Existuje spousta zdrojů, které poskytují historická data o zásobách, ale poskytují pouze pole OHLC spolu s objemem a upraveným zavřením. Několik zdrojů, které jsem našel, poskytuje soubory údajů o tržních limitech, ale jsou omezeny na americké akcie. Yahoo Finance poskytuje tato data online, ale není možné je stáhnout (nebo žádné, o kterých vím).
- Kde mohu stáhnout tato data pro akcie patřící do různých předních burz cenných papírů napříč zeměmi pomocí jejich názvu tickeru?
- Existuje nějaký způsob, jak je stáhnout prostřednictvím Yahoo Finance nebo Google Finance?
Potřebuji data za poslední desetiletí, a proto potřebuji nějaký skript nebo API, které by to dokázalo.
Odpověď
Quant SE je lepší místo pro otázky týkající se získávání finančních údajů:
Odpověď
Pokud jde o shromažďování údajů, můžete zkontrolovat Quandl (existuje návod, jak jej používat s R na DataCamp , pokud máte zájem).
Navíc Aswath Damodaran je s ite obsahuje mnoho užitečných datových sad. I když nejsou aktualizovány tak často, mohou být stále užitečné, zejména jako měřítko pro porovnání vašeho vlastního výstupu (ze skriptů, které budete nevyhnutelně potřebovat napsat, abyste vypočítali potřebné metriky).
A, opět Quant SE je pravděpodobně lepší místo k hledání …
Odpověď
Tento web uvádí historické tržní kapitalizace a podnikové hodnoty pro společnosti S & P 100 a NASDAQ-100 za posledních 10 let. Sady dat můžete exportovat do aplikace Excel.
http://marketcapitalizations.com/historical-data/historical-data-categories/valuations/
Můžete se také pokusit kontaktovat je kvůli datům po delší dobu.
Komentáře
- Jste přidruženi k tomuto webu BTW?
Odpověď
Udělal bych to takhle.
import requests from bs4 import BeautifulSoup base_url = "https://finviz.com/screener.ashx?v=152&s=ta_topgainers&o=price&c=1,2,6,7,25,65,67" html = requests.get(base_url) soup = BeautifulSoup(html.content, "html.parser") main_div = soup.find("div", attrs = {"id":"screener-content"}) light_rows = main_div.find_all("tr", class_="table-light-row-cp") dark_rows = main_div.find_all("tr", class_="table-dark-row-cp") data = [] for rows_set in (light_rows, dark_rows): for row in rows_set: row_data = [] for cell in row.find_all("td"): val = cell.a.get_text() row_data.append(val) data.append(row_data) # sort rows to maintain original order data.sort(key=lambda x: int(x[0])) import pandas pandas.DataFrame(data).to_csv("AAA.csv", header=False)