31|如何抓取全部沪深A股的日K数据?
邢云阳

你好,我是邢云阳。
在前两节课,我们熟悉了 AKShare,并且再次借助 LangGraph,实现了查询股票的 Agent 。此外,我们也间接地学习了如何使用 Pandas 这个库,这对于丰富大家的技能,还有以后的求职都是有好处的。
我们的课程已经进入到了收关阶段了,后面的几节课,我们会把重点放在数据分析与量化策略相关的内容。这部分不管是在实际的金融分析中,还是在一些金融类比赛里,都是属于高级的技巧,比较考验分析师的水平。所以我们可以尝试将这些技巧与 Agent 进行结合,看看会擦出什么样的火花。
并发抓取日 K 数据
数据分析比较好理解,但量化这个词可能不太接地气,很多人会不知道是什么意思。量化简单来说就是把人类进行金融交易,比如股票买卖的经验写成程序,然后辅助人类进行决策。
如果一个策略写得非常好,而且人类完全按照量化策略进行操作,就能帮助克服追涨杀跌的人性。那常见的量化策略呢,包括成交量放量、连续涨停事件等等,这些都需要依赖大量的数据,需要先抓取一定周期的数据才能做分析。
接下来我们就先来学习一下,如何将全部沪深 A 股大约 5000 多只股票的近两年的日 K 数据全部抓取下来。
首先先用代码回顾一下第 29 节课抓取历史行情数据的手法,代码如下:
公开
同步至部落
取消
完成
0/2000
笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结

1. 量化策略是将人类进行金融交易的经验写成程序,辅助人类进行决策,可以帮助克服追涨杀跌的人性,需要大量数据支持。 2. 通过并发抓取日K数据,可以提高抓取速度,使用Python中的asyncio库实现多协程,降低开销,提高效率。 3. 通过将抓取到的数据写入csv文件,可以方便后续的数据分析和量化策略的制定。 4. 通过改造抓取代码为并发执行,可以大幅缩短抓取数据所需的时间,提高效率。 5. 使用async/await关键字将方法变成协程方法,实现异步编程,提高程序的执行效率. 6. 通过将需要转成异步的代码放入到线程池中运行,可以使协程继续执行其他任务,提高并发执行效果。 7. 通过创建任务列表并统一执行任务,实现了并发执行抓取数据的效果,提高了抓取速度。 8. 通过遍历任务执行结果,实现了对抓取到的数据进行合并操作,保证了数据的完整性。 9. 通过改造后的代码执行,可以看到抓取效果一致,但时间大幅缩短,提高了抓取效率。
仅可试看部分内容,如需阅读全部内容,请付费购买文章所属专栏
《DeepSeek 应用开发实战》,新⼈⾸单¥59
《DeepSeek 应用开发实战》,新⼈⾸单¥59
立即购买
© 版权归极客邦科技所有,未经许可不得传播售卖。 页面已增加防盗追踪,如有侵权极客邦将依法追究其法律责任。
登录 后留言
精选留言
由作者筛选后的优质留言将会公开显示,欢迎踊跃留言。
收起评论