获取股票概况
包含股票的上市时间、退市时间、代码、名称、是否是ST等。
获取合约基础信息数据
该信息每交易日9点更新
内置Python
提示
旧版本客户端中,函数名为ContextInfo.get_instrumentdetail
调用方法
ContextInfo.get_instrument_detail(stockcode)
释义
根据代码获取合约详细信息
参数
字段名 | 数据类型 | 解释 |
---|---|---|
stockcode | string | 标的名称,必须是 'stock.market' 形式 |
返回值
根据stockcode返回一个dict。该字典数据key值有:
名称 | 类型 | 描述 |
---|---|---|
ExchangeID | string | 合约市场代码 |
InstrumentID | string | 合约代码 |
InstrumentName | string | 合约名称 |
ProductID | string | 合约的品种ID(期货) |
ProductName | string | 合约的品种名称(期货) |
ProductType | int | 合约的类型, 默认-1,枚举值可参考下方说明 |
ExchangeCode | string | 交易所代码 |
UniCode | string | 统一规则代码 |
CreateDate | str | 创建日期 |
OpenDate | str | 上市日期(特殊值情况见表末) |
ExpireDate | int | 退市日或者到期日(特殊值情况见表末) |
PreClose | float | 前收盘价格 |
SettlementPrice | float | 前结算价格 |
UpStopPrice | float | 当日涨停价 |
DownStopPrice | float | 当日跌停价 |
FloatVolume | float | 流通股本(注意,部分低等级客户端中此字段为FloatVolumn) |
TotalVolume | float | 总股本(注意,部分低等级客户端中此字段为FloatVolumn) |
LongMarginRatio | float | 多头保证金率 |
ShortMarginRatio | float | 空头保证金率 |
PriceTick | float | 最小价格变动单位 |
VolumeMultiple | int | 合约乘数(对期货以外的品种,默认是1) |
MainContract | int | 主力合约标记,1、2、3分别表示第一主力合约,第二主力合约,第三主力合约 |
LastVolume | int | 昨日持仓量 |
InstrumentStatus | int | 合约停牌状态(<=0:正常交易(-1:复牌);>=1停牌天数;) |
IsTrading | bool | 合约是否可交易 |
IsRecent | bool | 是否是近月合约 |
提示
字段OpenDate
有以下几种特殊值: 19700101=新股, 19700102=老股东增发, 19700103=新债, 19700104=可转债, 19700105=配股, 19700106=配号 字段ExpireDate
为0 或 99999999 时,表示该标的暂无退市日或到期日
字段ProductType
对于股票以外的品种,有以下几种值
国内期货市场:1-期货 2-期权(DF SF ZF INE GF) 3-组合套利 4-即期 5-期转现 6-期权(IF) 7-结算价交易(tas) 沪深股票期权市场:0-认购 1-认沽 外盘: 1-100:期货, 101-200:现货, 201-300:股票相关 1:股指期货 2:能源期货 3:农业期货 4:金属期货 5:利率期货 6:汇率期货 7:数字货币期货 99:自定义合约期货 107:数字货币现货 201:股票 202:GDR 203:ETF 204:ETN 300:其他
示例
# coding:gbk
def init(C):
pass
def handlebar(C):
data = C.get_instrumentdetail("000001.SZ")
print(data)
{'ExchangeID': 'SZ', 'InstrumentID': '000001', 'InstrumentName': '平安银行', 'ProductID': None, 'ProductName': None, 'CreateDate': 0, 'OpenDate': 19910403, 'ExpireDate': 99999999, 'PreClose': 10.69, 'SettlementPrice': 10.69, 'UpStopPrice': 11.76, 'DownStopPrice': 9.62, 'FloatVolumn': 19405546950.0, 'TotalVolumn': 19405918198.0, 'LongMarginRatio': None, 'ShortMarginRatio': None, 'PriceTick': 0.01, 'VolumeMultiple': 1, 'MainContract': None, 'LastVolume': None, 'InstrumentStatus': 0, 'IsTrading': None, 'IsRecent': None}
原生Python
调用方法
from xtquant import xtdata
xtdata.get_instrument_detail(stock_code)
参数
名称 | 类型 | 描述 |
---|---|---|
stock_code | string | 合约代码 |
返回值
- 一个字典, 有如下键值,找不到指定合约时返回
None
:
名称 | 类型 | 描述 |
---|---|---|
ExchangeID | string | 合约市场代码 |
InstrumentID | string | 合约代码 |
InstrumentName | string | 合约名称 |
ProductID | string | 合约的品种ID(期货) |
ProductName | string | 合约的品种名称(期货) |
ProductType | int | 合约的类型, 默认-1,枚举值可参考下方说明 |
ExchangeCode | string | 交易所代码 |
UniCode | string | 统一规则代码 |
CreateDate | str | 创建日期 |
OpenDate | str | 上市日期(特殊值情况见表末) |
ExpireDate | int | 退市日或者到期日(特殊值情况见表末) |
PreClose | float | 前收盘价格 |
SettlementPrice | float | 前结算价格 |
UpStopPrice | float | 当日涨停价 |
DownStopPrice | float | 当日跌停价 |
FloatVolume | float | 流通股本(注意,部分低等级客户端中此字段为FloatVolumn) |
TotalVolume | float | 总股本(注意,部分低等级客户端中此字段为FloatVolumn) |
LongMarginRatio | float | 多头保证金率 |
ShortMarginRatio | float | 空头保证金率 |
PriceTick | float | 最小价格变动单位 |
VolumeMultiple | int | 合约乘数(对期货以外的品种,默认是1) |
MainContract | int | 主力合约标记,1、2、3分别表示第一主力合约,第二主力合约,第三主力合约 |
LastVolume | int | 昨日持仓量 |
InstrumentStatus | int | 合约停牌状态(<=0:正常交易(-1:复牌);>=1停牌天数;) |
IsTrading | bool | 合约是否可交易 |
IsRecent | bool | 是否是近月合约 |
提示
字段OpenDate
有以下几种特殊值: 19700101=新股, 19700102=老股东增发, 19700103=新债, 19700104=可转债, 19700105=配股, 19700106=配号 字段ExpireDate
为0 或 99999999 时,表示该标的暂无退市日或到期日
字段ProductType
对于股票以外的品种,有以下几种值
国内期货市场:1-期货 2-期权(DF SF ZF INE GF) 3-组合套利 4-即期 5-期转现 6-期权(IF) 7-结算价交易(tas) 沪深股票期权市场:0-认购 1-认沽 外盘: 1-100:期货, 101-200:现货, 201-300:股票相关 1:股指期货 2:能源期货 3:农业期货 4:金属期货 5:利率期货 6:汇率期货 7:数字货币期货 99:自定义合约期货 107:数字货币现货 201:股票 202:GDR 203:ETF 204:ETN 300:其他
示例
from xtquant import xtdata
# 输出平安银行信息的中文名称
xtdata.get_instrument_detail("000001.SZ")
{"ExchangeID": "SZ",
"InstrumentID": "000001",
"InstrumentName": "平安银行",
"ProductID": "",
"ProductName": "",
"ExchangeCode": "000001",
"UniCode": "000001",
"CreateDate": "0",
"OpenDate": "19910403",
"ExpireDate": 99999999,
"PreClose": 11.02,
"SettlementPrice": 11.02,
"UpStopPrice": 12.12,
"DownStopPrice": 9.92,
"FloatVolume": 19405546950.0,
"TotalVolume": 19405918198.0,
"LongMarginRatio": 1.7976931348623157e+308,
"ShortMarginRatio": 1.7976931348623157e+308,
"PriceTick": 0.01,
"VolumeMultiple": 1,
"MainContract": 2147483647,
"LastVolume": 2147483647,
"InstrumentStatus": 0,
"IsTrading": False,
"IsRecent": False,
"ProductTradeQuota": 6488165,
"ContractTradeQuota": 7209071,
"ProductOpenInterestQuota": 7536740,
"ContractOpenInterestQuota": 2097193}
获取板块成分股列表
调用方法
from xtquant import xtdata
xtdata.get_stock_list_in_sector(sector_name)
参数
名称 | 类型 | 描述 |
---|---|---|
sector_name | string | 版块名称 |
返回
list
示例
from xtquant import xtdata
# 获取沪深A股全部股票的代码
xtdata.get_stock_list_in_sector("沪深A股")
['000001.SZ',
'000002.SZ',
'000004.SZ',
'000005.SZ',
'000006.SZ',
'000007.SZ',
'000008.SZ',
'000009.SZ',
'000010.SZ',
'000011.SZ',
'000012.SZ',
'000014.SZ',
'000016.SZ',
'000017.SZ',
'000019.SZ',
'000020.SZ',
'000021.SZ',
'000023.SZ',
'000025.SZ',
'000026.SZ',
'000027.SZ',
'000028.SZ',
'000029.SZ',
'000030.SZ',
'000031.SZ',
...]
获取某只股票ST的历史
内置python
提示
- 本函数需要下载历史ST数据(过期合约K线),可通过
界面端数据管理 - 过期合约数据
下载 - 该数据是VIP权限数据
原型
ContextInfo.get_his_st_data(stockcode)
释义
获取某只股票ST的历史
参数
字段名 | 数据类型 | 解释 |
---|---|---|
stockcode | string | 股票代码,'stkcode.market',如'000004.SZ' |
返回值
dict
,st历史,key为ST,*ST,PT,历史未ST会返回{}
示例
# coding:gbk
def init(C):
pass
def handlebar(C):
print(C.get_his_st_data('000004.SZ'))
{'ST': [['19990427', '20010306'], ['20070525', '20090421'], ['20100531', '20110608'], ['20220506', '20230628']], '*ST': [['20060421', '20070525'], ['20090421', '20100531']]}
原生python
提示
- 获取该数据前需要先调用xtdata.download_his_st_data()进行数据下载
- 该数据是VIP权限数据
调用方法
from xtquant import xtdata
xtdata.get_his_st_data(stock_code)
参数
名称 | 类型 | 描述 |
---|---|---|
stock_code | string | 股票代码 |
返回值
dict
类型的st历史,key为ST,*ST,PT,历史未ST会返回{}
名称 | 类型 | 描述 |
---|---|---|
ST | list | ST时间段 |
*ST | list | *ST时间段 |
PT | list | PT时间段 |
示例
from xtquant import xtdata
import time
# 下载市场历史ST情况
xtdata.download_his_st_data()
# 由于download_his_st_data是异步函数,需要确保下载完成
time.sleep(3)
# 获取000004.SZ历史ST情况
xtdata.get_his_st_data('000004.SZ')
{"ST": [["19990427", "20010306"],
["20070525", "20090421"],
["20100531", "20110608"],
["20220506", "20230628"]],
"*ST": [["20060421", "20070525"], ["20090421", "20100531"]]}
获取行情数据
交易类数据提供股票的交易行情数据,通过API接口调用即可获取相应的数据。
具体请查看API, 数据获取部分行情相关接口 数据获取函数。
名称 | 描述 |
---|---|
get_market_data | 获取历史数据与实时行情(包含tick数据),可查询多个标的多个数据字段,返回数据格式为 {field:DataFrame} |
get_market_data_ex | 获取历史数据与实时行情(包含tick数据),可查询多个标的多个数据字段,返回数据格式为 {stock_code:DataFrame} |
get_local_data | 获取历史数据(包含tick数据),可查询单个或多个标的多个数据字段,返回数据格式为 {stock_code:DataFrame} |
get_full_tick | 获取最新的 tick 数据 |
subscribe_whole_quote | 订阅多个标的实时tick数据 |
获取历史行情与实时行情
提示
在gmd系列函数中,历史行情需要从本地读取,所以若想取历史行情,需要先将历史行情下载到本地,而实时行情是从服务器返回的
所以,若需要历史行情,请先使用
界面端
或者download_history
函数进行下载;若需要最新行情,请向服务器进行订阅
特别的,对于xtdata.get_market_data_ex来说,由于没有subscribe参数,需要在参数外先进行订阅(
subscribe_quote
)才能获取最新行情对于同时获取历史和实时行情的情况,gmd系列函数会自动进行拼接
内置Python
调用方法
ContextInfo.get_market_data_ex(
fields=[],
stock_code=[],
period='follow',
start_time='',
end_time='',
count=-1,
dividend_type='follow',
fill_data=True,
subscribe=True)
释义
获取实时行情与历史行情数据
参数
名称 | 类型 | 描述 |
---|---|---|
field | list | 数据字段,详情见下方field字段表 |
stock_list | list | 合约代码列表 |
period | str | 数据周期,可选字段为: "tick" "1m"的整数倍周期 "5m"的整数倍周期 "1d"的整数倍周期 |
start_time | str | 数据起始时间,格式为 %Y%m%d 或 %Y%m%d%H%M%S,填""为获取历史最早一天 |
end_time | str | 数据结束时间,格式为 %Y%m%d 或 %Y%m%d%H%M%S ,填""为截止到最新一天 |
count | int | 数据个数 |
dividend_type | str | 除权方式,可选值为 'none':不复权 'front':前复权 'back':后复权 'front_ratio': 等比前复权 'back_ratio': 等比后复权 |
fill_data | bool | 是否填充数据 |
subscribe | bool | 订阅数据开关,默认为True,设置为False时不做数据订阅,只读取本地已有数据。 |
field
字段可选:
field | 数据类型 | 含义 |
---|---|---|
time | int | 时间 |
open | float | 开盘价 |
high | float | 最高价 |
low | float | 最低价 |
close | float | 收盘价 |
volume | float | 成交量 |
amount | float | 成交额 |
settle | float | 今结算 |
openInterest | float | 持仓量 |
preClose | float | 前收盘价 |
suspendFlag | int | 停牌 1停牌,0 不停牌 |
period
周期为tick时,field
字段可选:
字段名 | 数据类型 | 含义 |
---|---|---|
time | int | 时间戳 |
stime | string | 时间戳字符串形式 |
lastPrice | float | 最新价 |
open | float | 开盘价 |
high | float | 最高价 |
low | float | 最低价 |
lastClose | float | 前收盘价 |
amount | float | 成交总额 |
volume | int | 成交总量(手) |
pvolume | int | 原始成交总量(未经过股手转换的成交总量)【不推荐使用】 |
stockStatus | int | 证券状态 |
openInterest | int | 若是股票,则openInt含义为股票状态,非股票则是持仓量 openInt字段说明 |
transactionNum | float | 成交笔数(期货没有,单独计算) |
lastSettlementPrice | float | 前结算(股票为0) |
settlementPrice | float | 今结算(股票为0) |
askPrice | list[float] | 多档委卖价 |
askVol | list[int] | 多档委卖量 |
bidPrice | list[float] | 多档委买价 |
bidVol | list[int] | 多档委买量 |
返回值
- 返回dict { stock_code1 : value1, stock_code2 : value2, ... }
- value1, value2, ... :pd.DataFrame 数据集,index为time_list,columns为fields,可参考Bar字段
- 各标的对应的DataFrame维度相同、索引相同
示例
# coding:gbk
def init(C):
start_date = '20231001'# 格式"YYYYMMDD",开始下载的日期,date = ""时全量下载
end_date = ""
period = "1d"
need_download = 1 # 取数据是空值时,将need_download赋值为1,确保正确下载了历史数据
code_list = ["000001.SZ", "600519.SH"] # 股票列表
if need_download: # 判断要不要下载数据, gmd系列函数都是从本地读取历史数据,从服务器订阅获取最新数据
my_download(code_list, period, start_date, end_date)
############ 仅获取历史行情 #####################
subscribe = False # 设置订阅参数,使gmd_ex仅返回本地数据
count = -1 # 设置count参数,使gmd_ex返回全部数据
data1 = C.get_market_data_ex([],code_list,period = period, start_time = start_date, end_time = end_date,subscribe = subscribe)
############ 仅获取最新行情 #####################
subscribe = True # 设置订阅参数,使gmd_ex仅返回最新行情
count = 1 # 设置count参数,使gmd_ex仅返回最新行情数据
data2 = C.get_market_data_ex([],code_list,period = period, start_time = start_date, end_time = end_date,subscribe = subscribe, count = 1) # count 设置为1,使返回值只包含最新行情
############ 获取历史行情+最新行情 #####################
subscribe = True # 设置订阅参数,使gmd_ex仅返回最新行情
count = -1 # 设置count参数,使gmd_ex返回全部数据
data3 = C.get_market_data_ex([],code_list,period = period, start_time = start_date, end_time = end_date,subscribe = subscribe, count = -1) # count 设置为-1,使返回值包含最新行情和历史行情
print(data1[code_list[0]].tail())# 行情数据查看
print(data2[code_list[0]].tail())
print(data3[code_list[0]].tail())
def handlebar(C):
return
def my_download(stock_list,period,start_date = '', end_date = ''):
'''
用于显示下载进度
'''
if "d" in period:
period = "1d"
elif "m" in period:
if int(period[0]) < 5:
period = "1m"
else:
period = "5m"
elif "tick" == period:
pass
else:
raise KeyboardInterrupt("周期传入错误")
n = 1
num = len(stock_list)
for i in stock_list:
print(f"当前正在下载{n}/{num}")
download_history_data(i,period,start_date, end_date)
n += 1
print("下载任务结束")
当前正在下载1/2
当前正在下载2/2
下载任务结束
start simulation mode
amount close high low open openInterest preClose \
stime
20231124 6.914234e+08 10.10 10.13 10.08 10.11 15 10.15
20231127 8.362684e+08 10.01 10.09 9.97 10.09 15 10.10
20231128 7.844058e+08 9.95 10.02 9.95 9.99 15 10.01
20231129 1.438320e+09 9.72 9.97 9.70 9.95 15 9.95
20231130 8.714817e+08 9.68 9.73 9.62 9.69 15 9.72
settelementPrice stime suspendFlag time volume
stime
20231124 0.0 20231124 0 1700755200000 684695
20231127 0.0 20231127 0 1701014400000 836188
20231128 0.0 20231128 0 1701100800000 786175
20231129 0.0 20231129 0 1701187200000 1467597
20231130 0.0 20231130 0 1701273600000 901765
start simulation mode
amount close high low open openInterest preClose \
stime
20231130 8.714817e+08 9.68 9.73 9.62 9.69 15 9.72
settelementPrice stime suspendFlag time volume
stime
20231130 0.0 20231130 0 1701273600000 901765
start simulation mode
amount close high low open openInterest preClose \
stime
20231124 6.914234e+08 10.10 10.13 10.08 10.11 15 10.15
20231127 8.362684e+08 10.01 10.09 9.97 10.09 15 10.10
20231128 7.844058e+08 9.95 10.02 9.95 9.99 15 10.01
20231129 1.438320e+09 9.72 9.97 9.70 9.95 15 9.95
20231130 8.714817e+08 9.68 9.73 9.62 9.69 15 9.72
settelementPrice stime suspendFlag time volume
stime
20231124 0.0 20231124 0 1700755200000 684695
20231127 0.0 20231127 0 1701014400000 836188
20231128 0.0 20231128 0 1701100800000 786175
20231129 0.0 20231129 0 1701187200000 1467597
20231130 0.0 20231130 0 1701273600000 901765
原生Python
调用方法
from xtquant import xtdata
xtdata.get_market_data_ex(
field_list=[],# 字段
stock_list=[],# 合约代码列表
period='1d',# 数据周期——1m、5m、1d、tick
start_time='',# 数据起始时间%Y%m%d或%Y%m%d%H%M%S
end_time='',# 数据结束时间%Y%m%d或%Y%m%d%H%M%S
count=-1, # 数据个数
dividend_type='none', # 除权方式
fill_data=True, # 是否填充数据
)
参数
名称 | 类型 | 描述 |
---|---|---|
field | list | 数据字段,详情见下方field字段表 |
stock_list | list | 合约代码列表 |
period | str | 数据周期——1m、5m、1d、tick |
start_time | str | 数据起始时间,格式为 %Y%m%d 或 %Y%m%d%H%M%S,填""为获取历史最早一天 |
end_time | str | 数据结束时间,格式为 %Y%m%d 或 %Y%m%d%H%M%S ,填""为截止到最新一天 |
count | int | 数据个数 |
dividend_type | str | 除权方式 |
fill_data | bool | 是否填充数据 |
field
字段可选:
field | 数据类型 | 含义 |
---|---|---|
time | int | 时间 |
open | float | 开盘价 |
high | float | 最高价 |
low | float | 最低价 |
close | float | 收盘价 |
volume | float | 成交量 |
amount | float | 成交额 |
settle | float | 今结算 |
openInterest | float | 持仓量 |
preClose | float | 前收盘价 |
suspendFlag | int | 停牌 1停牌,0 不停牌 |
period
周期为tick时,field
字段可选:
字段名 | 数据类型 | 含义 |
---|---|---|
time | int | 时间戳 |
stime | string | 时间戳字符串形式 |
lastPrice | float | 最新价 |
open | float | 开盘价 |
high | float | 最高价 |
low | float | 最低价 |
lastClose | float | 前收盘价 |
amount | float | 成交总额 |
volume | int | 成交总量(手) |
pvolume | int | 原始成交总量(未经过股手转换的成交总量)【不推荐使用】 |
stockStatus | int | 证券状态 |
openInterest | int | 若是股票,则openInt含义为股票状态,非股票则是持仓量 openInt字段说明 |
transactionNum | float | 成交笔数(期货没有,单独计算) |
lastSettlementPrice | float | 前结算(股票为0) |
settlementPrice | float | 今结算(股票为0) |
askPrice | list[float] | 多档委卖价 |
askVol | list[int] | 多档委卖量 |
bidPrice | list[float] | 多档委买价 |
bidVol | list[int] | 多档委买量 |
返回值
- period为
1m
5m
1d
K线周期时- 返回dict { field1 : value1, field2 : value2, ... }
- value1, value2, ... :pd.DataFrame 数据集,index为stock_list,columns为time_list
- 各字段对应的DataFrame维度相同、索引相同
示例
from xtquant import xtdata
import time
def my_download(stock_list,period,start_date = '', end_date = ''):
'''
用于显示下载进度
'''
if "d" in period:
period = "1d"
elif "m" in period:
if int(period[0]) < 5:
period = "1m"
else:
period = "5m"
elif "tick" == period:
pass
else:
raise KeyboardInterrupt("周期传入错误")
n = 1
num = len(stock_list)
for i in stock_list:
print(f"当前正在下载{n}/{num}")
xtdata.download_history_data(i,period,start_date, end_date)
n += 1
print("下载任务结束")
def do_subscribe_quote(stock_list:list, period:str):
for i in stock_list:
xtdata.subscribe_quote(i,period = period)
time.sleep(1) # 等待订阅完成
if __name__ == "__main__":
start_date = '20231001'# 格式"YYYYMMDD",开始下载的日期,date = ""时全量下载
end_date = ""
period = "1d"
need_download = 1 # 取数据是空值时,将need_download赋值为1,确保正确下载了历史数据
code_list = ["000001.SZ", "600519.SH"] # 股票列表
if need_download: # 判断要不要下载数据, gmd系列函数都是从本地读取历史数据,从服务器订阅获取最新数据
my_download(code_list, period, start_date, end_date)
############ 仅获取历史行情 #####################
count = -1 # 设置count参数,使gmd_ex返回全部数据
data1 = xtdata.get_market_data_ex([],code_list,period = period, start_time = start_date, end_time = end_date)
############ 仅获取最新行情 #####################
do_subscribe_quote(code_list,period)# 设置订阅参数,使gmd_ex取到最新行情
count = 1 # 设置count参数,使gmd_ex仅返回最新行情数据
data2 = xtdata.get_market_data_ex([],code_list,period = period, start_time = start_date, end_time = end_date, count = 1) # count 设置为1,使返回值只包含最新行情
############ 获取历史行情+最新行情 #####################
do_subscribe_quote(code_list,period) # 设置订阅参数,使gmd_ex取到最新行情
count = -1 # 设置count参数,使gmd_ex返回全部数据
data3 = xtdata.get_market_data_ex([],code_list,period = period, start_time = start_date, end_time = end_date, count = -1) # count 设置为1,使返回值只包含最新行情
print(data1[code_list[0]].tail())# 行情数据查看
print(data2[code_list[0]].tail())
print(data3[code_list[0]].tail())
当前正在下载1/2
当前正在下载2/2
下载任务结束
amount close high low open openInterest preClose \
stime
20231124 6.914234e+08 10.10 10.13 10.08 10.11 15 10.15
20231127 8.362684e+08 10.01 10.09 9.97 10.09 15 10.10
20231128 7.844058e+08 9.95 10.02 9.95 9.99 15 10.01
20231129 1.438320e+09 9.72 9.97 9.70 9.95 15 9.95
20231130 8.714817e+08 9.68 9.73 9.62 9.69 15 9.72
settelementPrice stime suspendFlag time volume
stime
20231124 0.0 20231124 0 1700755200000 684695
20231127 0.0 20231127 0 1701014400000 836188
20231128 0.0 20231128 0 1701100800000 786175
20231129 0.0 20231129 0 1701187200000 1467597
20231130 0.0 20231130 0 1701273600000 901765
amount close high low open openInterest preClose \
stime
20231130 8.714817e+08 9.68 9.73 9.62 9.69 15 9.72
settelementPrice stime suspendFlag time volume
stime
20231130 0.0 20231130 0 1701273600000 901765
amount close high low open openInterest preClose \
stime
20231124 6.914234e+08 10.10 10.13 10.08 10.11 15 10.15
20231127 8.362684e+08 10.01 10.09 9.97 10.09 15 10.10
20231128 7.844058e+08 9.95 10.02 9.95 9.99 15 10.01
20231129 1.438320e+09 9.72 9.97 9.70 9.95 15 9.95
20231130 8.714817e+08 9.68 9.73 9.62 9.69 15 9.72
settelementPrice stime suspendFlag time volume
stime
20231124 0.0 20231124 0 1700755200000 684695
20231127 0.0 20231127 0 1701014400000 836188
20231128 0.0 20231128 0 1701100800000 786175
20231129 0.0 20231129 0 1701187200000 1467597
20231130 0.0 20231130 0 1701273600000 901765
获取股票历史涨跌停价格
原生Python
提示
获取该数据前需要先调用
xtdata.download_history_data
进行下载,period参数选择"stoppricedata"
该数据通过
get_market_data_ex
接口获取,period参数选择"stoppricedata"
若是只需要最新一天的涨跌停价格,可通过get_instrument_detail的
UpStopPrice
和DownStopPrice
字段获取该数据是VIP权限数据
调用方法
get_market_data_ex([],stock_list,period="stoppricedata",start_time = "", end_time = "")
参数
参数名称 | 类型 | 描述 |
---|---|---|
field_list | list | 数据字段列表,传空则为全部字段 |
stock_list | list | 合约代码列表 |
period | string | 周期 |
start_time | string | 起始时间 |
end_time | string | 结束时间 |
count | int | 数据个数。默认参数,大于等于0时,若指定了 start_time ,end_time ,此时以 end_time 为基准向前取 count 条;若 start_time ,end_time 缺省,默认取本地数据最新的 count 条数据;若 start_time ,end_time ,count 都缺省时,默认取本地全部数据 |
返回值
返回一个 {stock_code
:pd.DataFrame
} 结构的dict
对象,默认的列索引为取得的全部字段. 如果给定了 fields
参数, 则列索引与给定的 fields
对应.
示例
from xtquant import xtdata
stock_list = xtdata.get_stock_list_in_sector("沪深A股")[:5]
# 下载涨跌停价格数据
for i in stock_list:
xtdata.download_history_data(i, 'stoppricedata', '', '')
# 获取涨跌停价格数据
data = xtdata.get_market_data_ex([], stock_list, 'stoppricedata', '', '')
print(data)
{'000001.SZ': time 涨停价 跌停价
0 663004800000 0.00 0.00
1 663609600000 0.00 0.00
2 664214400000 0.00 0.00
3 664819200000 0.00 0.00
4 665424000000 0.00 0.00
... ... ... ...
7824 1701360000000 10.65 8.71
7825 1701619200000 10.63 8.69
7826 1701705600000 10.59 8.67
7827 1701792000000 10.43 8.53
7828 1701878400000 10.45 8.55
[7829 rows x 3 columns],
'000002.SZ': time 涨停价 跌停价
0 663004800000 0.00 0.00
1 664214400000 0.00 0.00
2 665078400000 0.00 0.00
3 665164800000 0.00 0.00
4 665424000000 0.00 0.00
... ... ... ...
7816 1701360000000 12.58 10.30
7817 1701619200000 12.54 10.26
7818 1701705600000 12.30 10.06
7819 1701792000000 11.87 9.71
7820 1701878400000 11.94 9.77
[7821 rows x 3 columns],
'000004.SZ': time 涨停价 跌停价
0 663004800000 0.00 0.00
1 663609600000 0.00 0.00
2 663782400000 0.00 0.00
3 663868800000 0.00 0.00
4 663955200000 0.00 0.00
... ... ... ...
7687 1701360000000 19.09 15.62
7688 1701619200000 19.71 16.13
7689 1701705600000 19.94 16.32
7690 1701792000000 19.00 15.54
7691 1701878400000 18.72 15.32
[7692 rows x 3 columns],
'000005.SZ': time 涨停价 跌停价
0 661536000000 0.00 0.00
1 661622400000 0.00 0.00
2 661708800000 0.00 0.00
3 661968000000 0.00 0.00
4 662054400000 0.00 0.00
... ... ... ...
7303 1701360000000 1.47 1.33
7304 1701619200000 1.47 1.33
7305 1701705600000 1.48 1.34
7306 1701792000000 1.48 1.34
7307 1701878400000 1.47 1.33
[7308 rows x 3 columns],
'000006.SZ': time 涨停价 跌停价
0 704304000000 0.00 0.00
1 704390400000 0.00 0.00
2 704476800000 0.00 0.00
3 704563200000 0.00 0.00
4 704822400000 0.00 0.00
... ... ... ...
7491 1701360000000 5.09 4.17
7492 1701619200000 5.14 4.20
7493 1701705600000 5.12 4.19
7494 1701792000000 5.07 4.15
7495 1701878400000 5.27 4.31
[7496 rows x 3 columns]}
股票快照指标
提供标的的量比,涨速,换手率等数据
提示
- 通过指定period为
snapshotindex
获取该数据 - 该数据为VIP 权限数据
- 获取时需要先通过subscribe_quote进行订阅
原生python
调用方法
xtdata.get_market_data_ex([],stock_list,period="snapshotindex",start_time = "", end_time = "")
返回值
分两种,当使用gmd_ex函数获取时:
- 一个
{stock_code:pd.DataFrame}
结构的dict对象,其中pd.DataFrame的结构为:index
: 时间序列,str
类型值columns
: ['time', '量比', '1分钟涨速', '5分钟涨速', '3日涨幅', '5日涨幅', '10日涨幅', '3日换手', '5日换手', '10日换手']
当使用callback函数时:
- 一个
{stock_code:[{field1:values1,field2:values2,...}]}
的dict嵌套对象
示例
from xtquant import xtdata
def f(data):
print(data)
# 获取前需要先订阅,该数据通过指定period = 'snapshotindex'获取
xtdata.subscribe_quote("000001.SZ",period = 'snapshotindex', count = -1,callback = f)
data = xtdata.get_market_data_ex([],["000001.SZ"],period="snapshotindex",start_time = "", end_time = "",count = 10)
print(data)
{'000001.SZ': time 量比 1分钟涨速 5分钟涨速 3日涨幅 5日涨幅 \
20230724093000 1690162200000 0.00 0.00 0.00 0.001768 0.001768
20230724093100 1690162260000 10.53 -0.09 -0.09 0.000000 0.000000
20230724093200 1690162320000 6.84 -0.35 -0.44 -0.003537 -0.003537
20230724093300 1690162380000 6.42 0.09 -0.35 -0.002653 -0.002653
20230724093400 1690162440000 6.04 -0.09 -0.44 -0.003537 -0.003537
... ... ... ... ... ... ...
20240229143000 1709188200000 0.51 0.00 0.10 -0.003799 -0.037615
20240229143100 1709188260000 0.51 0.00 0.00 -0.003799 -0.037615
20240229143200 1709188320000 0.51 0.00 0.00 -0.003799 -0.037615
20240229143300 1709188380000 0.51 0.00 0.10 -0.003799 -0.037615
20240229143400 1709188440000 0.51 0.10 0.19 -0.002849 -0.036697
10日涨幅 3日换手 5日换手 10日换手
20230724093000 0.011607 0.004827 0.009229 0.028597
20230724093100 0.009821 0.004901 0.009303 0.028672
20230724093200 0.006250 0.004936 0.009337 0.028706
20230724093300 0.007143 0.004993 0.009395 0.028763
20230724093400 0.006250 0.005044 0.009445 0.028814
... ... ... ... ...
20240229143000 0.091571 0.033694 0.066829 0.140845
20240229143100 0.091571 0.033734 0.066870 0.140886
20240229143200 0.091571 0.033758 0.066894 0.140910
20240229143300 0.091571 0.033826 0.066961 0.140977
20240229143400 0.092612 0.033828 0.066963 0.140979
[35134 rows x 10 columns]}
{'000001.SZ': [{'time': 1709188440000, '量比': 0.51, '1分钟涨速': 0.0, '5分钟涨速': 0.1, '3日涨幅': -0.0037, '5日涨幅': -0.0376, '10日涨幅': 0.0915, '3日换手': 0.0338, '5日换手': 0.0669, '10日换手': 0.1409}]}
{'000001.SZ': [{'time': 1709188440000, '量比': 0.51, '1分钟涨速': 0.19, '5分钟涨速': 0.1, '3日涨幅': -0.0028, '5日涨幅': -0.0366, '10日涨幅': 0.0926, '3日换手': 0.0338, '5日换手': 0.0669, '10日换手': 0.1409}]}
涨跌停/集合竞价表现
原生python
提供开盘集合竞价成交量,收盘集合竞价成交量,炸板次数,涨停金额等数据
提示
- 通过指定period为
limitupperformance
获取该数据 - 该数据为VIP 权限数据
- 获取历史数据时需要先通过[download_history_data]进行下载,实时数据通过subscribe_quote进行订阅
调用方法
xtdata.get_market_data_ex([],stock_list,period="limitupperformance",start_time = "", end_time = "")
返回值
字段名 | 数据类型 | 含义 |
---|---|---|
time | int | 时间戳 |
openVol | int | 开盘集合竞价的成交量 |
closeVol | int | 收盘集合竞价的成交量 |
finalVol | int | 盘后定价的成交量 |
startUp | int | 涨停开始时间 |
endUp | int | 涨停结束时间 |
breakUp | int | 炸板次数 |
upAmount | float | 涨停金额 |
startDn | int | 跌停开始时间 |
endDn | int | 跌停结束时间 |
breakDn | int | 开板次数 |
dnAmount | float | 跌停金额 |
direct | int | 涨跌方向 0-无 1-涨停 2-跌停 |
sealVolRatio | float | 封成比 |
sealFreeRatio | float | 封流比 |
bidPreRatio | float | 竞昨比 |
sealCount | int | 几板 |
sealDays | int | 几天 |
sealBreak | int | 封板中断天数 |
示例
from xtquant import xtdata
def f(data):
print(data)
period = "limitupperformance"
stock = "000001.SZ"
ls = [stock]
xtdata.download_history_data2(ls,period = period) # 下载历史数据
# 获取前需要先订阅,该数据通过指定period = 'limitupperformance'获取
xtdata.subscribe_quote(stock,period = 'limitupperformance', count = -1,callback = f)
data = xtdata.get_market_data_ex([],[stock],period="limitupperformance",start_time = "", end_time = "",count = 10)
print(data)
{'000001.SZ': time openVol closeVol finalVol startUp endUp \
20190531000000 1559232000000 6334 15124 0 0 0
20190603000000 1559491200000 6873 10702 0 0 0
20190604000000 1559577600000 4707 5957 0 0 0
20190605000000 1559664000000 9472 3344 0 0 0
20190606000000 1559750400000 4165 6051 0 0 0
... ... ... ... ... ... ...
20240513000000 1715529600000 19142 13848 0 0 0
20240514000000 1715616000000 15960 15193 0 0 0
20240515000000 1715702400000 4481 11689 0 0 0
20240516000000 1715788800000 3377 25695 0 0 0
20240517000000 1715875200000 31414 51721 0 0 0
breakUp upAmount startDn endDn breakDn dnAmount direct \
20190531000000 0 0.0 0 0 0 0.0 0
20190603000000 0 0.0 0 0 0 0.0 0
20190604000000 0 0.0 0 0 0 0.0 0
20190605000000 0 0.0 0 0 0 0.0 0
20190606000000 0 0.0 0 0 0 0.0 0
... ... ... ... ... ... ... ...
20240513000000 0 0.0 0 0 0 0.0 0
20240514000000 0 0.0 0 0 0 0.0 0
20240515000000 0 0.0 0 0 0 0.0 0
20240516000000 0 0.0 0 0 0 0.0 0
20240517000000 0 0.0 0 0 0 0.0 0
sealVolRatio sealFreeRatio bidPreRatio sealCount sealDays \
20190531000000 0.0 0.0 0.980064 0 0
20190603000000 0.0 0.0 1.000737 0 0
20190604000000 0.0 0.0 0.311162 0 0
20190605000000 0.0 0.0 0.971831 0 0
20190606000000 0.0 0.0 0.556155 0 0
... ... ... ... ... ...
20240513000000 0.0 0.0 1.082793 0 0
20240514000000 0.0 0.0 1.137969 0 0
20240515000000 0.0 0.0 0.416533 0 0
20240516000000 0.0 0.0 0.388922 0 0
20240517000000 0.0 0.0 1.021164 0 0
sealBreak
20190531000000 0
20190603000000 0
20190604000000 0
20190605000000 0
20190606000000 0
... ...
20240513000000 0
20240514000000 0
20240515000000 0
20240516000000 0
20240517000000 0
[1204 rows x 19 columns]}
获取股票资金流向数据
获取一只或者多只股票在一个时间段内的资金流向数据
提示
1.该数据通过get_market_data
和get_market_data_ex
接口获取,period参数选择transactioncount1d
或者 transactioncount1m
2.获取历史数据前需要先用download_history_data
下载历史数据
3.VIP 权限数据
内置python
原型
# 逐笔成交统计日级
C.get_market_data_ex([],stock_list,period="transactioncount1d",start_time = "", end_time = "")
# 逐步成交统计1分钟级
C.get_market_data_ex([],stock_list,period="transactioncount1m",start_time = "", end_time = "")
参数
除period参数需指定为transactioncount1d
或者 transactioncount1m
外,其余参数与ContextInfo.get_market_data_ex一致
返回值
- 返回dict { stock_code1 : value1, stock_code2 : value2, ... }
- value1, value2, ... :pd.DataFrame 数据集,index为time_list,columns为fields
提示
特大单:成交金额大于或等于100万元或成交量大于或等于5000手
大单:成交金额大于或等于20万元或成交量大于或等于1000手
中单:成交金额大于或等于4万元或成交量大于或等于200手
小单:其它为小单
字段名 | 数据类型 | 含义 |
---|---|---|
time | int | 时间戳 |
bidNumber | int | 主买单总单数 |
bidMostVolume | int | 主买特大单成交量 |
bidBigVolume | int | 主买大单成交量 |
bidMediumVolume | int | 主买中单成交量 |
bidSmallVolume | int | 主买小单成交量 |
offNumber | int | 主卖单总单数 |
offMostVolume | int | 主卖特大单成交量 |
offBigVolume | int | 主卖大单成交量 |
offMediumVolume | int | 主卖中单成交量 |
offSmallVolume | int | 主卖小单成交量 |
bidMostAmount | float | 主买特大单成交额 |
bidBigAmount | float | 主买大单成交额 |
bidMediumAmount | float | 主买中单成交额 |
bidSmallAmount | float | 主买小单成交额 |
offMostAmount | float | 主卖特大单成交额 |
offBigAmount | float | 主卖大单成交额 |
offMediumAmount | float | 主卖中单成交额 |
offSmallAmount | float | 主卖小单成交额 |
ddx | float | 大单动向 |
ddy | float | 涨跌动因 |
ddz | float | 大单差分 |
zjbyNetInflow | int | 资金博弈 净流入 |
zjbyMost | int | 资金博弈 超大单 |
zjbyBig | int | 资金博弈 大单 |
zjbyMedium | int | 资金博弈 中单 |
zjbySmall | int | 资金博弈 小单 |
netOrder | int | 净挂 |
netWithdraw | int | 净撤 |
withdrawBid | int | 总撤买 |
withdrawOff | int | 总撤卖 |
unactiveBidMostVolume | int | 被动买特大单成交量 |
unactiveBidBigVolume | int | 被动买大单成交量 |
unactiveBidMediumVolume | int | 被动买中单成交量 |
unactiveBidSmallVolume | int | 被动买小单成交量 |
unactiveOffMostVolume | int | 被动卖特大单成交量 |
unactiveOffBigVolume | int | 被动卖大单成交量 |
unactiveOffMediumVolume | int | 被动卖中单成交量 |
unactiveOffSmallVolume | int | 被动卖小单成交量 |
unactiveBidMostAmount | float | 被动买特大单成交额 |
unactiveBidBigAmount | float | 被动买大单成交额 |
unactiveBidMediumAmount | float | 被动买中单成交额 |
unactiveBidSmallAmount | float | 被动买小单成交额 |
unactiveOffMostAmount | float | 被动卖特大单成交额 |
unactiveOffBigAmount | float | 被动卖大单成交额 |
unactiveOffMediumAmount | float | 被动卖中单成交额 |
unactiveOffSmallAmount | float | 被动卖小单成交额 |
示例
# coding:gbk
def init(C):
return
def f(data):
print(data)
def after_init(C):
stock_list = ["000001.SZ"]
if 1:
download_history_data("000001.SZ","transactioncount1d",'','')
C.subscribe_quote("000001.SZ","transactioncount1d",callback = f)
# C.subscribe_quote("000001.SZ","transactioncount1d")
print(C.get_market_data_ex([],stock_list,period="transactioncount1d",start_time = "", end_time = ""))
pass
bidBigAmount 3.53868e+08
bidBigVolmue 333765
bidMediumAmount 9.43932e+07
bidMediumVolmue 89050
bidMostAmount 1.76518e+09
bidMostVolmue 1666209
bidNumber 2523
bidSmallAmount 8.33361e+06
bidSmallVolmue 7862
ddx 30.73
ddy -9.83
ddz 2.48
netOrder 0
netWithdraw 0
offBigAmount 3.22761e+08
offBigVolmue 304380
offMediumAmount 7.95061e+07
offMediumVolmue 74975
offMostAmount 1.16452e+09
offMostVolmue 1099078
offNumber 2071
offSmallAmount 5.36e+06
offSmallVolmue 5058
stime 20240315
time 1710432000000
unactiveBidBigAmount 3.22761e+08
unactiveBidBigVolmue 304380
unactiveBidMediumAmount 7.95061e+07
unactiveBidMediumVolmue 74975
unactiveBidMostAmount 1.16452e+09
unactiveBidMostVolmue 1099078
unactiveBidSmallAmount 5.36e+06
unactiveBidSmallVolmue 5058
unactiveOffBigAmount 3.53868e+08
unactiveOffBigVolmue 333765
unactiveOffMediumAmount 9.43932e+07
unactiveOffMediumVolmue 89050
unactiveOffMostAmount 1.76518e+09
unactiveOffMostVolmue 1666209
unactiveOffSmallAmount 8.33361e+06
unactiveOffSmallVolmue 7862
withdrawBid 0
withdrawOff 0
zjbyBig 31107201
zjbyMedium 14887134
zjbyMost 600652357
zjbyNetInflow 649620302
zjbySmall 2973610
Name: 20240315, dtype: object
{'000001.SZ': bidBigAmount bidBigVolmue bidMediumAmount bidMediumVolmue \
stime
20240315 353868458.0 333765 94535250.0 89184
bidMostAmount bidMostVolmue bidNumber bidSmallAmount \
stime
20240315 1.765176e+09 1666209 2524 8333609.0
bidSmallVolmue ddx ... unactiveOffMostVolmue \
stime ...
20240315 7862 30.73 ... 1666209
unactiveOffSmallAmount unactiveOffSmallVolmue withdrawBid \
stime
20240315 8333609.0 7862 0
withdrawOff zjbyBig zjbyMedium zjbyMost zjbyNetInflow \
stime
20240315 0 31107201 15029164 600652357 649762332
zjbySmall
stime
20240315 2973610
[1 rows x 48 columns]}
原生python
原型
# 逐笔成交统计日级
get_market_data_ex([],stock_list,period="transactioncount1d",start_time = "", end_time = "")
# 逐步成交统计1分钟级
get_market_data_ex([],stock_list,period="transactioncount1m",start_time = "", end_time = "")
参数
参数名称 | 类型 | 描述 |
---|---|---|
field_list | list | 数据字段列表,传空则为全部字段 |
stock_list | list | 合约代码列表 |
period | string | 周期 |
start_time | string | 起始时间 |
end_time | string | 结束时间 |
count | int | 数据个数。默认参数,大于等于0时,若指定了 start_time ,end_time ,此时以 end_time 为基准向前取 count 条;若 start_time ,end_time 缺省,默认取本地数据最新的 count 条数据;若 start_time ,end_time ,count 都缺省时,默认取本地全部数据 |
dividend_type | string | 除权方式 |
fill_data | bool | 是否向后填充空缺数据 |
field_list
字段可选:
提示
特大单:成交金额大于或等于100万元或成交量大于或等于5000手
大单:成交金额大于或等于20万元或成交量大于或等于1000手
中单:成交金额大于或等于4万元或成交量大于或等于200手
小单:其它为小单
字段名 | 数据类型 | 含义 |
---|---|---|
time | int | 时间戳 |
bidNumber | int | 主买单总单数 |
bidMostVolume | int | 主买特大单成交量 |
bidBigVolume | int | 主买大单成交量 |
bidMediumVolume | int | 主买中单成交量 |
bidSmallVolume | int | 主买小单成交量 |
offNumber | int | 主卖单总单数 |
offMostVolume | int | 主卖特大单成交量 |
offBigVolume | int | 主卖大单成交量 |
offMediumVolume | int | 主卖中单成交量 |
offSmallVolume | int | 主卖小单成交量 |
bidMostAmount | float | 主买特大单成交额 |
bidBigAmount | float | 主买大单成交额 |
bidMediumAmount | float | 主买中单成交额 |
bidSmallAmount | float | 主买小单成交额 |
offMostAmount | float | 主卖特大单成交额 |
offBigAmount | float | 主卖大单成交额 |
offMediumAmount | float | 主卖中单成交额 |
offSmallAmount | float | 主卖小单成交额 |
ddx | float | 大单动向 |
ddy | float | 涨跌动因 |
ddz | float | 大单差分 |
zjbyNetInflow | int | 资金博弈 净流入 |
zjbyMost | int | 资金博弈 超大单 |
zjbyBig | int | 资金博弈 大单 |
zjbyMedium | int | 资金博弈 中单 |
zjbySmall | int | 资金博弈 小单 |
netOrder | int | 净挂 |
netWithdraw | int | 净撤 |
withdrawBid | int | 总撤买 |
withdrawOff | int | 总撤卖 |
unactiveBidMostVolume | int | 被动买特大单成交量 |
unactiveBidBigVolume | int | 被动买大单成交量 |
unactiveBidMediumVolume | int | 被动买中单成交量 |
unactiveBidSmallVolume | int | 被动买小单成交量 |
unactiveOffMostVolume | int | 被动卖特大单成交量 |
unactiveOffBigVolume | int | 被动卖大单成交量 |
unactiveOffMediumVolume | int | 被动卖中单成交量 |
unactiveOffSmallVolume | int | 被动卖小单成交量 |
unactiveBidMostAmount | float | 被动买特大单成交额 |
unactiveBidBigAmount | float | 被动买大单成交额 |
unactiveBidMediumAmount | float | 被动买中单成交额 |
unactiveBidSmallAmount | float | 被动买小单成交额 |
unactiveOffMostAmount | float | 被动卖特大单成交额 |
unactiveOffBigAmount | float | 被动卖大单成交额 |
unactiveOffMediumAmount | float | 被动卖中单成交额 |
unactiveOffSmallAmount | float | 被动卖小单成交额 |
返回
返回一个 {stock_code
:pd.DataFrame
} 结构的dict
对象,默认的列索引为取得的全部字段. 如果给定了 fields
参数, 则列索引与给定的 fields
对应.
示例
from xtquant import xtdata
# 获取历史数据前,请确保已经下载历史数据
xtdata.download_history_data("000001.SZ",period="transactioncount1d")
xtdata.download_history_data("000582.SZ",period="transactioncount1d")
# 获取一只股票在一个时间段内的资金流量数据
data1 = xtdata.get_market_data_ex([],["000001.SZ"],period="transactioncount1d",start_time = "20230101", end_time = "20231009")
# 获取多只股票在一个时间段内的资金流向数据
data2 = xtdata.get_market_data_ex([],["000001.SZ","000582.SZ"],period="transactioncount1d",start_time = "20230101", end_time = "20231009")
# 获取多只股票在某一天的资金流向数据
data3 = xtdata.get_market_data_ex([],["000001.SZ","000582.SZ"],period="transactioncount1d",start_time = "20231009", end_time = "20231009")
{'000001.SZ': time bidNumber bidMostVolume bidBigVolume \
20230919000000 1695052800000 984 69117 44872
20230921000000 1695225600000 895 108902 83679
20230925000000 1695571200000 1623 231467 74114
20230926000000 1695657600000 2062 67169 55677
20230927000000 1695744000000 2009 58878 62465
bidMediumVolume bidSmallVolume offNumber offMostVolume \
20230919000000 26438 6501 1967 85488
20230921000000 35465 3924 983 229549
20230925000000 43191 10924 2505 187342
20230926000000 51364 17352 2249 116657
20230927000000 56459 14777 1309 81739
offBigVolume offMediumVolume ... unactiveOffMediumVolume \
20230919000000 59203 59738 ... 26438
20230921000000 86736 32368 ... 35465
20230925000000 122762 72830 ... 43191
20230926000000 60107 56529 ... 51364
20230927000000 45153 35564 ... 56459
unactiveOffSmallVolume unactiveBidMostAmount \
20230919000000 6501 95675555.0
20230921000000 3924 254330642.0
20230925000000 10924 210680989.0
20230926000000 17352 130480050.0
20230927000000 14777 91271341.0
unactiveBidBigAmount unactiveBidMediumAmount \
20230919000000 66298552.0 66894672.0
20230921000000 96037439.0 35829510.0
20230925000000 138055328.0 81832159.0
20230926000000 67243196.0 63224375.0
20230927000000 50446231.0 39734344.0
unactiveBidSmallAmount unactiveOffMostAmount \
20230919000000 15027131.0 77417455.0
20230921000000 6162863.0 120659362.0
20230925000000 20874412.0 260444433.0
20230926000000 22504832.0 75270646.0
20230927000000 9942591.0 65804316.0
unactiveOffBigAmount unactiveOffMediumAmount \
20230919000000 50235300.0 29606244.0
20230921000000 92703643.0 39276977.0
20230925000000 83333817.0 48529084.0
20230926000000 62328071.0 57432804.0
20230927000000 69814571.0 63092343.0
unactiveOffSmallAmount
20230919000000 7278898.0
20230921000000 4345184.0
20230925000000 12272276.0
20230926000000 19401833.0
20230927000000 16510431.0
[5 rows x 47 columns]}
{'000001.SZ': time bidNumber bidMostVolume bidBigVolume \
20230919000000 1695052800000 984 69117 44872
20230921000000 1695225600000 895 108902 83679
20230925000000 1695571200000 1623 231467 74114
20230926000000 1695657600000 2062 67169 55677
20230927000000 1695744000000 2009 58878 62465
bidMediumVolume bidSmallVolume offNumber offMostVolume \
20230919000000 26438 6501 1967 85488
20230921000000 35465 3924 983 229549
20230925000000 43191 10924 2505 187342
20230926000000 51364 17352 2249 116657
20230927000000 56459 14777 1309 81739
offBigVolume offMediumVolume ... unactiveOffMediumVolume \
20230919000000 59203 59738 ... 26438
20230921000000 86736 32368 ... 35465
20230925000000 122762 72830 ... 43191
20230926000000 60107 56529 ... 51364
20230927000000 45153 35564 ... 56459
unactiveOffSmallVolume unactiveBidMostAmount \
20230919000000 6501 95675555.0
20230921000000 3924 254330642.0
20230925000000 10924 210680989.0
20230926000000 17352 130480050.0
20230927000000 14777 91271341.0
unactiveBidBigAmount unactiveBidMediumAmount \
20230919000000 66298552.0 66894672.0
20230921000000 96037439.0 35829510.0
20230925000000 138055328.0 81832159.0
20230926000000 67243196.0 63224375.0
20230927000000 50446231.0 39734344.0
unactiveBidSmallAmount unactiveOffMostAmount \
20230919000000 15027131.0 77417455.0
20230921000000 6162863.0 120659362.0
20230925000000 20874412.0 260444433.0
20230926000000 22504832.0 75270646.0
20230927000000 9942591.0 65804316.0
unactiveOffBigAmount unactiveOffMediumAmount \
20230919000000 50235300.0 29606244.0
20230921000000 92703643.0 39276977.0
20230925000000 83333817.0 48529084.0
20230926000000 62328071.0 57432804.0
20230927000000 69814571.0 63092343.0
unactiveOffSmallAmount
20230919000000 7278898.0
20230921000000 4345184.0
20230925000000 12272276.0
20230926000000 19401833.0
20230927000000 16510431.0
[5 rows x 47 columns],
'000582.SZ': time bidNumber bidMostVolume bidBigVolume \
20231009000000 1696780800000 1235 1822 7834
bidMediumVolume bidSmallVolume offNumber offMostVolume \
20231009000000 13594 11220 1158 0
offBigVolume offMediumVolume ... unactiveOffMediumVolume \
20231009000000 13378 19074 ... 13594
unactiveOffSmallVolume unactiveBidMostAmount \
20231009000000 11220 0.0
unactiveBidBigAmount unactiveBidMediumAmount \
20231009000000 10446929.0 14883956.0
unactiveBidSmallAmount unactiveOffMostAmount \
20231009000000 9972652.0 1419544.0
unactiveOffBigAmount unactiveOffMediumAmount \
20231009000000 6119272.0 10617787.0
unactiveOffSmallAmount
20231009000000 8753931.0
[1 rows x 47 columns]}
{'000582.SZ': time bidNumber bidMostVolume bidBigVolume \
20231009000000 1696780800000 1235 1822 7834
bidMediumVolume bidSmallVolume offNumber offMostVolume \
20231009000000 13594 11220 1158 0
offBigVolume offMediumVolume ... unactiveOffMediumVolume \
20231009000000 13378 19074 ... 13594
unactiveOffSmallVolume unactiveBidMostAmount \
20231009000000 11220 0.0
unactiveBidBigAmount unactiveBidMediumAmount \
20231009000000 10446929.0 14883956.0
unactiveBidSmallAmount unactiveOffMostAmount \
20231009000000 9972652.0 1419544.0
unactiveOffBigAmount unactiveOffMediumAmount \
20231009000000 6119272.0 10617787.0
unactiveOffSmallAmount
20231009000000 8753931.0
[1 rows x 47 columns],
'000001.SZ': time bidNumber bidMostVolume bidBigVolume \
20231009000000 1696780800000 1720 124493 91717
bidMediumVolume bidSmallVolume offNumber offMostVolume \
20231009000000 52939 12295 2691 193122
offBigVolume offMediumVolume ... unactiveOffMediumVolume \
20231009000000 120549 79591 ... 52939
unactiveOffSmallVolume unactiveBidMostAmount \
20231009000000 12295 214620203.0
unactiveBidBigAmount unactiveBidMediumAmount \
20231009000000 133821821.0 88366888.0
unactiveBidSmallAmount unactiveOffMostAmount \
20231009000000 23450520.0 138450770.0
unactiveOffBigAmount unactiveOffMediumAmount \
20231009000000 101823002.0 58774037.0
unactiveOffSmallAmount
20231009000000 13652109.0
[1 rows x 47 columns]}
获取股票订单流数据
获取股票在某个价位的订单数量
提示
1.该数据通过get_market_data
和get_market_data_ex
接口获取,period参数选择orderflow1m
或者 orderflow1d
2.获取历史数据前需要先用download_history_data
下载历史数据,订单流数据仅提供orderflow1m
周期数据下载,其他周期的订单流数据都是通过1m周期合成的
3.订单流版 权限数据
内置python
原型
# 一分钟订单流
C.get_market_data_ex([],stock_list,period="orderflow1m",start_time = "", end_time = "")
# 1d订单流
C.get_market_data_ex([],stock_list,period="orderflow1d",start_time = "", end_time = "")
参数 除period参数需指定为orderflow1m
或者 orderflow1d
外,其余参数与ContextInfo.get_market_data_ex一致
返回值
- 返回dict { stock_code1 : value1, stock_code2 : value2, ... }
- value1, value2, ... :pd.DataFrame 数据集,index为time_list,columns为fields
示例
# coding:gbk
def init(C):
return
def f(data):
print(data)
def after_init(C):
stock_list = ["000001.SZ"]
if 1:
download_history_data("000001.SZ","orderflow1m",'','')
C.subscribe_quote("000001.SZ","orderflow1m",callback = f)
# C.subscribe_quote("000001.SZ","transactioncount1d")
print(C.get_market_data_ex([],stock_list,period="orderflow1m",start_time = "", end_time = "",count = 1))
start simulation mode
{'000001.SZ': buyNum price sellNum stime \
stime
20240315150000 [0, 82724] [10.58, 10.6] [0, 0] 20240315150000
time
stime
20240315150000 1710486000000 }
buyNum [0, 82724]
price [10.58, 10.6]
sellNum [0, 0]
stime 20240315150000
time 1710486000000
Name: 20240315150000, dtype: object
原生pytrhon
from xtquant import xtdata
# 订单流数据仅提供1m周期数据下载,其他周期的订单流数据都是通过1m周期合成的
period = "orderflow1m"
# 下载000001.SZ的1m订单流数据
xtdata.download_history_data("000001.SZ",period=period)
# 获取000001.SZ的1m订单流数据
xtdata.get_market_data_ex([],["000001.SZ"],period=period)["000001.SZ"]
参数
名称 | 类型 | 描述 |
---|---|---|
field | list | 数据字段,详情见下方field字段表 |
stock_list | list | 合约代码列表 |
period | str | 订单流数据周期——orderflow1m, orderflow5m, orderflow15m, orderflow30m, orderflow1h, orderflow1d |
start_time | str | 数据起始时间,格式为 %Y%m%d 或 %Y%m%d%H%M%S,填""为获取历史最早一天 |
end_time | str | 数据结束时间,格式为 %Y%m%d 或 %Y%m%d%H%M%S ,填""为截止到最新一天 |
count | int | 数据个数 |
dividend_type | str | 除权方式 |
fill_data | bool | 是否填充数据 |
field
字段可选:
field | 数据类型 | 含义 |
---|---|---|
time | str | 时间 |
price | str | 价格段 |
buyNum | str | 各价格对应的买方订单量 |
sellNum | str | 各价格对应的卖方订单量 |
period
字段可选:
period | 数据类型 | 含义 |
---|---|---|
orderflow1m | str | 1m周期订单流数据 |
orderflow5m | str | 5m周期订单流数据 |
orderflow15m | str | 15m周期订单流数据 |
orderflow30m | str | 30m周期订单流数据 |
orderflow1h | str | 1h周期订单流数据 |
orderflow1d | str | 1d周期订单流数据 |
返回值 返回一个 {stock_code
:pd.DataFrame
} 结构的dict
对象,默认的列索引为取得的全部字段. 如果给定了 fields
参数, 则列索引与给定的 fields
对应.
示例
# 下载000001.SZ的orderflow1m,以获取历史数据
# orderflow仅提供1m周期进行下载,其他周期皆在系统底层通过1m订单流数据进行合成给出
xtdata.download_history_data("000001.SZ",period="orderflow1m")
# 获取000001.SZ,1m订单流数据
period = "orderflow1m"
data1 = xtdata.get_market_data_ex([],["000001.SZ"],period=period)["000001.SZ"]
# 获取000001.SZ, 5m订单流数据
period = "orderflow5m"
data2 = xtdata.get_market_data_ex([],["000001.SZ"],period=period)["000001.SZ"]
# 获取000001.SZ 1d订单流数据
period = "orderflow1d"
data3 = xtdata.get_market_data_ex([],["000001.SZ"],period=period)["000001.SZ"]
# 订阅实时000001.SZ 1m订单流数据
period = "orderflow1m"
# 进行数据订阅
xtdata.subscribe_quote("000001.SZ", period = period)
# 获取订阅后的实时数据
data4 = xtdata.get_market_data_ex([],["000001.SZ"],period=period)["000001.SZ"]
print(data1)
print(data2)
print(data3)
print(data4)
time price buyNum sellNum
20230324093000 1679621400000 [12.85] [4230] [0]
20230324093100 1679621460000 [12.790000000000001, 12.8, 12.81, 12.82, 12.83... [888, 453, 769, 2536, 0, 1854, 1722] [837, 3372, 1525, 6121, 575, 3324, 0]
20230324093200 1679621520000 [12.77, 12.780000000000001, 12.790000000000001... [0, 3267, 5211, 318] [1843, 1505, 3051, 197]
20230324093300 1679621580000 [12.780000000000001, 12.790000000000001, 12.8] [0, 5552, 107] [3990, 1539, 0]
20230324093400 1679621640000 [12.8, 12.81] [889, 1728] [852, 1611]
... ... ... ... ...
20231026134900 1698299340000 [10.36, 10.370000000000001, 10.38] [0, 255, 353] [15, 140, 0]
20231026135000 1698299400000 [10.370000000000001, 10.38] [0, 596] [3106, 0]
20231026135100 1698299460000 [10.370000000000001, 10.38] [0, 608] [175, 0]
20231026135200 1698299520000 [10.370000000000001, 10.38] [0, 944] [667, 0]
20231026135300 1698299580000 [10.370000000000001, 10.38] [0, 160] [106, 0]
34396 rows × 4 columns
time price buyNum sellNum
20230324093500 1679621700000 [12.77, 12.780000000000001, 12.790000000000001... [0, 3267, 11651, 1767, 4135, 3092, 0, 1854, 5952] [1843, 5495, 5427, 4580, 4744, 6121, 575, 3324...
20230324094000 1679622000000 [12.81, 12.82, 12.83, 12.84, 12.85, 12.86] [3515, 603, 4610, 5587, 3346, 158] [3358, 2884, 4953, 1099, 61, 0]
20230324094500 1679622300000 [12.790000000000001, 12.8, 12.81, 12.82, 12.83... [0, 322, 3573, 526, 604, 935, 1270] [964, 11150, 2242, 4940, 1407, 517, 0]
20230324095000 1679622600000 [12.77, 12.780000000000001, 12.790000000000001... [935, 11904, 119, 754, 2892] [6065, 6067, 4771, 5898, 0]
20230324095500 1679622900000 [12.780000000000001, 12.790000000000001, 12.8,... [300, 1229, 6217, 197] [739, 4098, 858, 0]
... ... ... ... ...
20231026110500 1698289500000 [10.32, 10.33, 10.34] [0, 1318, 264] [3, 9260, 0]
20231026111000 1698289800000 [10.33, 10.34] [0, 1880] [4062, 0]
20231026111500 1698290100000 [10.33, 10.34] [0, 1965] [1729, 0]
20231026112000 1698290400000 [10.33, 10.34, 10.35, 10.36] [0, 1414, 5373, 257] [1309, 2367, 775, 0]
20231026112500 1698290700000 [10.33, 10.34, 10.35] [0, 1077, 258] [487, 499, 0]
6839 rows × 4 columns
time price buyNum sellNum
20230324000000 1679587200000 [12.77, 12.780000000000001, 12.790000000000001... [935, 17170, 22882, 27895, 62600, 53273, 39324... [8938, 27896, 31737, 80764, 68784, 68695, 2731...
20230327000000 1679846400000 [12.47, 12.48, 12.49, 12.5, 12.51, 12.52, 12.5... [0, 8792, 4885, 4997, 50228, 57248, 31828, 348... [915, 24135, 25945, 30326, 82575, 40025, 32308...
20230328000000 1679932800000 [12.55, 12.56, 12.57, 12.58, 12.59, 12.6, 12.6... [0, 2411, 2096, 8403, 17269, 13652, 30554, 201... [2002, 5320, 11049, 10937, 16325, 26177, 26658...
20230329000000 1680019200000 [12.52, 12.530000000000001, 12.540000000000001... [0, 5689, 49134, 29969, 16598, 15290, 23969, 1... [16122, 54360, 33434, 13624, 30877, 22648, 264...
20230330000000 1680105600000 [12.41, 12.42, 12.43, 12.44, 12.45000000000000... [0, 19093, 24669, 16814, 9488, 7165, 9891, 109... [7093, 37216, 34430, 13969, 12035, 11947, 1369...
... ... ... ... ...
20231020000000 1697731200000 [10.52, 10.53, 10.540000000000001, 10.55, 10.5... [419, 13251, 17713, 12059, 6547, 14152, 17650,... [5527, 2180, 5684, 4222, 8746, 20424, 22532, 4...
20231023000000 1697990400000 [10.43, 10.44, 10.450000000000001, 10.46, 10.4... [0, 11496, 18358, 23063, 24492, 14307, 7609, 2... [11067, 15592, 21853, 16322, 26661, 14717, 256...
20231024000000 1698076800000 [10.44, 10.450000000000001, 10.46, 10.47, 10.4... [0, 7838, 11767, 11598, 10783, 8160, 7532, 223... [6030, 15551, 17457, 7944, 12948, 3154, 17360,...
20231025000000 1698163200000 [10.36, 10.370000000000001, 10.38, 10.39, 10.4... [0, 30043, 48101, 93420, 77355, 58783, 34336, ... [15876, 59255, 135796, 82676, 96175, 51600, 32...
20231026000000 1698249600000 [10.31, 10.32, 10.33, 10.34, 10.35, 10.36, 10.... [2314, 3430, 13070, 30194, 45518, 29091, 40124... [16564, 3579, 42438, 42624, 26508, 26492, 1297...
143 rows × 4 columns
time price buyNum sellNum
20230324093000 1679621400000 [12.85] [4230] [0]
20230324093100 1679621460000 [12.790000000000001, 12.8, 12.81, 12.82, 12.83... [888, 453, 769, 2536, 0, 1854, 1722] [837, 3372, 1525, 6121, 575, 3324, 0]
20230324093200 1679621520000 [12.77, 12.780000000000001, 12.790000000000001... [0, 3267, 5211, 318] [1843, 1505, 3051, 197]
20230324093300 1679621580000 [12.780000000000001, 12.790000000000001, 12.8] [0, 5552, 107] [3990, 1539, 0]
20230324093400 1679621640000 [12.8, 12.81] [889, 1728] [852, 1611]
... ... ... ... ...
20231026134100 1698298860000 [10.36, 10.370000000000001] [0, 11] [44, 0]
20231026134200 1698298920000 [10.36, 10.370000000000001] [0, 206] [86, 0]
20231026134300 1698298980000 [10.36, 10.370000000000001] [0, 0] [78, 0]
20231026134400 1698299040000 [10.36, 10.370000000000001] [0, 33] [291, 0]
20231026134500 1698299100000 [10.36] [0] [14]
获取问董秘数据
提示
1.该数据通过get_market_data_ex
接口获取,周期需填写为 interactiveqa
2.获取数据前需要先用download_history_data
下载历史数据
3.VIP 权限数据
原生python
from xtquant import xtdata
xtdata.get_market_data_ex(field_list,stock_list,period='interactiveqa')
参数
除period 需填写为interactiveqa
外,其余参数参考get_market_data_ex
返回值
返回一个 {stock_code
:pd.DataFrame
} 结构的dict
对象
示例
from xtquant import xtdata
xtdata.download_history_data("000001.SZ",period="interactiveqa")
data = xtdata.get_market_data_ex([],["000001.SZ"],period="interactiveqa")
print(data)
{'000001.SZ': time 问答编号 问题时间 \
0 1688572800000 1477967097550430208 1686794016000
1 1688572800001 1481018439885479936 1687149238000
2 1688572800002 1486238955455750144 1687756986000
3 1688572800003 1492863495831379968 1688528184000
4 1688572800004 1480984724391051264 1687145313000
.. ... ... ...
87 1700150400004 1587992657604898816 1699602677000
88 1700150400005 1588473238651199488 1699658624000
89 1700150400006 1589974656269893632 1699833412000
90 1700150400007 1591562814916870144 1700018297000
91 1700150400008 1592406612781776897 1700116529000
问题内容 回答时间 \
0 公司认为经营银行的长期主义是什么? 1688605558000
1 请问现在的股东人数是多少 1688605821000
2 贵公司分红率为什么这么低,是否可以加大分红比率 1688606076000
3 建议平安私有化平安银行,这样的估值没有必要留在资本市场,平安也受益。 1688606100000
4 公司手续费佣金收入年年下降,有没有什么办法改善? 1688606510000
.. ... ...
87 贵公司的营业收入增速已经开始负增长,行业进入增长停滞的状态,行业逐步趋向成熟。为什么分红率相... 1700187933000
88 前两年买了一点公司股票,后来看董秘说要珍惜十四元的平安银行,现重仓贵司亏损重大!公司的分红率... 1700187940000
89 你好:公司股价长期低于每股未分配利润11.2463元(2023三季报),作为公司老股东小股东... 1700187948000
90 请问公司最近三年在外地的投资项目有哪些? 1700188768000
91 董秘好!请问:银行资本新规,对平安银行资本充足率,会产生正面影响还是负面影响? 1700188844000
回答内容
0 本行以“中国最卓越、全球领先的智能化零售银行”为战略目标,坚持“科技引领、零售突破、对公做精...
1 您好,截至2023年一季度末,本行股东总户数为506,867户。感谢您对我行的关注。
2 您好!本行于2021年4月8日召开的2020年年度股东大会审议通过了《平安银行股份有限公司2...
3 感谢您对我行的关注和建议。
4 2022年,本集团手续费及佣金净收入302.08亿元,主要受宏观环境等因素影响,未来,本行将...
.. ...
87 您好,感谢您的建议与关注。
88 您好,感谢您的建议与关注。
89 您好,感谢您的建议与关注。
90 您好,本行是一家全国性股份制商业银行。截至2023年9月末,本行共有109家分行(含香港分行...
91 您好,截至2023年9月末,得益于净利润增长、资本精细化管理等因素,本行核心一级资本充足率、...
[92 rows x 6 columns]}
获取交易日历
获取历史和未来日历数据
内置python
调用方法
get_trading_calendar(market,start_time='',end_time='')
参数
参数名称 | 类型 | 描述 |
---|---|---|
market | str | 市场,如 'SH' |
start_time | str | 起始时间,如 '20170101' |
end_time | str | 结束时间,如 '20180101' |
返回值
- list类型
示例
# coding:gbk
def init(C):
return
def after_init(C):
print(get_trading_calendar('SZ','20230103','20240103'))
['20230103', '20230104', '20230105', '20230106', '20230109', '20230110', '20230111', '20230112', '20230113', '20230116', '20230117', '20230118', '20230119', '20230120', '20230130', '20230131', '20230201', '20230202', '20230203', '20230206', '20230207', '20230208', '20230209', '20230210', '20230213', '20230214', '20230215', '20230216', '20230217', '20230220', '20230221', '20230222', '20230223', '20230224', '20230227', '20230228', '20230301', '20230302', '20230303', '20230306', '20230307', '20230308', '20230309', '20230310', '20230313', '20230314', '20230315', '20230316', '20230317', '20230320', '20230321', '20230322', '20230323', '20230324', '20230327', '20230328', '20230329', '20230330', '20230331', '20230403', '20230404', '20230406', '20230407', '20230410', '20230411', '20230412', '20230413', '20230414', '20230417', '20230418', '20230419', '20230420', '20230421', '20230424', '20230425', '20230426', '20230427', '20230428', '20230504', '20230505', '20230508', '20230509', '20230510', '20230511', '20230512', '20230515', '20230516', '20230517', '20230518', '20230519', '20230522', '20230523', '20230524', '20230525', '20230526', '20230529', '20230530', '20230531', '20230601', '20230602', '20230605', '20230606', '20230607', '20230608', '20230609', '20230612', '20230613', '20230614', '20230615', '20230616', '20230619', '20230620', '20230621', '20230626', '20230627', '20230628', '20230629', '20230630', '20230703', '20230704', '20230705', '20230706', '20230707', '20230710', '20230711', '20230712', '20230713', '20230714', '20230717', '20230718', '20230719', '20230720', '20230721', '20230724', '20230725', '20230726', '20230727', '20230728', '20230731', '20230801', '20230802', '20230803', '20230804', '20230807', '20230808', '20230809', '20230810', '20230811', '20230814', '20230815', '20230816', '20230817', '20230818', '20230821', '20230822', '20230823', '20230824', '20230825', '20230828', '20230829', '20230830', '20230831', '20230901', '20230904', '20230905', '20230906', '20230907', '20230908', '20230911', '20230912', '20230913', '20230914', '20230915', '20230918', '20230919', '20230920', '20230921', '20230922', '20230925', '20230926', '20230927', '20230928', '20231009', '20231010', '20231011', '20231012', '20231013', '20231016', '20231017', '20231018', '20231019', '20231020', '20231023', '20231024', '20231025', '20231026', '20231027', '20231030', '20231031', '20231101', '20231102', '20231103', '20231106', '20231107', '20231108', '20231109', '20231110', '20231113', '20231114', '20231115', '20231116', '20231117', '20231120', '20231121', '20231122', '20231123', '20231124', '20231127', '20231128', '20231129', '20231130', '20231201', '20231204', '20231205', '20231206', '20231207', '20231208', '20231211', '20231212', '20231213', '20231214', '20231215', '20231218', '20231219', '20231220', '20231221', '20231222', '20231225', '20231226', '20231227', '20231228', '20231229', '20240102', '20240103']
原生python
调用方法
# 下载交易日历数据
xtdata.download_holiday_data()
# 返回获取的交易日历
result = xtdata.get_trading_calendar(market, start_time , end_time )
参数
参数名称 | 类型 | 描述 |
---|---|---|
market | str | 市场,如 'SH' |
start_time | str | 起始时间,如 '20170101' |
end_time | str | 结束时间,如 '20180101' |
返回值
- list类型
示例
# coding:utf-8
from xtquant import xtdata
import time
# 下载交易日历数据
xtdata.download_holiday_data()
# 获取交易日
start_time = time.strftime("%Y%m%d") # 起始日期
end_time = time.strftime("%Y") + '1231' #结束日期,这里我用time函数自动计算年,格式生成'20241231'
# 返回获取的交易日历
result = xtdata.get_trading_calendar('SH', start_time , end_time )
print(result)
['20240109', '20240110', '20240111', '20240112', '20240115', '20240116', '20240117', '20240118', '20240119', '20240122', '20240123', '20240124', '20240125', '20240126', '20240129', '20240130', '20240131', '20240201', '20240202', '20240205', '20240206', '20240207', '20240208', '20240219', '20240220', '20240221', '20240222', '20240223', '20240226', '20240227', '20240228', '20240229', '20240301', '20240304', '20240305', '20240306', '20240307', '20240308', '20240311', '20240312', '20240313', '20240314', '20240315', '20240318', '20240319', '20240320', '20240321', '20240322', '20240325', '20240326', '20240327', '20240328', '20240329', '20240401', '20240402', '20240403', '20240408', '20240409', '20240410', '20240411', '20240412', '20240415', '20240416', '20240417', '20240418', '20240419', '20240422', '20240423', '20240424', '20240425', '20240426', '20240429', '20240430', '20240506', '20240507', '20240508', '20240509', '20240510', '20240513', '20240514', '20240515', '20240516', '20240517', '20240520', '20240521', '20240522', '20240523', '20240524', '20240527', '20240528', '20240529', '20240530', '20240531', '20240603', '20240604', '20240605', '20240606', '20240607', '20240611', '20240612', '20240613', '20240614', '20240617', '20240618', '20240619', '20240620', '20240621', '20240624', '20240625', '20240626', '20240627', '20240628', '20240701', '20240702', '20240703', '20240704', '20240705', '20240708', '20240709', '20240710', '20240711', '20240712', '20240715', '20240716', '20240717', '20240718', '20240719', '20240722', '20240723', '20240724', '20240725', '20240726', '20240729', '20240730', '20240731', '20240801', '20240802', '20240805', '20240806', '20240807', '20240808', '20240809', '20240812', '20240813', '20240814', '20240815', '20240816', '20240819', '20240820', '20240821', '20240822', '20240823', '20240826', '20240827', '20240828', '20240829', '20240830', '20240902', '20240903', '20240904', '20240905', '20240906', '20240909', '20240910', '20240911', '20240912', '20240913', '20240918', '20240919', '20240920', '20240923', '20240924', '20240925', '20240926', '20240927', '20240930', '20241008', '20241009', '20241010', '20241011', '20241014', '20241015', '20241016', '20241017', '20241018', '20241021', '20241022', '20241023', '20241024', '20241025', '20241028', '20241029', '20241030', '20241031', '20241101', '20241104', '20241105', '20241106', '20241107', '20241108', '20241111', '20241112', '20241113', '20241114', '20241115', '20241118', '20241119', '20241120', '20241121', '20241122', '20241125', '20241126', '20241127', '20241128', '20241129', '20241202', '20241203', '20241204', '20241205', '20241206', '20241209', '20241210', '20241211', '20241212', '20241213', '20241216', '20241217', '20241218', '20241219', '20241220', '20241223', '20241224', '20241225', '20241226', '20241227', '20241230', '20241231']
获取龙虎榜数据
获取指定日期区间内的龙虎榜数据
C.get_longhubang(stock_list, startTime, endTime)
参数
参数名称 | 类型 | 描述 |
---|---|---|
stock_list | list | 股票列表,如 ['600000.SH', '600036.SH'] |
startTime | str | 起始时间,如 '20170101' |
endTime | str | 结束时间,如 '20180101' |
返回值
- 格式为
pandas.DataFrame
:
参数名称 | 数据类型 | 描述 |
---|---|---|
reason | str | 上榜原因 |
close | float | 收盘价 |
spreadRate | float | 涨跌幅 |
TurnoverVolune | float | 成交量 |
Turnover_Amount | float | 成交金额 |
buyTraderBooth | pandas.DataFrame | 买方席位 |
sellTraderBooth | pandas.DataFrame | 卖方席位 |
buyTraderBooth
或sellTraderBooth
包含字段:
参数名称 | 数据类型 | 描述 |
---|---|---|
traderName | str | 交易营业部名称 |
buyAmount | float | 买入金额 |
buyPercent | float | 买入金额占总成交占比 |
sellAmount | float | 卖出金额 |
sellPercent | float | 卖出金额占总成交占比 |
totalAmount | float | 该席位总成交金额 |
rank | int | 席位排行 |
direction | int | 买卖方向 |
示例
# coding:gbk
def init(C):
return
def handlebar(C):
print(C.get_longhubang(['000002.SZ'],'20100101','20180101'))
stockCode stockName date reason \
0 000002.SZ 万科A 2010-12-21 00:00:00 日价格涨幅偏离值达7%以上的证券
1 000002.SZ 万科A 2013-01-21 00:00:00 日价格涨幅偏离值达7%以上的证券
2 000002.SZ 万科A 2013-06-28 00:00:00 日价格涨幅偏离值达7%以上的证券
3 000002.SZ 万科A 2014-12-31 00:00:00 日价格涨幅偏离值达7%以上的证券
4 000002.SZ 万科A 2015-12-01 00:00:00 日价格涨幅偏离值达7%以上的证券
5 000002.SZ 万科A 2015-12-02 00:00:00 连续三个交易日内涨幅偏离值累计达20%的证券
6 000002.SZ 万科A 2015-12-02 00:00:00 日价格涨幅偏离值达7%以上的证券
7 000002.SZ 万科A 2015-12-09 00:00:00 日价格涨幅偏离值达7%以上的证券
8 000002.SZ 万科A 2015-12-17 00:00:00 日价格涨幅偏离值达7%以上的证券
9 000002.SZ 万科A 2015-12-18 00:00:00 日价格涨幅偏离值达7%以上的证券
10 000002.SZ 万科A 2016-07-04 00:00:00 日价格跌幅偏离值达7%以上的证券
11 000002.SZ 万科A 2016-07-05 00:00:00 日价格跌幅偏离值达7%以上的证券
12 000002.SZ 万科A 2016-07-05 00:00:00 连续三个交易日内跌幅偏离值累计达20%的证券
13 000002.SZ 万科A 2016-08-04 00:00:00 日价格涨幅偏离值达7%以上的证券
14 000002.SZ 万科A 2016-08-12 00:00:00 日价格涨幅偏离值达7%以上的证券
15 000002.SZ 万科A 2016-08-15 00:00:00 日价格涨幅偏离值达7%以上的证券
16 000002.SZ 万科A 2016-08-16 00:00:00 连续三个交易日内涨幅偏离值累计达20%的证券
17 000002.SZ 万科A 2016-08-16 00:00:00 日价格涨幅偏离值达7%以上的证券
18 000002.SZ 万科A 2016-08-31 00:00:00 日价格涨幅偏离值达7%以上的证券
19 000002.SZ 万科A 2016-11-09 00:00:00 日价格涨幅偏离值达7%以上的证券
20 000002.SZ 万科A 2017-01-13 00:00:00 日价格涨幅偏离值达7%以上的证券
21 000002.SZ 万科A 2017-06-23 00:00:00 日价格涨幅偏离值达7%以上的证券
22 000002.SZ 万科A 2017-06-26 00:00:00 连续三个交易日内涨幅偏离值累计达20%的证券
23 000002.SZ 万科A 2017-06-26 00:00:00 日价格涨幅偏离值达7%以上的证券
24 000002.SZ 万科A 2017-09-07 00:00:00 日价格涨幅偏离值达7%以上的证券
25 000002.SZ 万科A 2017-11-21 00:00:00 日价格涨幅偏离值达7%以上的证券
26 000002.SZ 万科A 2021-02-25 00:00:00 日涨幅偏离值达到7%的证券
27 000002.SZ 万科A 2022-11-11 00:00:00 日涨幅偏离值达到7%的证券
28 000002.SZ 万科A 2022-11-29 00:00:00 日涨幅偏离值达到7%的证券
close SpreadRate TurnoverVolume \
0 9.1300000000000008 10 29708.793799999999
1 11.130000000000001 9.9800000000000004 2343.0893000000001
2 9.8499999999999996 8.3599999999999994 23490.928500000002
3 13.9 9.9700000000000006 48995.445899999999
4 16.579999999999998 10.02 37501.637000000002
5 18.239999999999998 10.01 121600.59819999999
6 18.239999999999998 10.01 121600.59819999999
7 19.550000000000001 10.02 35985.1973
8 22.210000000000001 10 25833.926500000001
9 24.43 10 22389.840199999999
10 21.989999999999998 -9.9900000000000002 426.63
11 19.789999999999999 -10 19905.759999999998
12 19.789999999999999 -10 19905.759999999998
13 19.670000000000002 10.01 37134.658199999998
14 22.780000000000001 10 37487.086199999998
15 25.059999999999999 10.01 32311.062999999998
16 27.57 10.02 33347.805800000002
17 27.57 10.02 33347.805800000002
18 24.93 10.02 23831.257399999999
19 26.300000000000001 8.5899999999999999 40171.613899999997
20 21.809999999999999 6.9100000000000001 10642.6641
21 24.07 10.01 12511.867700000001
22 26.48 10.01 17111.8298
23 26.48 10.01 17111.8298
24 25.969999999999999 9.1199999999999992 12745.6991
25 31.789999999999999 10 10817.886200000001
26 32.990000000000002 10 25954.038499999999
27 15.76 9.9800000000000004 29116.540400000002
28 18.829999999999998 9.9900000000000002 25456.029699999999
...
北向南向资金(沪港通,深港通和港股通)
北向南向资金交易日历
获取交易日列表
from xtquant import xtdata
xtdata.get_trading_dates(market, start_time='', end_time='', count=-1)
参数:
参数名称 | 类型 | 描述 |
---|---|---|
market | string | 市场代码 |
start_time | string | 起始时间 |
end_time | string | 结束时间 |
count | int | 数据个数 |
返回
list
时间戳列表,[ date1, date2, ... ]
示例
from xtquant import xtdata
# 获取沪港通最近十五天交易日历
data1 = xtdata.get_trading_dates(market = "HGT", start_time='', end_time='', count=-1)[-15:]
[1695312000000,
1695571200000,
1695657600000,
1695744000000,
1695830400000,
1696780800000,
1696867200000,
1696953600000,
1697040000000,
1697126400000,
1697385600000,
1697472000000,
1697558400000,
1697644800000,
1697731200000]
获取对应周期的北向南向数据
提示
- 该数据通过
get_market_data_ex
接口获取 - 获取历史数据前需要先用
download_history_data
下载历史数据,可选字段为"northfinancechange1m"
:一分钟周期北向数据,"northfinancechange1d"
:日线周期北向数据 - VIP 权限数据
方式1:内置python
获取对应周期的北向数据
C.get_north_finance_change(period)
参数:
字段名 | 数据类型 | 描述 |
---|---|---|
period | str | 数据周期 |
返回结果:
- 根据
period
返回一个dict
,该字典的key
值是北向数据的时间戳,其值仍然是一个dict
,其值的key
值是北向数据的字段类型,其值是对应字段的值。该字典数据key
值有:
字段名 | 数据类型 | 描述 |
---|---|---|
hgtNorthBuyMoney | int | HGT北向买入资金 |
hgtNorthSellMoney | int | HGT北向卖出资金 |
hgtSouthBuyMoney | int | HGT南向买入资金 |
hgtSouthSellMoney | int | HGT南向卖出资金 |
sgtNorthBuyMoney | int | SGT北向买入资金 |
sgtNorthSellMoney | int | SGT北向卖出资金 |
sgtSouthBuyMoney | int | SGT南向买入资金 |
sgtSouthSellMoney | int | SGT南向卖出资金 |
hgtNorthNetInFlow | int | HGT北向资金净流入 |
hgtNorthBalanceByDay | int | HGT北向当日资金余额 |
hgtSouthNetInFlow | int | HGT南向资金净流入 |
hgtSouthBalanceByDay | int | HGT南向当日资金余额 |
sgtNorthNetInFlow | int | SGT北向资金净流入 |
sgtNorthBalanceByDay | int | SGT北向当日资金余额 |
sgtSouthNetInFlow | int | SGT南向资金净流入 |
sgtSouthBalanceByDay | int | SGT南向当日资金余额 |
示例1 通过内置python获取:
# coding = gbk
def init(C):
return
# 获取市场北向数据
def handlebar(C):
print(C.get_north_finance_change('1d'))
{1416153600000: {"hgtNorthBuyMoney": 120820000, "hgtNorthSellMoney": 0,
"hgtSouthBuyMoney": 1772000000, "hgtSouthSellMoney": 84000000,
"sgtNorthBuyMoney": 0, "sgtNorthSellMoney": 0, "sgtSouthBuyMoney": 0,
"sgtSouthSellMoney": 0, "hgtNorthNetInFlow": 13000000000, "hgtNorthBalanceByDay": 0,
"hgtSouthNetInFlow": 1768000000, "hgtSouthBalanceByDay": 8732000000,
"sgtNorthNetInFlow": 0, "sgtNorthBalanceByDay": 0, "sgtSouthNetInFlow": 0, "sgtSouthBalanceByDay": 0}}
方式2:原生python
xtdata.get_market_data_ex(
fields=[],
stock_code=[],
period='follow',
start_time='',
end_time='',
count=-1,
dividend_type='follow',
fill_data=True,
subscribe=True
)
参数
名称 | 类型 | 描述 |
---|---|---|
field | list | 取北向数据时填写为[] 空列表即可 |
stock_list | list | 合约代码列表 |
period | str | 数据周期,可选字段为: "northfinancechange1m" :一分钟周期北向数据"northfinancechange1d" :日线周期北向数据 |
start_time | str | 数据起始时间,格式为 %Y%m%d 或 %Y%m%d%H%M%S ,填"" 为获取历史最早一天 |
end_time | str | 数据结束时间,格式为 %Y%m%d 或 %Y%m%d%H%M%S ,填"" 为截止到最新一天 |
count | int | 数据个数 |
dividend_type | str | 除权方式,可选值为'none' :不复权'front' :前复权'back' :后复权 'front_ratio' : 等比前复权'back_ratio' : 等比后复权取此数据时不生效 |
fill_data | bool | 是否填充数据 |
subscribe | bool | 订阅数据开关,默认为True,设置为False时不做数据订阅,只读取本地已有数据。 |
返回值
返回一个 {stock_code:pd.DataFrame}
结构的dict
对象,
示例2 通过原生python获取:
# 该示例演示token获取数据方式
from xtquant import xtdatacenter as xtdc
import xtquant.xtdata as xtdata
xtdc.set_token('这里输入token')
xtdc.init()
s = 'FFFFFF.SGT' # 北向资金代码
period = 'northfinancechange1m' # 数据周期
if 1:
print('download')
xtdata.download_history_data(s, period, '20231101', '')
print('done')
data = xtdata.get_market_data_ex([], [s], period, '', '')[s]
print(data)
time HGT北向买入资金 HGT北向卖出资金 HGT南向买入资金 HGT南向卖出资金 SGT北向买入资金 SGT北向卖出资金 SGT南向买入资金 SGT南向卖出资金 HGT北向资金净流入 HGT北向当日资金余额 HGT南向资金净流入 HGT南向当日资金余额 SGT北向资金净流入 SGT北向当日资金余额 SGT南向资金净流入 SGT南向当日资金余额
0 1679619600000 0 0 0 0 0 0 0 0 0 52000000000 56482000 41943518000 0 52000000000 38749800 41961250199
1 1679619660000 0 0 0 0 0 0 0 0 0 52000000000 79933000 41920067000 0 52000000000 47571600 41952428400
2 1679619720000 0 0 0 0 0 0 0 0 0 52000000000 104898100 41895101900 0 52000000000 66697000 41933303000
3 1679619780000 0 0 0 0 0 0 0 0 0 52000000000 112106000 41887894000 0 52000000000 80038500 41919961500
4 1679619840000 0 0 0 0 0 0 0 0 0 52000000000 120973900 41879026200 0 52000000000 110223100 41889776900
... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
52802 1699517160000 25931289200 23761060600 7192241300 4497273400 31224095900 33457685500 6649753700 4381821900 3487650300 48512349700 3561839099 38438160900 -956425200 52956425199 2952439099 39047560900
52803 1699517220000 25931289200 23761060600 7192241300 4497273400 31224095900 33457685500 6649753700 4381821900 3487650300 48512349700 3573462800 38426537200 -956425200 52956425199 2953814300 39046185700
52804 1699517280000 25931289200 23761060600 7192241300 4497273400 31224095900 33457685500 6649753700 4381821900 3487650300 48512349700 3550669400 38449330600 -956425200 52956425199 2934226100 39065773900
52805 1699517340000 25931289200 23761060600 7257519800 4531832900 31224095900 33457685500 6717744000 4402893900 3487650300 48512349700 3550669400 38449330600 -956425200 52956425199 2934226100 39065773900
52806 1699517400000 25931289200 23761060600 7257519800 4531832900 31224095900 33457685500 6717744000 4402893900 3487650300 48512349700 3550669400 38449330600 -956425200 52956425199 2934226100 39065773900
52807 rows × 17 columns
沪深港通持股数据
提示
- 该数据是VIP权限数据
- VIP 权限数据
获取指定品种的持股明细
C.get_hkt_details(stockcode)
参数:
参数名称 | 数据类型 | 描述 |
---|---|---|
stockcode | string | 必须是'stock.market'形式 |
返回结果:
- 根据
stockcode
返回一个dict
,该字典的key值是北向持股明细数据的时间戳,其值仍然是一个dict
,其值的key
值是北向持股明细数据的字段类型,其值是对应字段的值,该字典数据key
值有:
参数名称 | 数据类型/单位 | 描述 |
---|---|---|
stockCode | str | 股票代码 |
ownSharesCompany | str | 机构名称 |
ownSharesAmount | int | 持股数量 |
ownSharesMarketValue | float | 持股市值 |
ownSharesRatio | float | 持股数量占比 |
ownSharesNetBuy | float | 净买入金额(当日持股-前一日持股) |
示例:
# coding = gbk
def init(C):
return
def handlebar(C):
data = C.get_hkt_details('600000.SH')
print(data)
{1696694400053: {"stockCode": "600000.SH", "ownSharesCompany": "香港中央结算有限公司",
"ownSharesAmount": 15, "ownSharesMarketValue": 106.50000000000001,
"ownSharesRatio": 0.0, "ownSharesNetBuy": 0.0}}
交易所公告数据
原生Python
提示
获取该数据前需要先调用
xtdata.download_history_data
进行下载,period参数选择"announcement"
该数据通过
get_market_data_ex
接口获取,period参数选择"announcement"
该数据是VIP权限数据
调用方法
get_market_data_ex([],stock_list,period="announcement",start_time = "", end_time = "")
参数
参数名称 | 类型 | 描述 |
---|---|---|
field_list | list | 数据字段列表,传空则为全部字段 |
stock_list | list | 合约代码列表 |
period | string | 周期 |
start_time | string | 起始时间 |
end_time | string | 结束时间 |
count | int | 数据个数。默认参数,大于等于0时,若指定了 start_time ,end_time ,此时以 end_time 为基准向前取 count 条;若 start_time ,end_time 缺省,默认取本地数据最新的 count 条数据;若 start_time ,end_time ,count 都缺省时,默认取本地全部数据 |
返回值
返回一个 {stock_code
:pd.DataFrame
} 结构的dict
对象,默认的列索引为取得的全部字段. 如果给定了 fields
参数, 则列索引与给定的 fields
对应.
示例
from xtquant import xtdata
xtdata.download_history_data('600050.SH','announcement')
data = xtdata.get_market_data_ex([], ['600050.SH'], 'announcement', '', '')
d=data['600050.SH']
print(d.tail())
time 证券 主题 摘要 格式 \
535 1720195215674 中国联合网络通信股份有限公司第八届董事会第二次会议决议公告 TXT
536 1720195215850 中国联合网络通信股份有限公司关于聘任公司高级副总裁的公告 TXT
537 1720713609694 北京市通商律师事务所关于中国联合网络通信股份有限公司差异化分红事宜之法律意见书 TXT
538 1720713609868 中国联合网络通信股份有限公司2023年年度末期现金红利实施公告 TXT
539 1721664010707 中国联合网络通信股份有限公司2024年6月份运营数据公告 TXT
内容 级别 类型 0-其他 1-财报类
535 http://static.sse.com.cn/disclosure/listedinfo... 0 0
536 http://static.sse.com.cn/disclosure/listedinfo... 0 0
537 http://static.sse.com.cn/disclosure/listedinfo... 0 0
538 http://static.sse.com.cn/disclosure/listedinfo... 0 0
539 http://static.sse.com.cn/disclosure/listedinfo... 0 0
获取单季度/年度财务数据
查询股票的市值数据、资产负债数据、现金流数据、利润数据、财务指标数据. 详情通过财务数据列表查看! 可通过以下api进行查询 :
内置python
获取财务数据前,请先通过界面端数据管理 - 财务数据
下载
提示
财务数据接口通过读取下载本地的数据取数,使用前需要补充本地数据。除公告日期和报表截止日期为时间戳毫秒格式其他单位为元或 %,数据主要包括资产负债表(ASHAREBALANCESHEET)、利润表(ASHAREINCOME)、现金流量表(ASHARECASHFLOW)、股本表(CAPITALSTRUCTURE)的主要字段数据以及经过计算的主要财务指标数据(PERSHAREINDEX)。建议使用本文档对照表中的英文表名和迅投英文字段,表名不区分大小写。
ContextInfo.get_financial_data - 获取财务数据
财务数据接口有两种用法,入参和返回值不同,具体如下
用法1,返回目标数据对象
原型
ContextInfo.get_financial_data(fieldList, stockList, startDate, enDate, report_type = 'announce_time')
释义
获取财务数据,方法1
参数
字段名 | 类型 | 释义与用例 |
---|---|---|
fieldList | List(必须) | 财报字段列表:['ASHAREBALANCESHEET.fix_assets', '利润表.净利润'] |
stockList | List(必须) | 股票列表:['600000.SH', '000001.SZ'] |
startDate | Str(必须) | 开始时间:'20171209' |
endDate | Str(必须) | 结束时间:'20171212' |
report_type | Str(可选) | 报表时间类型,可缺省,默认是按照数据的公告期为区分取数据,设置为 'report_time' 为按照报告期取数据,' announce_time' 为按照公告日期取数据 |
提示
选择按照公告期取数和按照报告期取数的区别:
若某公司当年 4 月 26 日发布上年度年报,如果选择按照公告期取数,则当年 4 月 26 日之后至下个财报发布日期之间的数据都是上年度年报的财务数据。
若选择按照报告期取数,则上年度第 4 季度(上年度 10 月 1 日 - 12 月 31 日)的数据就是上年度报告期的数据。
返回值
函数根据stockList代码列表,startDate,endDate时间范围,返回不同的的数据类型。如下:
代码数量 | 时间范围 | 返回类型 |
---|---|---|
=1 | =1 | pandas.Series (index = 字段) |
=1 | >1 | pandas.DataFrame (index = 时间, columns = 字段) |
>1 | =1 | pandas.DataFrame (index = 代码, columns = 字段) |
>1 | >1 | pandas.Panel (items = 代码, major_axis = 时间, minor_axis = 字段) |
示例
# coding:gbk
def init(C):
pass
def handlebar(C):
#取总股本和净利润
fieldList = ['CAPITALSTRUCTURE.total_capital', '利润表.净利润']
stockList = ["000001.SZ","000002.SZ","430017.BJ"]
startDate = '20171209'
endDate = '20231204'
data = C.get_financial_data(fieldList, stockList, startDate, endDate, report_type = 'report_time')
print(data)
<class 'pandas.core.panel.Panel'>
Dimensions: 3 (items) x 1453 (major_axis) x 2 (minor_axis)
Items axis: 000001.SZ to 430017.BJ
Major_axis axis: 20171211 to 20231204
Minor_axis axis: total_capital to 净利润
用法2,返回目标数据单个值
原型
ContextInfo.get_financial_data(tabname, colname, market, code, report_type = 'report_time', barpos)
与用法 1 可同时使用
释义
获取财务数据,方法2
参数
字段名 | 类型 | 释义与用例 |
---|---|---|
tabname | Str(必须) | 表名:'ASHAREBALANCESHEET' |
colname | Str(必须) | 字段名:'fix_assets' |
market | Str(必须) | 市场:'SH' |
code | Str(必须) | 代码:'600000' |
report_type | Str(可选) | 报表时间类型,可缺省,默认是按照数据的公告期为区分取数据,设置为 'report_time' 为按照报告期取数据,' announce_time ' 为按照公告日期取数据 |
barpos | number | 当前 bar 的索引 |
返回值
float
:所取字段的数值
示例
# coding:gbk
def init(C):
pass
def handlebar(C):
index = C.barpos
data = C.get_financial_data('ASHAREBALANCESHEET', 'fix_assets', 'SH', '600000', index)
print(data)
42758000000.0
ContextInfo.get_raw_financial_data - 获取原始财务数据
提示
取原始财务数据,与get_financial_data相比不填充每个交易日的数据
原型
ContextInfo.get_raw_financial_data(fieldList,stockList,startDate,endDate,report_type='announce_time')
释义
取原始财务数据,与get_financial_data相比不填充每个交易日的数据
参数
字段名 | 类型 | 释义与用例 |
---|---|---|
fieldList | List(必须) | 字段列表:例如 ['资产负债表.固定资产','利润表.净利润'] |
stockList | List(必须) | 股票列表:例如['600000.SH','000001.SZ'] |
startDate | Str(必须) | 开始时间:例如 '20171209' |
endDate | Str(必须) | 结束时间:例如 '20171212' |
report_type | Str(可选) | 时间类型,可缺省,默认是按照数据的公告期为区分取数据,设置为 'report_time' 为按照报告期取数据,可选值:'announce_time','report_time' |
返回值
函数根据stockList代码列表,startDate,endDate时间范围,返回不同的的数据类型。如下:
代码数量 | 时间范围 | 返回类型 |
---|---|---|
=1 | =1 | pandas.Series (index = 字段) |
=1 | >1 | pandas.DataFrame (index = 时间, columns = 字段) |
>1 | =1 | pandas.DataFrame (index = 代码, columns = 字段) |
>1 | >1 | pandas.Panel (items = 代码, major_axis = 时间, minor_axis = 字段) |
示例
#encoding:gbk
'''
获取财务数据
'''
import pandas as pd
import numpy as np
import talib
def to_zw(a):
'''0.中文价格字符串'''
import numpy as np
try:
header = '' if a > 0 else '-'
if np.isnan(a):
return '问题数据'
if abs(a) < 1000:
return header + str(int(a)) + "元"
if abs(a) < 10000:
return header + str(int(a))[0] + "千"
if abs(a) < 100000000:
return header + str(int(a))[:-4] + "万" + str(int(a))[-4] + '千'
else:
return header + str(int(a))[:-8] + "亿" + str(int(a))[-8:-4] + '万'
except:
print(f"问题数据{a}")
return '问题数据'
def after_init(C):
fieldList = ['ASHAREINCOME.net_profit_excl_min_int_inc','ASHAREINCOME.revenue'] # 字段表
stockList = ['000001.SZ'] # 标的
a=C.get_raw_financial_data(fieldList,stockList,'20150101','20300101',report_type = 'report_time') # 获取原始财务数据
# print(a)
for stock in a:
for key in a[stock]:
for t in a[stock][key]:
print(key, timetag_to_datetime(int(t),'%Y%m%d'), to_zw(a[stock][key][t]))
print('-' *22)
print('-' *22)
ASHAREINCOME.net_profit_excl_min_int_inc 20150331 56亿2900万
ASHAREINCOME.net_profit_excl_min_int_inc 20150630 115亿8500万
ASHAREINCOME.net_profit_excl_min_int_inc 20150930 177亿4000万
ASHAREINCOME.net_profit_excl_min_int_inc 20151231 218亿6500万
ASHAREINCOME.net_profit_excl_min_int_inc 20160331 60亿8600万
ASHAREINCOME.net_profit_excl_min_int_inc 20160630 122亿9200万
ASHAREINCOME.net_profit_excl_min_int_inc 20160930 187亿1900万
ASHAREINCOME.net_profit_excl_min_int_inc 20161231 225亿9900万
ASHAREINCOME.net_profit_excl_min_int_inc 20170331 62亿1400万
ASHAREINCOME.net_profit_excl_min_int_inc 20170630 125亿5400万
ASHAREINCOME.net_profit_excl_min_int_inc 20170930 191亿5300万
ASHAREINCOME.net_profit_excl_min_int_inc 20171231 231亿8900万
ASHAREINCOME.net_profit_excl_min_int_inc 20180331 65亿9500万
ASHAREINCOME.net_profit_excl_min_int_inc 20180630 133亿7200万
ASHAREINCOME.net_profit_excl_min_int_inc 20180930 204亿5600万
ASHAREINCOME.net_profit_excl_min_int_inc 20181231 248亿1800万
ASHAREINCOME.net_profit_excl_min_int_inc 20190331 74亿4600万
ASHAREINCOME.net_profit_excl_min_int_inc 20190630 154亿0300万
ASHAREINCOME.net_profit_excl_min_int_inc 20190930 236亿2100万
ASHAREINCOME.net_profit_excl_min_int_inc 20191231 281亿9500万
ASHAREINCOME.net_profit_excl_min_int_inc 20200331 85亿4800万
ASHAREINCOME.net_profit_excl_min_int_inc 20200630 136亿7800万
ASHAREINCOME.net_profit_excl_min_int_inc 20200930 223亿9800万
ASHAREINCOME.net_profit_excl_min_int_inc 20201231 289亿2800万
ASHAREINCOME.net_profit_excl_min_int_inc 20210331 101亿3200万
ASHAREINCOME.net_profit_excl_min_int_inc 20210630 175亿8300万
ASHAREINCOME.net_profit_excl_min_int_inc 20210930 291亿3500万
ASHAREINCOME.net_profit_excl_min_int_inc 20211231 363亿3600万
ASHAREINCOME.net_profit_excl_min_int_inc 20220331 128亿5000万
ASHAREINCOME.net_profit_excl_min_int_inc 20220630 220亿8800万
ASHAREINCOME.net_profit_excl_min_int_inc 20220930 366亿5900万
ASHAREINCOME.net_profit_excl_min_int_inc 20221231 455亿1600万
ASHAREINCOME.net_profit_excl_min_int_inc 20230331 146亿0200万
ASHAREINCOME.net_profit_excl_min_int_inc 20230630 253亿8700万
ASHAREINCOME.net_profit_excl_min_int_inc 20230930 396亿3500万
----------------------
ASHAREINCOME.revenue 20150331 206亿7100万
ASHAREINCOME.revenue 20150630 465亿7500万
ASHAREINCOME.revenue 20150930 711亿5200万
ASHAREINCOME.revenue 20151231 961亿6300万
ASHAREINCOME.revenue 20160331 275亿3200万
ASHAREINCOME.revenue 20160630 547亿6900万
ASHAREINCOME.revenue 20160930 819亿6800万
ASHAREINCOME.revenue 20161231 1077亿1500万
ASHAREINCOME.revenue 20170331 277亿2600万
ASHAREINCOME.revenue 20170630 540亿6900万
ASHAREINCOME.revenue 20170930 798亿3200万
ASHAREINCOME.revenue 20171231 1057亿8600万
ASHAREINCOME.revenue 20180331 280亿2600万
ASHAREINCOME.revenue 20180630 572亿4100万
ASHAREINCOME.revenue 20180930 866亿6400万
ASHAREINCOME.revenue 20181231 1167亿1600万
ASHAREINCOME.revenue 20190331 324亿7600万
ASHAREINCOME.revenue 20190630 678亿2900万
ASHAREINCOME.revenue 20190930 1029亿5800万
ASHAREINCOME.revenue 20191231 1379亿5800万
ASHAREINCOME.revenue 20200331 379亿2600万
ASHAREINCOME.revenue 20200630 783亿2800万
ASHAREINCOME.revenue 20200930 1165亿6400万
ASHAREINCOME.revenue 20201231 1535亿4200万
ASHAREINCOME.revenue 20210331 417亿8800万
ASHAREINCOME.revenue 20210630 846亿8000万
ASHAREINCOME.revenue 20210930 1271亿9000万
ASHAREINCOME.revenue 20211231 1693亿8300万
ASHAREINCOME.revenue 20220331 462亿0700万
ASHAREINCOME.revenue 20220630 920亿2200万
ASHAREINCOME.revenue 20220930 1382亿6500万
ASHAREINCOME.revenue 20221231 1798亿9500万
ASHAREINCOME.revenue 20230331 450亿9800万
ASHAREINCOME.revenue 20230630 886亿1000万
ASHAREINCOME.revenue 20230930 1276亿3400万
----------------------
----------------------
原生python
from xtquant import xtdata
xtdata.get_financial_data(stock_list, table_list=[], start_time='', end_time='', report_type='report_time')
提示
选择按照公告期取数和按照报告期取数的区别:
若某公司当年 4 月 26 日发布上年度年报,如果选择按照公告期取数,则当年 4 月 26 日之后至下个财报发布日期之间的数据都是上年度年报的财务数据。
若选择按照报告期取数,则上年度第 4 季度(上年度 10 月 1 日 - 12 月 31 日)的数据就是上年度报告期的数据。
参数
参数名称 | 数据类型 | 描述 |
---|---|---|
stock_list | list | 合约代码列表 |
table_list | list | 财务数据表名称列表,可选:Balance #资产负债表;Income #利润表;CashFlow #现金流量表 |
start_time | string | 起始时间 |
end_time | string | 结束时间 |
report_type | string | 报表筛选方式,可选:report_time #截止日期;announce_time #披露日期 |
返回
dict
数据集 { stock1 : datas1, stock2 : data2, ... }- stock1, stock2, ... # 合约代码
- datas1, datas2, ... # dict 数据集 { table1 : table_data1, table2 : table_data2, ... }
示例
from xtquant import xtdata
# 取数据前请确保已下载所需要的财务数据
xtdata.download_financial_data(["000001.SZ","600519.SH","430017.BJ"], table_list=["Balance","Income"])
xtdata.get_financial_data(["000001.SZ","600519.SH","430017.BJ"],["Balance","Income"])
{'000001.SZ': {'Balance': m_timetag m_anntime internal_shoule_recv fixed_capital_clearance \
0 19901231 19910430 NaN NaN
1 19911231 19920430 NaN NaN
2 19921231 19930226 NaN NaN
3 19931231 19940329 NaN NaN
4 19940630 19940630 NaN -241835.0
.. ... ... ... ...
101 20220630 20220818 NaN NaN
102 20220930 20221025 NaN NaN
103 20221231 20230309 NaN NaN
104 20230331 20230425 NaN NaN
105 20230630 20230824 NaN NaN
...
财务数据列表
资产负债表
- 内置表名:ASHAREBALANCESHEET
- 原生表名:Balance
字段名 | 定义 |
---|---|
m_anntime | 披露日期 |
m_timetag | 截止日期 |
internal_shoule_recv | 内部应收款 |
fixed_capital_clearance | 固定资产清理 |
should_pay_money | 应付分保账款 |
settlement_payment | 结算备付金 |
receivable_premium | 应收保费 |
accounts_receivable_reinsurance | 应收分保账款 |
reinsurance_contract_reserve | 应收分保合同准备金 |
dividends_payable | 应收股利 |
tax_rebate_for_export | 应收出口退税 |
subsidies_receivable | 应收补贴款 |
deposit_receivable | 应收保证金 |
apportioned_cost | 待摊费用 |
profit_and_current_assets_with_deal | 待处理流动资产损益 |
current_assets_one_year | 一年内到期的非流动资产 |
long_term_receivables | 长期应收款 |
other_long_term_investments | 其他长期投资 |
original_value_of_fixed_assets | 固定资产原值 |
net_value_of_fixed_assets | 固定资产净值 |
depreciation_reserves_of_fixed_assets | 固定资产减值准备 |
productive_biological_assets | 生产性生物资产 |
public_welfare_biological_assets | 公益性生物资产 |
oil_and_gas_assets | 油气资产 |
development_expenditure | 开发支出 |
right_of_split_share_distribution | 股权分置流通权 |
other_non_mobile_assets | 其他非流动资产 |
handling_fee_and_commission | 应付手续费及佣金 |
other_payables | 其他应交款 |
margin_payable | 应付保证金 |
internal_accounts_payable | 内部应付款 |
advance_cost | 预提费用 |
insurance_contract_reserve | 保险合同准备金 |
broker_buying_and_selling_securities | 代理买卖证券款 |
acting_underwriting_securities | 代理承销证券款 |
international_ticket_settlement | 国际票证结算 |
domestic_ticket_settlement | 国内票证结算 |
deferred_income | 递延收益 |
short_term_bonds_payable | 应付短期债券 |
long_term_deferred_income | 长期递延收益 |
undetermined_investment_losses | 未确定的投资损失 |
quasi_distribution_of_cash_dividends | 拟分配现金股利 |
provisions_not | 预计负债 |
cust_bank_dep | 吸收存款及同业存放 |
provisions | 预计流动负债 |
less_tsy_stk | 减:库存股 |
cash_equivalents | 货币资金 |
loans_to_oth_banks | 拆出资金 |
tradable_fin_assets | 交易性金融资产 |
derivative_fin_assets | 衍生金融资产 |
bill_receivable | 应收票据 |
account_receivable | 应收账款 |
advance_payment | 预付款项 |
int_rcv | 应收利息 |
other_receivable | 其他应收款 |
red_monetary_cap_for_sale | 买入返售金融资产款 |
agency_bus_assets | 以公允价值计量且其变动计入当期损益的金融资产 |
inventories | 存货 |
other_current_assets | 其他流动资产 |
total_current_assets | 流动资产合计 |
loans_and_adv_granted | 发放贷款及垫款 |
fin_assets_avail_for_sale | 可供出售金融资产 |
held_to_mty_invest | 持有至到期投资 |
long_term_eqy_invest | 长期股权投资 |
invest_real_estate | 投资性房地产 |
accumulated_depreciation | 累计折旧 |
fix_assets | 固定资产 |
constru_in_process | 在建工程 |
construction_materials | 工程物资 |
long_term_liabilities | 长期负债 |
intang_assets | 无形资产 |
goodwill | 商誉 |
long_deferred_expense | 长期待摊费用 |
deferred_tax_assets | 递延所得税资产 |
total_non_current_assets | 非流动资产合计 |
tot_assets | 资产总计 |
shortterm_loan | 短期借款 |
borrow_central_bank | 向中央银行借款 |
loans_oth_banks | 拆入资金 |
tradable_fin_liab | 交易性金融负债 |
derivative_fin_liab | 衍生金融负债 |
notes_payable | 应付票据 |
accounts_payable | 应付账款 |
advance_peceipts | 预收账款 |
fund_sales_fin_assets_rp | 卖出回购金融资产款 |
empl_ben_payable | 应付职工薪酬 |
taxes_surcharges_payable | 应交税费 |
int_payable | 应付利息 |
dividend_payable | 应付股利 |
other_payable | 其他应付款 |
non_current_liability_in_one_year | 一年内到期的非流动负债 |
other_current_liability | 其他流动负债 |
total_current_liability | 流动负债合计 |
long_term_loans | 长期借款 |
bonds_payable | 应付债券 |
longterm_account_payable | 长期应付款 |
grants_received | 专项应付款 |
deferred_tax_liab | 递延所得税负债 |
other_non_current_liabilities | 其他非流动负债 |
non_current_liabilities | 非流动负债合计 |
tot_liab | 负债合计 |
cap_stk | 实收资本(或股本) |
cap_rsrv | 资本公积 |
specific_reserves | 专项储备 |
surplus_rsrv | 盈余公积 |
prov_nom_risks | 一般风险准备 |
undistributed_profit | 未分配利润 |
cnvd_diff_foreign_curr_stat | 外币报表折算差额 |
tot_shrhldr_eqy_excl_min_int | 归属于母公司股东权益合计 |
minority_int | 少数股东权益 |
total_equity | 所有者权益合计 |
tot_liab_shrhldr_eqy | 负债和股东权益总计 |
利润表
- 内置表名:ASHAREINCOME
- 原生表名:Income
字段名 | 定义 |
---|---|
m_anntime | 披露日期 |
m_timetag | 截止日期 |
revenue_inc | 营业收入 |
earned_premium | 已赚保费 |
real_estate_sales_income | 房地产销售收入 |
total_operating_cost | 营业总成本 |
real_estate_sales_cost | 房地产销售成本 |
research_expenses | 研发费用 |
surrender_value | 退保金 |
net_payments | 赔付支出净额 |
net_withdrawal_ins_con_res | 提取保险合同准备金净额 |
policy_dividend_expenses | 保单红利支出 |
reinsurance_cost | 分保费用 |
change_income_fair_value | 公允价值变动收益 |
futures_loss | 期货损益 |
trust_income | 托管收益 |
subsidize_revenue | 补贴收入 |
other_business_profits | 其他业务利润 |
net_profit_excl_merged_int_inc | 被合并方在合并前实现净利润 |
int_inc | 利息收入 |
handling_chrg_comm_inc | 手续费及佣金收入 |
less_handling_chrg_comm_exp | 手续费及佣金支出 |
other_bus_cost | 其他业务成本 |
plus_net_gain_fx_trans | 汇兑收益 |
il_net_loss_disp_noncur_asset | 非流动资产处置收益 |
inc_tax | 所得税费用 |
unconfirmed_invest_loss | 未确认投资损失 |
net_profit_excl_min_int_inc | 归属于母公司所有者的净利润 |
less_int_exp | 利息支出 |
other_bus_inc | 其他业务收入 |
revenue | 营业总收入 |
total_expense | 营业成本 |
less_taxes_surcharges_ops | 营业税金及附加 |
sale_expense | 销售费用 |
less_gerl_admin_exp | 管理费用 |
financial_expense | 财务费用 |
less_impair_loss_assets | 资产减值损失 |
plus_net_invest_inc | 投资收益 |
incl_inc_invest_assoc_jv_entp | 联营企业和合营企业的投资收益 |
oper_profit | 营业利润 |
plus_non_oper_rev | 营业外收入 |
less_non_oper_exp | 营业外支出 |
tot_profit | 利润总额 |
net_profit_incl_min_int_inc | 净利润 |
net_profit_incl_min_int_inc_after | 净利润(扣除非经常性损益后) |
minority_int_inc | 少数股东损益 |
s_fa_eps_basic | 基本每股收益 |
s_fa_eps_diluted | 稀释每股收益 |
total_income | 综合收益总额 |
total_income_minority | 归属于少数股东的综合收益总额 |
other_compreh_inc | 其他收益 |
现金流表
- 内置表名:ASHARECASHFLOW
- 原生表名: CashFlow
字段名 | 定义 |
---|---|
m_anntime | 披露日期 |
m_timetag | 截止日期 |
cash_received_ori_ins_contract_pre | 收到原保险合同保费取得的现金 |
net_cash_received_rei_ope | 收到再保险业务现金净额 |
net_increase_insured_funds | 保户储金及投资款净增加额 |
net_increase_in_disposal | 处置交易性金融资产净增加额 |
cash_for_interest | 收取利息、手续费及佣金的现金 |
net_increase_in_repurchase_funds | 回购业务资金净增加额 |
cash_for_payment_original_insurance | 支付原保险合同赔付款项的现金 |
cash_payment_policy_dividends | 支付保单红利的现金 |
disposal_other_business_units | 处置子公司及其他收到的现金 |
cash_received_from_pledges | 减少质押和定期存款所收到的现金 |
cash_paid_for_investments | 投资所支付的现金 |
net_increase_in_pledged_loans | 质押贷款净增加额 |
cash_paid_by_subsidiaries | 取得子公司及其他营业单位支付的现金净额 |
increase_in_cash_paid | 增加质押和定期存款所支付的现金 |
cass_received_sub_abs | 其中子公司吸收现金 |
cass_received_sub_investments | 其中:子公司支付给少数股东的股利、利润 |
minority_shareholder_profit_loss | 少数股东损益 |
unrecognized_investment_losses | 未确认的投资损失 |
ncrease_deferred_income | 递延收益增加(减:减少) |
projected_liability | 预计负债 |
increase_operational_payables | 经营性应付项目的增加 |
reduction_outstanding_amounts_less | 已完工尚未结算款的减少(减:增加) |
reduction_outstanding_amounts_more | 已结算尚未完工款的增加(减:减少) |
goods_sale_and_service_render_cash | 销售商品、提供劳务收到的现金 |
net_incr_dep_cob | 客户存款和同业存放款项净增加额 |
net_incr_loans_central_bank | 向中央银行借款净增加额(万元) |
net_incr_fund_borr_ofi | 向其他金融机构拆入资金净增加额 |
net_incr_fund_borr_ofi | 拆入资金净增加额 |
tax_levy_refund | 收到的税费与返还 |
cash_paid_invest | 投资支付的现金 |
other_cash_recp_ral_oper_act | 收到的其他与经营活动有关的现金 |
stot_cash_inflows_oper_act | 经营活动现金流入小计 |
goods_and_services_cash_paid | 购买商品、接受劳务支付的现金 |
net_incr_clients_loan_adv | 客户贷款及垫款净增加额 |
net_incr_dep_cbob | 存放中央银行和同业款项净增加额 |
handling_chrg_paid | 支付利息、手续费及佣金的现金 |
cash_pay_beh_empl | 支付给职工以及为职工支付的现金 |
pay_all_typ_tax | 支付的各项税费 |
other_cash_pay_ral_oper_act | 支付其他与经营活动有关的现金 |
stot_cash_outflows_oper_act | 经营活动现金流出小计 |
net_cash_flows_oper_act | 经营活动产生的现金流量净额 |
cash_recp_disp_withdrwl_invest | 收回投资所收到的现金 |
cash_recp_return_invest | 取得投资收益所收到的现金 |
net_cash_recp_disp_fiolta | 处置固定资产、无形资产和其他长期投资收到的现金 |
other_cash_recp_ral_inv_act | 收到的其他与投资活动有关的现金 |
stot_cash_inflows_inv_act | 投资活动现金流入小计 |
cash_pay_acq_const_fiolta | 购建固定资产、无形资产和其他长期投资支付的现金 |
other_cash_pay_ral_oper_act | 支付其他与投资的现金 |
stot_cash_outflows_inv_act | 投资活动现金流出小计 |
net_cash_flows_inv_act | 投资活动产生的现金流量净额 |
cash_recp_cap_contrib | 吸收投资收到的现金 |
cash_recp_borrow | 取得借款收到的现金 |
proc_issue_bonds | 发行债券收到的现金 |
other_cash_recp_ral_fnc_act | 收到其他与筹资活动有关的现金 |
stot_cash_inflows_fnc_act | 筹资活动现金流入小计 |
cash_prepay_amt_borr | 偿还债务支付现金 |
cash_pay_dist_dpcp_int_exp | 分配股利、利润或偿付利息支付的现金 |
other_cash_pay_ral_fnc_act | 支付其他与筹资的现金 |
stot_cash_outflows_fnc_act | 筹资活动现金流出小计 |
net_cash_flows_fnc_act | 筹资活动产生的现金流量净额 |
eff_fx_flu_cash | 汇率变动对现金的影响 |
net_incr_cash_cash_equ | 现金及现金等价物净增加额 |
cash_cash_equ_beg_period | 期初现金及现金等价物余额 |
cash_cash_equ_end_period | 期末现金及现金等价物余额 |
net_profit | 净利润 |
plus_prov_depr_assets | 资产减值准备 |
depr_fa_coga_dpba | 固定资产折旧、油气资产折耗、生产性物资折旧 |
amort_intang_assets | 无形资产摊销 |
amort_lt_deferred_exp | 长期待摊费用摊销 |
decr_deferred_exp | 待摊费用的减少 |
incr_acc_exp | 预提费用的增加 |
loss_disp_fiolta | 处置固定资产、无形资产和其他长期资产的损失 |
loss_scr_fa | 固定资产报废损失 |
loss_fv_chg | 公允价值变动损失 |
fin_exp | 财务费用 |
invest_loss | 投资损失 |
decr_deferred_inc_tax_assets | 递延所得税资产减少 |
incr_deferred_inc_tax_liab | 递延所得税负债增加 |
decr_inventories | 存货的减少 |
decr_oper_payable | 经营性应收项目的减少 |
others | 其他 |
im_net_cash_flows_oper_act | 经营活动产生现金流量净额 |
conv_debt_into_cap | 债务转为资本 |
conv_corp_bonds_due_within_1y | 一年内到期的可转换公司债券 |
fa_fnc_leases | 融资租入固定资产 |
end_bal_cash | 现金的期末余额 |
less_beg_bal_cash | 现金的期初余额 |
plus_end_bal_cash_equ | 现金等价物的期末余额 |
less_beg_bal_cash_equ | 现金等价物的期初余额 |
im_net_incr_cash_cash_equ | 现金及现金等价物的净增加额 |
tax_levy_refund | 收到的税费返还 |
股本表
- 内置表名:CAPITALSTRUCTURE
- 原生表名:Capital
中文字段 | 迅投字段 |
---|---|
总股本 | total_capital |
已上市流通A股 | circulating_capital |
限售流通股份 | restrict_circulating_capital |
变动日期 | m_timetag |
公告日 | m_anntime |
主要指标
- 内置表名:PERSHAREINDEX
- 原生表名:PershareIndex
中文字段 | 迅投字段 |
---|---|
每股经营活动现金流量 | s_fa_ocfps |
每股净资产 | s_fa_bps |
基本每股收益 | s_fa_eps_basic |
稀释每股收益 | s_fa_eps_diluted |
每股未分配利润 | s_fa_undistributedps |
每股资本公积金 | s_fa_surpluscapitalps |
扣非每股收益 | adjusted_earnings_per_share |
净资产收益率 | du_return_on_equity |
销售毛利率 | sales_gross_profit |
主营收入同比增长 | inc_revenue_rate |
净利润同比增长 | du_profit_rate |
归属于母公司所有者的净利润同比增长 | inc_net_profit_rate |
扣非净利润同比增长 | adjusted_net_profit_rate |
营业总收入滚动环比增长 | inc_total_revenue_annual |
归属净利润滚动环比增长 | inc_net_profit_to_shareholders_annual |
扣非净利润滚动环比增长 | adjusted_profit_to_profit_annual |
加权净资产收益率 | equity_roe |
摊薄净资产收益率 | net_roe |
摊薄总资产收益率 | total_roe |
毛利率 | gross_profit |
净利率 | net_profit |
实际税率 | actual_tax_rate |
预收款营业收入 | pre_pay_operate_income |
销售现金流营业收入 | sales_cash_flow |
资产负债比率 | gear_ratio |
存货周转率 | inventory_turnover |
十大股东/十大流通股东
- 内置表名:TOP10HOLDER/TOP10FLOWHOLDER
- 原生表名:Top10holder/Top10flowholder
中文字段 | 迅投字段 |
---|---|
公告日期 | declareDate |
截止日期 | endDate |
股东名称 | name |
股东类型 | type |
持股数量 | quantity |
变动原因 | reason |
持股比例 | ratio |
股份性质 | nature |
持股排名 | rank |
股东数
- 内置表名:SHAREHOLDER
- 原生表名:Holdernum
中文字段 | 迅投字段 |
---|---|
公告日期 | declareDate |
截止日期 | endDate |
股东总数 | shareholder |
A股东户数 | shareholderA |
B股东户数 | shareholderB |
H股东户数 | shareholderH |
已流通股东户数 | shareholderFloat |
未流通股东户数 | shareholderOther |