个人做股票研究最难得的是数据源的获取，除了从各大财经网站爬取数据外，从各大财经数据供应商提供的相关接口爬取或者下载，效率更高，数据质量也更有保证。
Wind终端一直是国内投资领域机构投资者必备的工具，但是对小散来说每年动辄几万至几十万不等的费用往往令我们望而却步。好不容易在大奖章网站找到了Wind量化接口个人版 API接口，虽说没有Wind终端完整的功能，但是从基础数据质量和接口易学程度讲，都要方便很多。
很早之前研究过，一直搁置了，这两天重新捡起来完善后，效率果然比从财经网站爬取数据效率高很多。 话不多说，分享下这两天研究的成果。
首先从大奖章网站下载wind量化接口个人版（免费，这点很难得），根据提示安装、注册，然后就可以快乐的玩耍了。
API 接口插件（无需安装Wind终端）及文档：
http://www.dajiangzhang.com/document
下面上代码，已在代码中作了注释，供需要的朋友参考。
每周get一个小技能，一年后也必是收获满满啊，新年加油！
Python代码：（后续持续完善，目标是搭建一个本地的量化投资数据库）
# -*- coding:utf-8 -*-
####################################################################################################################
\'\'\'\'\'
程序：Wind股票数据下载
功能：从Wind终端或者Wind资讯量化接口个人免费版中下载股票相关数据，保存至本地MySQL数据库，以进一步加工处理和分析
创建时间：2016/01/15 V1.01 创建版本，Python2.7
更新历史：2017/01/06 V1.02 从本地文件读取股票代码列表;升级到Python3.5版本
2017/01/07 V1.03 封装为函数，便于调试和代码管理
2017/01/08 V1.04 封装为类，为后续完善功能准备。自动从Wind中获取股票列表，独立运行；增加日志和参数处理
环境和类库：使用Python 3.5及第三方库pandas、WindPy、sqlalchemy
数据库：MySQL 5.7.16
Wind资讯量化接口 个人版（免费），可从Wind官网或大奖章网站下载安装，注册即可使用
作者：yuzhucu
\'\'\'
####################################################################################################################
import pandas as pd
from WindPy import *
from sqlalchemy import create_engine
import datetime,time
import os
class WindStock():
def getCurrentTime(self):
# 获取当前时间
return time.strftime(\'[%Y-%m-%d %H:%M:%S]\', time.localtime(time.time()))
def AStockHisData(self,symbols,start_date,end_date,step=0):
\'\'\'\'\'
逐个股票代码查询行情数据
wsd代码可以借助 WindNavigator自动生成copy即可使用;时间参数不设，默认取当前日期，可能是非交易日没数据;
只有一个时间参数时，默认作为为起始时间，结束时间默认为当前日期；如设置两个时间参数则依次为起止时间
\'\'\'
print(self.getCurrentTime(),": Download A Stock Starting:")
for symbol in symbols:
w.start()
try:
#stock=w.wsd(symbol,\'trade_code,open,high,low,close,volume,amt\',start_date,end_date)
\'\'\'\'\'
wsd代码可以借助 WindNavigator自动生成copy即可使用;
时间参数不设，默认取当前日期，可能是非交易日没数据;
只有一个时间参数，默认为起始时间到最新；如设置两个时间参数则依次为起止时间
\'\'\'
stock=w.wsd(symbol, "trade_code,open,high,low,close,pre_close,volume,amt,dealnum,chg,pct_chg,vwap, adjfactor,close2,turn,free_turn,oi,oi_chg,pre_settle,settle,chg_settlement,pct_chg_settlement, lastradeday_s,last_trade_day,rel_ipo_chg,rel_ipo_pct_chg,susp_reason,close3, pe_ttm,val_pe_deducted_ttm,pe_lyr,pb_lf,ps_ttm,ps_lyr,dividendyield2,ev,mkt_cap_ard,pb_mrq,pcf_ocf_ttm,pcf_ncf_ttm,pcf_ocflyr,pcf_nflyr,trade_status", start_date,end_date)
index_data = pd.DataFrame()
index_data[\'trade_date\']=stock.Times
stock.Data[0]=symbol
index_data[\'stock_code\']=stock.Data[0]
#index_data[\'stock_code\'] =symbol
index_data[\'open\'] =stock.Data[1]
index_data[\'high\'] =stock.Data[2]
index_data[\'low\'] =stock.Data[3]
index_data[\'close\']=stock.Data[4]
index_data[\'pre_close\']=stock.Data[5]
index_data[\'volume\']=stock.Data[6]
index_data[\'amt\']=stock.Data[7]
index_data[\'dealnum\']=stock.Data[8]
index_data[\'chg\']=stock.Data[9]
index_data[\'pct_chg\']=stock.Data[10]
#index_data[\'pct_chg\']=index_data[\'pct_chg\']/100
index_data[\'vwap\']=stock.Data[11]
index_data[\'adj_factor\']=stock.Data[12]
index_data[\'close2\']=stock.Data[13]
index_data[\'turn\']=stock.Data[14]
index_data[\'free_turn\']=stock.Data[15]
index_data[\'oi\']=stock.Data[16]
index_data[\'oi_chg\']=stock.Data[17]
index_data[\'pre_settle\']=stock.Data[18]
index_data[\'settle\']=stock.Data[19]
index_data[\'chg_settlement\']=stock.Data[20]
index_data[\'pct_chg_settlement\']=stock.Data[21]
index_data[\'lastradeday_s\']=stock.Data[22]
index_data[\'last_trade_day\']=stock.Data[23]
index_data[\'rel_ipo_chg\']=stock.Data[24]
index_data[\'rel_ipo_pct_chg\']=stock.Data[25]
index_data[\'susp_reason\']=stock.Data[26]
index_data[\'close3\']=stock.Data[27]
index_data[\'pe_ttm\']=stock.Data[28]
index_data[\'val_pe_deducted_ttm\']=stock.Data[29]
index_data[\'pe_lyr\']=stock.Data[30]
index_data[\'pb_lf\']=stock.Data[31]
index_data[\'ps_ttm\']=stock.Data[32]
index_data[\'ps_lyr\']=stock.Data[33]
index_data[\'dividendyield2\']=stock.Data[34]
index_data[\'ev\']=stock.Data[35]
index_data[\'mkt_cap_ard\']=stock.Data[36]
index_data[\'pb_mrq\']=stock.Data[37]
index_data[\'pcf_ocf_ttm\']=stock.Data[38]
index_data[\'pcf_ncf_ttm\']=stock.Data[39]
index_data[\'pcf_ocflyr\']=stock.Data[40]
index_data[\'pcf_ncflyr\']=stock.Data[41]
index_data[\'trade_status\']=stock.Data[42]
index_data[\'data_source\']=\'Wind\'
index_data[\'created_date\']=time.strftime(\'%Y-%m-%d %H:%M:%S\', time.localtime(time.time()))
index_data[\'updated_date\']=time.strftime(\'%Y-%m-%d %H:%M:%S\', time.localtime(time.time()))
index_data = index_data[index_data[\'open\'] > 0]
#index_data.fillna(0)
try:
index_data.to_sql(\'stock_daily_data\',engine,if_exists=\'append\');
except Exception as e:
#如果写入数据库失败，写入日志表，便于后续分析处理
error_log=pd.DataFrame()
error_log[\'trade_date\']=stock.Times
error_log[\'stock_code\']=stock.Data[0]
error_log[\'start_date\']=start_date
error_log[\'end_date\']=end_date
error_log[\'status\']=None
error_log[\'table\']=\'stock_daily_data\'
error_log[\'args\']=\'Symbol: \'+symbol+\' From \'+start_date+\' To \'+end_date
error_log[\'error_info\']=e
error_log[\'created_date\']=time.strftime(\'%Y-%m-%d %H:%M:%S\', time.localtime(time.time()))
error_log.to_sql(\'stock_error_log\',engine,if_exists=\'append\')
print ( self.getCurrentTime(),": SQL Exception :%s" % (e) )
continue
w.start()
except Exception as e:
#如果读取处理失败，可能是网络中断、频繁访问被限、历史数据缺失等原因。写入相关信息到日志表，便于后续补充处理
error_log=pd.DataFrame()
error_log[\'trade_date\']=stock.Times
error_log[\'stock_code\']=stock.Data[0]
error_log[\'start_date\']=start_date
error_log[\'end_date\']=end_date
error_log[\'status\']=None
error_log[\'table\']=\'stock_daily_data\'
error_log[\'args\']=\'Symbol: \'+symbol+\' From \'+start_date+\' To \'+end_date
error_log[\'error_info\']=e
error_log[\'created_date\']=time.strftime(\'%Y-%m-%d %H:%M:%S\', time.localtime(time.time()))
error_log.to_sql(\'stock_error_log\',engine,if_exists=\'append\')
print ( self.getCurrentTime(),":index_data %s : Exception :%s" % (symbol,e) )
time.sleep(sleep_time)
w.start()
continue
print(self.getCurrentTime(),": Downloading [",symbol,"] From "+start_date+" to "+end_date)
print(self.getCurrentTime(),": Download A Stock Has Finished .")
def getAStockCodesFromCsv(self):
\'\'\'\'\'
获取股票代码清单，链接数据库
\'\'\'
file_path=os.path.join(os.getcwd(),\'Stock.csv\')
stock_code = pd.read_csv(filepath_or_buffer=file_path, encoding=\'gbk\')
Code=stock_code.code
return Code
def getAStockCodesWind(end_date=time.strftime(\'%Y%m%d\',time.localtime(time.time()))):
\'\'\'\'\'
通过wset数据集获取所有A股股票代码，深市代码为股票代码+SZ后缀，沪市代码为股票代码+SH后缀。
如设定日期参数，则获取参数指定日期所有A股代码，不指定日期参数则默认为当前日期
:return: 指定日期所有A股代码，不指定日期默认为最新日期
\'\'\'
w.start()
#加日期参数取最指定日期股票代码
#stockCodes=w.wset("sectorconstituent","date="+end_date+";sectorid=a001010100000000;field=wind_code")
#不加日期参数取最新股票代码
stockCodes=w.wset("sectorconstituent","sectorid=a001010100000000;field=wind_code")
return stockCodes.Data[0]
#return stockCodes
def main():
\'\'\'\'\'
主调函数，可以通过参数调整实现分批下载
\'\'\'
global engine,sleep_time,symbols
sleep_time=5
windStock=WindStock()
engine = create_engine(\'mysql://root:root@localhost/invest?charset=utf8\')
#start_date=\'20100101\'
#end_date=\'20131231\'
#symbols=windStock.getAStockCodesFromCsv()#通过文件获取股票代码
#symbols=windStock.getAStockCodesWind()
#通过Wind API获取股票代码,默认取最新的，可以指定取历史某一日所有A股代码
#symbols=[\'000001.SZ\', \'000002.SZ\', \'000004.SZ\']#通过直接赋值获取股票代码用于测试
#print (symbols)
#windStock.AStockHisData(symbols,start_date,end_date)
for i in range(2013,1990,-1):
start_date=str(i)+\'0101\'
end_date=str(i)+\'1231\'
print (start_date,end_date,\'Starting\')
symbols=windStock.getAStockCodesWind()
windStock.AStockHisData(symbols,start_date,end_date)
print (start_date,end_date,\'Finished\')
def test():
\'\'\'\'\'
测试脚本，新增和优化功能时使用
\'\'\'
symbol=\'000001.SZ\'
start_date=\'20170101\'
end_date=\'20170109\'
#w.start();
#stock=w.wsd(symbol,\'trade_code,open,high,low,close\')
#stock=w.wsd(symbol, "trade_status,open,high,low,close,pre_close,volume,amt,dealnum,chg,pct_chg,vwap, adjfactor,close2,turn,free_turn,oi,oi_chg,pre_settle,settle,chg_settlement,pct_chg_settlement, lastradeday_s,last_trade_day,rel_ipo_chg,rel_ipo_pct_chg,susp_reason,close3, pe_ttm,val_pe_deducted_ttm,pe_lyr,pb_lf,ps_ttm,ps_lyr,dividendyield2,ev,mkt_cap_ard,pb_mrq,pcf_ocf_ttm,pcf_ncf_ttm,pcf_ocflyr,pcf_nflyr", start_date,end_date)
#stock=w.wsd("000001.SZ", "pre_close,open,high,low,close,volume,amt,dealnum,chg,pct_chg,vwap,adjfactor,close2,turn,free_turn,oi,oi_chg,pre_settle,settle,chg_settlement,pct_chg_settlement,lastradeday_s,last_trade_day,rel_ipo_chg,rel_ipo_pct_chg,trade_status,susp_reason,close3", "2016-12-09", "2017-01-07", "adjDate=0")
#print (stock)
for i in range(2014,1990,-1):
start_date=str(i)+\'0101\'
end_date=str(i)+\'1231\'
print (start_date,end_date)
if __name__ == "__main__":
main()
MySQL建表脚本：
use invest ; drop TABLE IF EXISTS stock_daily_data ; CREATE TABLE IF NOT EXISTS stock_daily_data ( index1 bigint(20) NOT NULL, trade_date date NOT NULL COMMENT \'交易日期\', stock_code varchar(100) NOT NULL COMMENT \'股票代码\', open double DEFAULT NULL COMMENT \'开盘价\', high double DEFAULT NULL COMMENT \'最高价\', low double DEFAULT NULL COMMENT \'最低价\', close double DEFAULT NULL COMMENT \' 收盘价,证券在交易日所在指定周期的最后一条行情数据中的收盘价\', volume double DEFAULT NULL COMMENT \'成交量\', amt double DEFAULT NULL COMMENT \'成交金额\', pct_chg double DEFAULT NULL COMMENT \'涨跌幅=(收盘价/前收价-1)*100%\', dealnum double DEFAULT NULL COMMENT \'成交笔数\', pre_close double DEFAULT NULL COMMENT \'证券在交易日所在指定周期的首个前收盘价\', chg double DEFAULT NULL COMMENT \'涨跌=收盘价-前收价\', swing double DEFAULT NULL COMMENT \'振幅=[(最高价-最低价)／前收盘价]*100%\', vwap double DEFAULT NULL COMMENT \'均价=成交金额/成交量\', adj_factor double DEFAULT NULL COMMENT \'Ext=X0*X1*...*Xt-1*Xt Ext为T日分红复权因子 X0=1 Xt=Pt-1/Pext,其中Pext为T日前收盘价，Pt-1为T日前一个交易日收盘价。\', close2 double DEFAULT NULL COMMENT \' 收盘价，该指标支持定点复权，当复权方式选择为定点复权时，复权基期传入有效；否则无效。\', turn double DEFAULT NULL COMMENT \'换手率=成交量/流通股本*100%\', free_turn double DEFAULT NULL COMMENT \' 换手率(自由流通股本)=成交量/自由流通股本*100%\', ev double DEFAULT NULL COMMENT \'上市公司的股权公平市场价值。对于一家多地上市公司，区分不同类型的股份价格和股份数量分别计算类别市值，然后加总\', mkt_cap_ard double DEFAULT NULL COMMENT \'按指定证券价格乘指定日总股本计算上市公司在该市场的估值。该总市值为计算PE、PB等估值指标的基础指标。暂停上市期间或退市后该指标不计算。\', pe_ttm double DEFAULT NULL COMMENT \'分子=最近交易日收盘价*最新普通股总股数分母=归属母公司股东的净利润(TTM)*最近交易日转换汇率(记帐本位币转换为交易币种)返回=分子／分母\', val_pe_deducted_ttm double DEFAULT NULL COMMENT \'扣非后的市盈率(TTM)=总市值/前推12个月扣除非经常性损益后的净利润\', pe_lyr double DEFAULT NULL COMMENT \' 每股股价为每股收益的倍数。可回测的估值指标。 总市值2/归属母公司股东净利润（LYR) 注： 1、总市值2=指定日证券收盘价*指定日当日总股本2、B股涉及汇率转换\', pb_lf double DEFAULT NULL COMMENT \'普通股每股市价为每股净资产的倍数。 总市值2／指定日最新公告股东权益(不含少数股东权益)注： 1、总市值2=指定日证券收盘价*指定日当日总股本2、B股涉及汇率转换\', pb_mrq double DEFAULT NULL COMMENT \'每股股价为每股净资产的倍数。可回测的估值指标。总市值2/归属母公司股东的权益（MRQ)如财务报表币种与市值币种不同，则财务报表数据按报告期截止日汇率转换为市值币种。\', ps_ttm double DEFAULT NULL COMMENT \'分子=最近交易日收盘价*最新普通股总股数 ;分母=销售收入(TTM)*最近交易日转换汇率(记帐本位币转换为交易币种); 返回=分子／分母\', ps_lyr double DEFAULT NULL COMMENT \'每股股价为每股营业收入(LYR)的倍数。可回测的估值指标。总市值2/营业收入(LYR) 注：1、总市值2=指定日证券收盘价*指定日当日总股本 2、B股涉及汇率转换\', dividendyield2 double DEFAULT NULL COMMENT \'股息率，也称股票获利率，是近12个月分配给股东的股息占股价的百分比。\', pcf_ocf_ttm double DEFAULT NULL COMMENT \'每股股价为每股经营现金流(TTM)的倍数。可回测的估值指标。总市值2/经营现金净流量TTM \', pcf_ncf_ttm double DEFAULT NULL COMMENT \'分子=最近交易日收盘价*最新普通股总股数 ;分母=现金及现金等价物净增加额(TTM)*最近交易日转换汇率(记帐本位币转换为交易币种);返回=分子／分母\', pcf_ocflyr double DEFAULT NULL COMMENT \' 每股股价为每股经营现金流(LYR)的倍数。可回测的估值指标。总市值2／市现率(经营现金流LYR) 注： 1、总市值2=指定日证券收盘价*指定日当日总股本 2、B股涉及汇率转换\', pcf_ncflyr double DEFAULT NULL COMMENT \'每股股价为每股净现金流(LYR)的倍数。可回测的估值指标。总市值2／现金净流量(LYR) 注： 1、总市值2=指定日证券收盘价*指定日当日总股本 2、B股涉及汇率转换\', trade_status varchar(100) DEFAULT NULL COMMENT \'指定日该证券的市场交易状态，如正常交易、停牌。注：但日期参数为最新时，指最新的已收盘交易日。\', oi double DEFAULT NULL COMMENT \'持仓量\', oi_chg double DEFAULT NULL COMMENT \' 持仓量变化\', pre_settle double DEFAULT NULL COMMENT \' 前结算价\', settle double DEFAULT NULL COMMENT \'结算价\', chg_settlement double DEFAULT NULL COMMENT \'涨跌（结算价）\', pct_chg_settlement double DEFAULT NULL COMMENT \'涨跌幅（结算价）\', lastradeday_s date DEFAULT NULL COMMENT \' 表示某证券有交易的最新交易日期。\', last_trade_day date DEFAULT NULL COMMENT \'表示某证券所在市场的最新一个交易日期。\', rel_ipo_chg double DEFAULT NULL COMMENT \'相对发行价涨跌=指定交易日收盘价-首发价格\', rel_ipo_pct_chg double DEFAULT NULL COMMENT \' 相对发行价涨跌幅=[(指定交易日收盘价-首发价格)／首发价格]*100% 注：复权计算方法参见“日行情／收盘价”\', susp_reason varchar(200) DEFAULT NULL COMMENT \'证券于某交易日停牌的原因。\', close3 double DEFAULT NULL COMMENT \'指定交易日的收盘价，若无成交则返回为空。\', data_source varchar(100) NOT NULL DEFAULT \'Wind\' COMMENT \'数据来源\', created_date datetime NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT \'创建日期\', updated_date datetime NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT \'更新日期\', UNIQUE KEY idx_code_date (stock_code,trade_date) ) ENGINE=InnoDB DEFAULT CHARSET=utf8; ALTER TABLE `invest`.`stock_daily_data` CHANGE COLUMN `index1` `index` BIGINT(20) NOT NULL ;
http://blog.csdn.net/yuzhucu/article/details/54241034