_date  pe_lyr  pe_mrq  pe_ttm
0  SHSE.600000  2025-05-30  7.9968  5.1414  7.9657
1  SZSE.000001  2025-05-30  5.0403  3.9787  5.1368

如果你需要其它估值指标可以参考下表

字段名	类型	中文名称	单位
pe_ttm	float	市盈率(TTM)	倍
pe_lyr	float	市盈率(最新年报LYR)	倍
pe_mrq	float	市盈率(最新报告期MRQ)	倍
pe_1q	float	市盈率(当年一季×4)	倍
pe_2q	float	市盈率(当年中报×2)	倍
pe_3q	float	市盈率(当年三季×4/3)	倍
pe_ttm_cut	float	市盈率(TTM) 扣除非经常性损益	倍
pe_lyr_cut	float	市盈率(最新年报LYR) 扣除非经常性损益	倍
pe_mrq_cut	float	市盈率(最新报告期MRQ) 扣除非经常性损益	倍
pe_1q_cut	float	市盈率(当年一季×4) 扣除非经常性损益	倍
pe_2q_cut	float	市盈率(当年中报×2) 扣除非经常性损益	倍
pe_3q_cut	float	市盈率(当年三季×4/3) 扣除非经常性损益	倍
pb_lyr	float	市净率(最新年报LYR)	倍
pb_mrq	float	市净率(最新报告期MRQ)	倍
pb_lyr_1	float	市净率(剔除其他权益工具，LYR)	倍
pb_mrq_1	float	市净率(剔除其他权益工具，MRQ)	倍
pcf_ttm_oper	float	市现率(经营现金流,TTM)	倍
pcf_ttm_ncf	float	市现率(现金净流量,TTM)	倍
pcf_lyr_oper	float	市现率(经营现金流,最新年报LYR)	倍
pcf_lyr_ncf	float	市现率(现金净流量,最新年报LYR)	倍
ps_ttm	float	市销率(TTM)	倍
ps_lyr	float	市销率(最新年报LYR)	倍
ps_mrq	float	市销率(最新报告期MRQ)	倍
ps_1q	float	市销率(当年一季×4)	倍
ps_2q	float	市销率(当年中报×2)	倍
ps_3q	float	市销率(当年三季×4/3)	倍
peg_lyr	float	历史PEG值(当年年报增长率)
peg_mrq	float	历史PEG值(最新报告期增长率)
peg_1q	float	历史PEG值(当年1季×4较上年增长率)
peg_2q	float	历史PEG值(当年中报×2较上年增长率)
peg_3q	float	历史PEG值(当年3季×4/3较上年增长率)
peg_np_cgr	float	历史PEG值(PE_TTM较净利润3年复合增长率)
peg_npp_cgr	float	历史PEG值(PE_TTM较净利润3年复合增长率)
dy_ttm	float	股息率(TTM)	%
dy_lfy	float	股息率(上一财年LFY)	%

六、获取财务数据

财务数据是量化分析的重要依据。使用 stk_get_finance_prime 方法，可以获取利润表、资产负债表、现金流量表等数据：

python 复制代码

data = stk_get_finance_prime(
    symbol='SZSE.000001', 
    fields='eps_basic,eps_dil',
    rpt_type=None, 
    data_type=None,
    start_date=None, 
    end_date=None, 
    df=True)
print(data)

text 复制代码

        symbol    pub_date    rpt_date  rpt_type  data_type  eps_dil  eps_basic
0  SZSE.000001  2025-04-19  2025-03-31         1        100     0.62       0.62

有一个需要强调下，symbol只支持单个股票

rpt_type：按报告期查询可指定以下报表类型：
- 1-一季度报
- 6-中报
- 9-前三季报
- 12-年报
- 默认None为不限

fields字段的值可以参考下表

字段名	类型	中文名称	单位
eps_basic	float	基本每股收益	元
eps_dil	float	稀释每股收益	元
eps_basic_cut	float	扣除非经常性损益后的基本每股收益	元
eps_dil_cut	float	扣除非经常性损益后的稀释每股收益	元
net_cf_oper_ps	float	每股经营活动产生的现金流量净额	元
bps_pcom_ps	float	归属于母公司股东的每股净资产	元
ttl_ast	float	总资产	元
ttl_liab	float	总负债	元
share_cptl	float	股本	股
ttl_inc_oper	float	营业总收入	元
inc_oper	float	营业收入	元
oper_prof	float	营业利润	元
ttl_prof	float	利润总额	元
ttl_eqy_pcom	float	归属于母公司股东的所有者权益	元
net_prof_pcom	float	归属于母公司股东的净利润	元
net_prof_pcom_cut	float	扣除非经常性损益后归属于母公司股东的净利润	元
roe	float	全面摊薄净资产收益率	%
roe_weight_avg	float	加权平均净资产收益率	%
roe_cut	float	扣除非经常性损益后的全面摊薄净资产收益率	%
roe_weight_avg_cut	float	扣除非经常性损益后的加权平均净资产收益率	%
net_cf_oper	float	经营活动产生的现金流量净额	元
eps_yoy	float	每股收益同比比例	%
inc_oper_yoy	float	营业收入同比比例	%
ttl_inc_oper_yoy	float	营业总收入同比比例	%
net_prof_pcom_yoy	float	归母净利润同比比例	%
bps_sh	float	归属于普通股东的每股净资产	元
net_asset	float	归属于普通股东的净资产	元
net_prof	float	归属于普通股东的净利润	元
net_prof_cut	float	扣除非经常性损益后归属于普通股东的净利润	元

七、总结

通过掘金量化平台的 API，我们可以高效、稳定地获取股票列表、历史价格、估值和财务数据，为量化分析提供坚实的数据基础。聪明的你一定会发现，这个平台在数据获取方面的优势明显，值得深入探索。不过有一个小缺点就是调用的时候需要打开掘金量化的客户端。

如果你对某个具体的策略实现感兴趣，或者在使用过程中遇到问题，欢迎留言讨论。我们一起进步，一起发财！💰