Der er masser af kilder, der giver de historiske lagerdata, men de giver kun OHLC-felter sammen med volumen og justeres tæt. Også et par kilder, jeg fandt, leverer datasæt med markedsværdi, men de er begrænset til amerikanske aktier. Yahoo Finance leverer disse data online, men der er ingen mulighed for at downloade dem (eller ingen, jeg er opmærksom på).
- Hvor kan jeg downloade disse data for aktier, der tilhører forskellige topfondsbørser på tværs af lande ved hjælp af deres tickernavn?
- Er der en eller anden måde at downloade dem via Yahoo Finance eller Google Finance?
Jeg har brug for data for det sidste årti eller deromkring og har derfor brug for noget script eller API, som ville gøre dette.
Svar
Quant SE er bedre sted for spørgsmål relateret til at få økonomiske data:
Svar
For så vidt angår indsamling af data, kan du tjekke Quandl (der er en vejledning i brug af den med R på DataCamp hvis du er interesseret).
Derudover Aswath Damodaran” s s ite indeholder mange nyttige datasæt. Selvom de ikke opdateres så ofte, kan de stadig være nyttige, især som et benchmark for sammenligning af din egen produktion (fra de scripts, du uundgåeligt bliver nødt til at skrive for at beregne de nødvendige metrics).
Og, igen, Quant SE er sandsynligvis et bedre sted at se …
Svar
Dette websted viser historiske markedsværdier og virksomhedsværdier for S & P 100 og NASDAQ-100 virksomheder i de sidste 10 år. Du kan eksportere datasættene til Excel.
http://marketcapitalizations.com/historical-data/historical-data-categories/valuations/
Du kan også prøve at kontakte dem med henblik på data i længere tid.
Kommentarer
- Er du tilknyttet dette websted BTW?
Svar
Jeg ville gøre det på denne måde.
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)