Il existe de nombreuses sources qui fournissent les données historiques sur les stocks, mais elles ne fournissent que les champs OHLC avec le volume et la clôture ajustée. De plus, quelques sources que jai trouvées fournissent des ensembles de données sur la capitalisation boursière, mais elles sont limitées aux actions américaines. Yahoo Finance fournit ces données en ligne, mais il ny a aucune option pour les télécharger (ou aucune option à ma connaissance).
- Où puis-je télécharger ces données pour les actions appartenant à différentes bourses de premier plan à travers les pays en utilisant leur nom boursier?
- Existe-t-il un moyen de les télécharger via Yahoo Finance ou Google Finance?
Jai besoin de données sur la dernière décennie environ et donc besoin dun script ou dune API qui ferait cela.
Réponse
Quant SE est le meilleur endroit pour les questions liées à lobtention de données financières:
Réponse
En ce qui concerne la collecte de données, vous pouvez consulter Quandl (il existe « un tutoriel sur son utilisation avec R sur DataCamp si cela vous intéresse).
De plus, Aswath Damodaran » s s ite contient de nombreux ensembles de données utiles. Bien quils ne soient pas mis à jour aussi fréquemment, ils peuvent toujours être utiles, en particulier comme référence pour comparer votre propre sortie (à partir des scripts, vous devrez inévitablement écrire pour calculer les métriques nécessaires).
Et, encore une fois, Quant SE est probablement un meilleur endroit pour chercher …
Réponse
Ce site répertorie les capitalisations boursières historiques et les valeurs dentreprise des sociétés S & P 100 et NASDAQ-100 pour les 10 dernières années ans. Vous pouvez exporter les ensembles de données vers Excel.
http://marketcapitalizations.com/historical-data/historical-data-categories/valuations/
Vous pouvez également essayer de les contacter pour obtenir des données pendant une période plus longue.
Commentaires
- Êtes-vous affilié à ce site BTW?
Réponse
Je le ferais de cette façon.
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)