掘金量化下载维护日K级数据

对应平台帖 https://quantkt.com/forumDetail?id=201264

由于日K级数据不大，每次获取都是个股全历史，所以这里不需要考虑增量更新，每次直接刷新即可。

运行后即可获取上交和深交的股票历史日K数据。

• stock_code
  ：股票代码，000001.SZ 代表深交所 000001。
• name
  ：该交易日对应的股票名称，注意掘金这里没有找到历史更名记录，所以这里统一按最新的个股名称命名了(如果对于命名准确性有更高要求，可以参考其它数据或者找到个股历史更名表用脚本进行修改)。
• trade_date
  ：交易日，格式 YYYYMMDD。
• open
  ：当日开盘价。
• high
  ：当日最高价。
• low
  ：当日最低价。
• close
  ：当日收盘价。
• vol
  ：成交量，单位股。
• amount
  ：成交额，单位元。
• pre_close
  ：前一交易日收盘价，用于计算涨跌幅。

整体逻辑

使用get_instrumentinfos接口获取A股个股名称列表，遍历获取的个股。使用history获取历史数据，frequency调整为1d，表示日k数据。

使用df.to_csv即可将获取的dataframe保存到本地。

执行效果

参考代码DEMO

# coding: utf-8from __future__ import print_function, absolute_importfrom gm.api import *import osimport timeimport pandas as pdBASE_DIR = os.path.dirname(os.path.abspath(__file__))SAVE_DIR = os.path.join(BASE_DIR, 'history_data')def init(context):if not os.path.exists(SAVE_DIR):        os.makedirs(SAVE_DIR)print('保存目录: {}'.format(SAVE_DIR))# ---------- 获取全市场股票及名称 ----------    info_df = get_instrumentinfos(        exchanges=['SZSE', 'SHSE'],        sec_types=1,df=True    )if info_df is None or len(info_df) == 0:print('未获取到任何股票')return    symbols = info_df['symbol'].values    name_map = dict(zip(info_df['symbol'], info_df.get('sec_name', '')))    total = len(symbols)print('共获取 {} 只股票，开始下载...'.format(total))    ok_cnt = 0    fail_list = []for idx, symbol in enumerate(symbols):        try:            file_code = gm_symbol_to_file_code(symbol)   # SZSE.000001 -> 000001.SZif file_code is None:continue            file_name = '{}_history_data.csv'.format(file_code)            file_path = os.path.join(SAVE_DIR, file_name)# 断点续传，如果需要跳过已经有的文件，则打开下文注释# if os.path.exists(file_path):#     ok_cnt += 1#     continuedf = history(                symbol=symbol,                frequency='1d',                start_time='1990-01-01',                end_time='2099-12-31',# fields='symbol, frequency, open, high, low, close, volume, amount, pre_close, position, bob, eob',# adjust=ADJUST_PREV,df=True            )ifdf is None or len(df) == 0:print('[{}/{}] {} 无数据'.format(idx + 1, total, symbol))                fail_list.append(symbol)continue# ---------- 转换 ----------# 1. symbol -> stock_code，内容改成 000001.SZdf = df.rename(columns={'symbol': 'stock_code'})df['stock_code'] = file_code# 2. volume -> voldf = df.rename(columns={'volume': 'vol'})# 3. 用 eob 生成 trade_date（20010413 格式）if'eob'in df.columns:df['trade_date'] = pd.to_datetime(df['eob']).dt.strftime('%Y%m%d')# 4. 删除 bob、eob、frequency、positiondf = df.drop(columns=[c for c in ['bob', 'eob', 'frequency', 'position'] if c in df.columns])# 5. 加 name 列df['name'] = name_map.get(symbol, '')# 6. 按 trade_date 升序df = df.sort_values('trade_date').reset_index(drop=True)# 7. 调整列顺序：stock_code, name, trade_date 放前面            front_cols = ['stock_code', 'name', 'trade_date']            other_cols = [c for c in df.columns if c not in front_cols]df = df[front_cols + other_cols]            df.to_csv(file_path, index=False, encoding='utf-8-sig')            ok_cnt += 1print('[{}/{}] {} -> {} 行 {}'.format(                idx + 1, total, symbol, len(df), file_name))            time.sleep(0.05)        except Exception as e:print('[{}/{}] {} 下载失败: {}'.format(idx + 1, total, symbol, e))            fail_list.append(symbol)print('=' * 60)print('下载完成: 成功 {} / {}'.format(ok_cnt, total))if fail_list:print('失败 {} 只:'.format(len(fail_list)))for s in fail_list:print('    ', s)def gm_symbol_to_file_code(symbol):"""SZSE.000001 -> 000001.SZ  SHSE.600000 -> 600000.SH"""if'.' not in symbol:return None    market, code = symbol.split('.', 1)if market == 'SZSE':return'{}.SZ'.format(code)elif market == 'SHSE':return'{}.SH'.format(code)elif market == 'BJSE':return'{}.BJ'.format(code)else:return Noneif __name__ == '__main__':    run(        strategy_id='strategy_id',        filename='main.py',        mode=MODE_BACKTEST,        token='your_token',        backtest_start_time='2024-01-01 09:00:00',        backtest_end_time='2024-12-31 15:30:00',        backtest_initial_cash=1000000,        backtest_commission_ratio=0.0001,        backtest_slippage_ratio=0.0001    )

注意点，该学习脚本提供了上交和深交的数据，暂时不下载北交数据。

掘金该数据对应的name列为当前最新的个股名称，没有考虑改名历史，如果有历史需要，可自行获取个股改名历史进行个股历史名称维护。

现阶段渠道开户和量化QMT/掘金量化/PTrade福利(万0.8,etf万0.5)解锁平台会员，获取量化系统教程与各类量化框架