掘金API中的接口最长的周期是‘1d’的,因此周线/月线/年线等数据需要自己进行合成。
基本思路
用日线合成长周期的k线只需要确定好合成的周期以及需要的数据即可。
周期: 一般行情软件上提供年k、月k、周k,我也选择年、月、周再加一个季度频率。
数据: 开盘、收盘、最高、最低、成交额、成交量。
确定好周期和需要的数据以后,就可以开始写函数了。以周线为例,要想合成周线,主要有以下几步:
(1)将日线按照日期以周为频率进行分组
(2)计算开盘、收盘、最高、最低、成交额和成交量。
标的 | 公式 |
---|---|
开盘价 | 该周第一天的开盘价 |
收盘价 | 该周最后一天的收盘价 |
最高价 | 该周所有最高价的最大值 |
最低价 | 该周所有最低价的最小值 |
成交额 | 该周全部成交额的总和 |
成交量 | 该周全部成交量的总和 |
确定好基本思路,就可以开始编写函数了。
该函数共需要4个参数,分别为:股票代码、开始日期、结束日期、合成频率。这里面有个需要注意的点:输入的开始时间不一定是合成周期的第一天。(比如合成周线,开始日期输入的是周三,如果直接按照周合成,那么第一个合成的周线就是残缺的,这就需要进行调整,把起始日期前推到该周期的第一天)
按时间分组用到pandas库里面的resample函数,该函数可以按照指定频率对数据进行分组计算,用法如下:
DataFrame. resample(rule, how=None, axis=0, fill_method=None,closed=None,label=None,convention='start, kind=None, loffset=None, limit=None, base=0)
其中freq参数设置可参照下表:
其中我们还使用timedelta对象,可以计算未来和过去的时间。
datetime.timedelta函数用法
最终函数如下:
# coding=utf-8
from __future__ import print_function, absolute_import, unicode_literals
from gm.api import *
import datetime
import pandas as pd
def compose_bar(symbol,start_time,end_time,frequency):
'''symbol:标的,start_time:开始时间,end_time:结束时间,frequency:频率'''
# 合成周线
if frequency == 'W':
# 判断开始日期是否为周一
start_time = datetime.datetime.strptime(start_time, '%Y-%m-%d')
week_start = start_time.weekday() + 1#默认周一 = 0,周二 = 1,所以对得出的week进行调整,加一,使得周一等于1,便于后面正确的print日期
# 如果不是周一,则将开始时间调整到该周周一
if week_start != 1:
print('输入的开始日期为周{},调整到该周周一'.format(week_start))
start_time = start_time - datetime.timedelta(days = week_start - 1)
# 合成月线
if frequency == 'M':
# 判断开始日期是否为月初
day_start_1th = int(start_time[8:10])
# 如果不是1号,则转为当月1号
if day_start_1th != 1 :
start_time = datetime.datetime.strptime(start_time, '%Y-%m-%d')
start_time = start_time - datetime.timedelta(days = day_start_1th - 1)
print('开始日期为该月{}号,调整到当月1号',format(day_start_1th))
# 合成季线
if frequency == 'Q':
# 直接开始日期设置为季度初
month = int(start_time[5:7]) # 看开始时间月份
year = int(start_time[0:4]) # 看开始时间年份
if month in range(1,3):
start_time = datetime.date(year,1,1)
if month in range(4,6):
start_time = datetime.date(year,4,1)
if month in range(7,9):
start_time = datetime.date(year,7,1)
if month in range(10,12):
start_time = datetime.date(year,9,1)
# 合成年线
if frequency == 'A':
# 将开始时间调整为年初
year_start = int(start_time[0:4]) # 看开始时间年份
start_time = datetime.date(year_start,1,1)
# 订阅历史数据(注意要复权到当前日期才能和东方财富的数据对得上)
data = history(symbol = symbol,frequency = '1d',start_time = start_time,end_time = end_time,fields = 'eob,open,close,high,low,amount,volume',df = True,
skip_suspended = True,fill_missing = None, adjust=ADJUST_PREV,adjust_end_time = datetime.datetime.today())
# 修改日期格式并变成索引
data.eob = data.eob.apply(lambda x :datetime.datetime.strptime(str(x).split(' ')[0],'%Y-%m-%d'))
data.set_index(data['eob'],inplace = True)
data.drop(columns = ['eob'],inplace = True)
data_index = data.resample(frequency,label = 'right').last().index
# 结果返回成dataframe格式
data_k = pd.DataFrame({'open':data.resample(frequency,label = 'right').first()['open'],
'close': data.resample(frequency,label = 'right').last()['close'],
'high': data.resample(frequency,label = 'right').max()['high'],
'low': data.resample(frequency,label = 'right').min()['low'],
'amount': data.resample(frequency,label = 'right').sum()['amount'],
'volume': data.resample(frequency,label = 'right').sum()['volume'],
'frequency':frequency
})
data_k.set_index(data_index,inplace = True)
# 如果某周放假没有数据,则删除
data_k.dropna(inplace = True)
return data_k
"""
参考history_n()函数建立一个周/月/季度/年 K线的数据获取函数
"""
def history_n_compose(symbol, count, end_time, frequency="W", fields = 'open,close,high,low,amount,volume', fill_missing="last", adjust=ADJUST_PREV, df=True):
end_time = datetime.datetime.strptime(end_time, '%Y-%m-%d')
end_time = end_time.strftime('%Y-%m-%d')
coef = 1 #比例系数
if frequency == "W":
coef = 5
if frequency == "M":
coef = 23
if frequency == "Q":
coef = 90
if frequency == "A":
coef = 365
start_time = get_previous_n_trading_dates(exchange='SHSE', date=end_time, n=count*coef)[0]
data = compose_bar(symbol, start_time, end_time, frequency)
fields = str(fields).split(',')
data = data[fields] # 新建一个dataframe表格用于存储需要用到的数据
return data
# 测试一下
set_token("自己的token码")
data = history_n_compose('SHSE.510290',100,end_time='2024-09-20',frequency="M")
print(data)
# weekly_k = compose_bar('SHSE.510290','2023-03-05','2024-09-20','W')
# print(weekly_k)
# monthly_k = compose_bar('SHSE.510290','2023-03-05','2024-09-20','M')
# print(monthly_k)
# quarterly_k = compose_bar('SHSE.510290','2023-03-05','2024-09-20','Q')
# print(quarterly_k)
# yearly_k = compose_bar('SHSE.510290','2023-03-05','2024-09-20','A')
# print(yearly_k)
运行结果如下:
与东方财富给出的周线数据一致。