① 【Python搞量化】pandas_datareader 經濟和金融數據讀取API介紹
《Python金融大數據分析》一書提及的FXCM數據與fxcmpy包，因限制條件未能順利獲取。轉向探索其他數據下載包，如國內流行的tushare和baostock，發現tushare已開始收費。因此，決定嘗試pandas_datareader，因其名稱帶有pandas，預期能方便地返回DataFrame格式的數據。
一、安裝pandas_datareader和簡單演示
通過遵循官方說明，成功安裝pandas_datareader並導入數據，驗證了其功能。
二、pandas_datareader的多個經濟金融數據來源
該包支持多種數據來源，涵蓋了股票、基金、貨幣交易數據（如FRED）以及宏觀經濟數據（OECD和World Bank）等。特別指出，其數據源豐富，滿足多種分析需求。
三、利用 pandas_datareader 讀取股指和股票交易數據
選取Stooq作為示例，讀取金融歷史數據。Stooq提供的指數數據，適合用於實踐金融策略和模型開發，或替代《Python金融大數據分析》中的FXCM數據源。具體實例展示了獲取DJI道瓊斯工業指數最近5年的數據。
此外，Naver Finance Data提供了韓國股票交易數據，其數據結構與上述數據類似，方便進行模型和演算法研究。
四、簡單的數據可視化
通過數據可視化，可以直觀地分析和呈現數據特性，為深入研究提供支持。
------全文結束-----
② 【手把手教你】Python獲取股票數據和可視化
數據獲取是金融量化分析的基礎，獲取可靠、真實的數據對於分析至關重要。隨著信息技術的發展，數據獲取渠道日益豐富，Python網路爬蟲在這一領域越來越受歡迎。然而，專業技能的局限性要求我們利用現有的開源庫來簡化數據獲取過程。本文將通過實例演示如何使用tushare、baostock、pandas_datareader和yahool等財經數據API獲取股票數據並進行可視化。在介紹API使用前，我們先了解獲取數據的來源與驅動因素。圖1顯示了股票漲跌的驅動因素，圖2列舉了公司基本面信息的來源，圖3展示了知名股票論壇，這些非結構化數據為後續分析提供了豐富資源。本文旨在為Python金融量化入門學習者提供引導，希望能激發更多學習興趣。
圖1 股票漲跌驅動因素
圖2 公司基本面信息源
圖3 知名股票論壇
首先介紹tushare庫。新版本tushare pro提供了更穩定、高質量的數據，包括滬深股票行情、財務數據、市場參考等，以及國內外股指、基金、期貨、期權、宏觀經濟、行業經濟等財經數據，為量化愛好者節省了時間。新版本需注冊獲取token才能免費使用，注冊網址在文檔中。安裝tushare庫，命令為`pip install tushare`或更新至最新版本，命令為`pip install tushare --upgrade`。以股票行情數據為例，展示如何獲取數據。
獲取個股行情數據，可使用`pro.stock_basic()`函數，參數包括`is_hs`（是否滬深港通標的），`list_status`（上市狀態），`exchange`（交易所）。獲取日行情、周行情、月行情分別使用`pro.daily(ts_code= 或 trade_date=)`。
接著是baostock庫。baostock提供了大量准確、完整的證券歷史行情數據和上市公司財務數據，滿足量化交易、數量金融、計量經濟領域的需求。獲取數據使用Python API，返回格式為pandas DataFrame，便於使用pandas、NumPy、Matplotlib等進行數據分析和可視化。訪問鏈接：baostock.com/baostock/i...
最後是雅虎財經API。雖然原版本不再維護，但有開發者推出了修復版本，使用命令`pip install fix_yahoo_finance`即可安裝。
總結，Python在金融量化領域的應用涉及多個方面，包括金融數據分析與挖掘、金融建模與量化投資等。本文通過具體實例展示了如何利用tushare、baostock、pandas_datareader和yahool等API獲取股票數據並進行可視化，旨在為初學者提供入門指導，促進更深入的學習與探索。
③ 使用 Python 獲取股票歷史資金流向數據（大單、超大單、主力流入等）
要使用Python獲取股票歷史資金流向數據，可以按照以下步驟進行：