Python 批量获取 A 股全市场 K 线数据并计算技术指标（附完整代码）

Python 批量获取 A 股全市场 K 线数据并计算技术指标（附完整代码）

做量化研究，第一步就是拿到数据。这篇文章手把手教你用 Python 批量获取 A 股全市场 5000+ 只股票的历史 K 线，并计算常用技术指标（均线、MACD、RSI、布林带等），代码可以直接跑。

---

一、为什么需要批量获取全市场 K 线？

做量化分析，只看一两只股票是远远不够的。常见场景包括：

• 全市场选股：计算所有股票的技术指标，筛选符合条件的标的
• 因子计算：基于全市场数据构建因子库
• 行业对比：批量拉取行业内所有股票做横截面分析
• 策略回测：对全市场跑策略，评估收益分布

这就要求数据源必须满足两个条件：

1. 支持批量获取，一次拉取多只股票
2. 速度要快，5000+ 只股票不能跑半小时

---

二、环境准备

安装依赖

pip install "tickflow[all]" --upgrade

tickflow[all] 包含 pandas 和进度条支持，适合做数据分析。

TickFlow 官方文档：docs.tickflow.org

---

三、获取单只股票 K 线

先从最简单的开始。

免费获取日 K 线（无需注册）

from tickflow import TickFlow

tf = TickFlow.free()

df = tf.klines.get("600000.SH", period="1d", count=10000, as_dataframe=True)
print(f"获取到 {len(df)} 根 K 线")
print(df.tail())

输出示例：

获取到 6400 根 K 线
         symbol  name      timestamp  trade_date   open   high    low  close  volume       amount
6395  600000.SH  浦发银行  1775145600000  2026-04-03  10.25  10.25  10.08  10.12  411518  417211984.0
6396  600000.SH  浦发银行  1775491200000  2026-04-07  10.12  10.17   9.95   9.98  378826  380103392.0
...

TickFlow 的免费服务支持日 K（1d）、周 K（1w）、月 K（1M）、季 K（1Q）、年 K（1Y），单次最多获取 10000 根，无需注册和 API key。

获取分钟 K 线（需注册）

from tickflow import TickFlow

tf = TickFlow(api_key="your-api-key")

df = tf.klines.get("600000.SH", period="5m", count=100, as_dataframe=True)
print(df.tail())

分钟级 K 线支持 1m、5m、15m、30m、60m，需要在 tickflow.org 注册获取 API key。

---

四、批量获取全市场 K 线

方式一：指定标的列表

from tickflow import TickFlow

tf = TickFlow.free()

symbols = ["600000.SH", "000001.SZ", "600519.SH", "000858.SZ", "601318.SH"]
dfs = tf.klines.batch(symbols, period="1d", count=200, as_dataframe=True, show_progress=True)

print(f"成功获取 {len(dfs)} 只股票的数据")

for symbol, df in dfs.items():
    print(f"{symbol}: {len(df)} 根 K 线, 最新收盘价 {df['close'].iloc[-1]}")

方式二：获取全市场标的再批量拉取

from tickflow import TickFlow

tf = TickFlow(api_key="your-api-key")

# 获取 A 股全部标的代码
universe = tf.universes.get("CN_Equity_A")
symbols = universe["symbols"]
print(f"A 股共 {len(symbols)} 只标的")

# 批量获取全市场日 K 线
dfs = tf.klines.batch(
    symbols,
    period="1d",
    count=200,
    as_dataframe=True,
    show_progress=True,
    max_workers=5
)

print(f"成功获取 {len(dfs)} 只股票的数据")

实测：全市场 5000+ 只股票的最近 200 根日 K 线，1-2 分钟即可下载完成。

---

五、计算常用技术指标

拿到 K 线数据后，可以直接用 pandas 计算各种技术指标。

1. 均线（MA）

df = tf.klines.get("600519.SH", period="1d", count=200, as_dataframe=True)

df["ma5"] = df["close"].rolling(5).mean()
df["ma10"] = df["close"].rolling(10).mean()
df["ma20"] = df["close"].rolling(20).mean()
df["ma60"] = df["close"].rolling(60).mean()

print(df[["trade_date", "close", "ma5", "ma10", "ma20", "ma60"]].tail(10))

2. MACD

def calc_macd(df, fast=12, slow=26, signal=9):
    exp_fast = df["close"].ewm(span=fast, adjust=False).mean()
    exp_slow = df["close"].ewm(span=slow, adjust=False).mean()
    df["dif"] = exp_fast - exp_slow
    df["dea"] = df["dif"].ewm(span=signal, adjust=False).mean()
    df["macd"] = (df["dif"] - df["dea"]) * 2
    return df

df = calc_macd(df)
print(df[["trade_date", "close", "dif", "dea", "macd"]].tail(10))

3. RSI（相对强弱指标）

def calc_rsi(df, period=14):
    delta = df["close"].diff()
    gain = delta.where(delta > 0, 0)
    loss = -delta.where(delta < 0, 0)
    avg_gain = gain.rolling(period).mean()
    avg_loss = loss.rolling(period).mean()
    rs = avg_gain / avg_loss
    df[f"rsi_{period}"] = 100 - (100 / (1 + rs))
    return df

df = calc_rsi(df, 6)
df = calc_rsi(df, 14)
print(df[["trade_date", "close", "rsi_6", "rsi_14"]].tail(10))

4. 布林带（Bollinger Bands）

def calc_bollinger(df, period=20, std_dev=2):
    df["boll_mid"] = df["close"].rolling(period).mean()
    df["boll_std"] = df["close"].rolling(period).std()
    df["boll_upper"] = df["boll_mid"] + std_dev * df["boll_std"]
    df["boll_lower"] = df["boll_mid"] - std_dev * df["boll_std"]
    return df

df = calc_bollinger(df)
print(df[["trade_date", "close", "boll_upper", "boll_mid", "boll_lower"]].tail(10))

5. VWAP（成交量加权平均价）

tf_paid = TickFlow(api_key="your-api-key")

df_5m = tf_paid.klines.intraday("600000.SH", period="5m", as_dataframe=True)
df_5m["vwap"] = (df_5m["amount"] / df_5m["volume"]).round(2)
print(df_5m[["trade_time", "close", "vwap"]].tail())

---

六、全市场批量计算技术指标

将数据获取和指标计算串起来，对全市场做分析：

import pandas as pd
from tickflow import TickFlow

tf = TickFlow.free()

# 选取部分标的演示（实际可用全市场）
symbols = ["600000.SH", "000001.SZ", "600519.SH", "000858.SZ", "601318.SH"]

dfs = tf.klines.batch(symbols, period="1d", count=200, as_dataframe=True, show_progress=True)

results = []
for symbol, df in dfs.items():
    if len(df) < 60:
        continue

    df["ma5"] = df["close"].rolling(5).mean()
    df["ma20"] = df["close"].rolling(20).mean()

    # MACD
    exp12 = df["close"].ewm(span=12, adjust=False).mean()
    exp26 = df["close"].ewm(span=26, adjust=False).mean()
    df["dif"] = exp12 - exp26
    df["dea"] = df["dif"].ewm(span=9, adjust=False).mean()

    # RSI
    delta = df["close"].diff()
    gain = delta.where(delta > 0, 0).rolling(14).mean()
    loss = (-delta.where(delta < 0, 0)).rolling(14).mean()
    df["rsi_14"] = 100 - (100 / (1 + gain / loss))

    latest = df.iloc[-1]
    results.append({
        "symbol": symbol,
        "close": latest["close"],
        "ma5": round(latest["ma5"], 2),
        "ma20": round(latest["ma20"], 2),
        "ma5_above_ma20": latest["ma5"] > latest["ma20"],
        "dif": round(latest["dif"], 4),
        "dea": round(latest["dea"], 4),
        "macd_golden": latest["dif"] > latest["dea"],
        "rsi_14": round(latest["rsi_14"], 2),
    })

result_df = pd.DataFrame(results)
print(result_df.to_string(index=False))

输出类似：

     symbol  close    ma5   ma20  ma5_above_ma20     dif     dea  macd_golden  rsi_14
 600000.SH   9.89   9.93   9.85            True  0.0312  0.0280         True   52.31
 000001.SZ  10.91  10.88  10.75            True  0.0521  0.0410         True   55.20
 600519.SH  1580.0 1575.2 1560.8           True  8.1200  6.3400         True   58.90
 ...

---

七、筛选信号股票

基于计算结果，筛选出满足特定条件的股票：

# 均线多头 + MACD 金叉 + RSI 未超买
strong = result_df[
    (result_df["ma5_above_ma20"] == True) &
    (result_df["macd_golden"] == True) &
    (result_df["rsi_14"] < 70)
]

print(f"符合条件的股票: {len(strong)} 只")
print(strong[["symbol", "close", "rsi_14"]].to_string(index=False))

---

八、复权方式选择

做技术指标计算时，复权方式很重要。TickFlow 支持多种复权：

# 比例前复权（默认，适合量化回测和收益率计算）
df_forward = tf.klines.get("600000.SH", adjust="forward", as_dataframe=True)

# 差值前复权（与东方财富、同花顺等软件价格一致）
df_additive = tf.klines.get("600000.SH", adjust="forward_additive", as_dataframe=True)

# 不复权（原始价格）
df_none = tf.klines.get("600000.SH", adjust="none", as_dataframe=True)

# 后复权（长期收益对比）
df_backward = tf.klines.get("600000.SH", adjust="backward", as_dataframe=True)

复权方式	参数值	适用场景
比例前复权	forward	收益率计算、量化回测
差值前复权	forward_additive	与东方财富/同花顺价格对齐
不复权	none	原始价格
比例后复权	backward	长期收益对比

---

九、按时间范围获取数据

import datetime
from tickflow import TickFlow

tf = TickFlow(api_key="your-api-key")

start = int(datetime.datetime(2024, 1, 1).timestamp() * 1000)
end = int(datetime.datetime(2024, 12, 31).timestamp() * 1000)

df = tf.klines.get(
    "600000.SH",
    period="1d",
    start_time=start,
    end_time=end,
    count=10000,
    as_dataframe=True,
)

print(f"2024 年共 {len(df)} 个交易日")
print(df.tail())

---

十、异步方式提升性能

如果需要更高性能，可以使用异步客户端：

import asyncio
from tickflow import AsyncTickFlow

async def main():
    async with AsyncTickFlow(api_key="your-api-key") as tf:
        symbols = ["600000.SH", "000001.SZ", "600519.SH"]

        dfs = await tf.klines.batch(
            symbols,
            period="1d",
            count=200,
            as_dataframe=True,
            show_progress=True,
            max_concurrency=10,
        )

        for symbol, df in dfs.items():
            df["ma20"] = df["close"].rolling(20).mean()
            latest = df.iloc[-1]
            status = "站上" if latest["close"] > latest["ma20"] else "跌破"
            print(f"{symbol}: {latest['close']:.2f} ({status} MA20: {latest['ma20']:.2f})")

asyncio.run(main())

---

十一、总结

本文介绍了用 Python 批量获取 A 股全市场 K 线数据并计算技术指标的完整流程：

1. 安装 TickFlow SDK（pip install "tickflow[all]"）
2. 获取单只或批量股票的日 K、分钟 K 数据
3. 计算均线、MACD、RSI、布林带等技术指标
4. 全市场扫描并筛选信号股票

TickFlow 的核心优势在于：

• 免费层即可获取全量历史日 K，无需注册
• 批量获取 5000+ 只股票仅需 1-2 分钟
• 支持多种复权方式，与主流行情软件对齐
• API 设计统一，代码简洁

---

相关链接

• 官网：tickflow.org
• 文档：docs.tickflow.org
• Github：github.com/tickflow-or...

---

数据到手，技术指标就是几行代码的事。真正的量化，从拿到稳定数据开始。