Ci sono molte fonti che forniscono i dati storici di borsa ma forniscono solo i campi OHLC insieme al volume e alla chiusura corretta. Anche un paio di fonti che ho trovato forniscono set di dati sulla capitalizzazione di mercato, ma sono limitati alle azioni statunitensi. Yahoo Finance fornisce questi dati online ma non cè alcuna opzione per scaricarli (o nessuno di cui sono a conoscenza).
- Dove posso scaricare questi dati per le azioni appartenenti a varie principali borse valori di paesi utilizzando il nome del ticker?
- Esiste un modo per scaricarli tramite Yahoo Finanza o Google Finanza?
Ho bisogno di dati per lultimo decennio circa e quindi ho bisogno di uno script o API che lo faccia.
Risposta
Quant SE è il posto migliore per domande relative allottenimento di dati finanziari:
Risposta
Per quanto riguarda la raccolta dei dati, puoi controllare Quandl (cè “un tutorial su come utilizzarlo con R su DataCamp se” sei interessato).
Inoltre, Aswath Damodaran “s s ite contiene molti set di dati utili. Sebbene non vengano aggiornati così frequentemente, possono comunque essere utili, soprattutto come benchmark per confrontare il proprio output (dagli script sarà inevitabilmente necessario scrivere per calcolare le metriche necessarie).
E, ancora una volta, Quant SE è probabilmente un posto migliore in cui cercare …
Risposta
Questo sito elenca le capitalizzazioni di mercato storiche e i valori aziendali per le società S & P 100 e NASDAQ-100 negli ultimi 10 anni. Puoi esportare i set di dati in Excel.
http://marketcapitalizations.com/historical-data/historical-data-categories/valuations/
Puoi anche provare a contattarli per i dati per un periodo di tempo più lungo.
Commenti
- Sei affiliato a questo sito BTW?
Risposta
Lo farei in questo modo.
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)