Er zijn tal van bronnen die de historische voorraadgegevens leveren, maar ze bieden alleen de OHLC-velden samen met het volume en de aangepaste afsluiting. Ook een paar bronnen die ik vond, bevatten datasets over marktkapitalisaties, maar deze zijn beperkt tot Amerikaanse aandelen. Yahoo Finance biedt deze gegevens online, maar er is geen optie om deze te downloaden (of weet ik er geen).
- Waar kan ik deze gegevens downloaden voor aandelen die tot verschillende topbeurzen in verschillende landen behoren door hun tickernaam te gebruiken?
- Is er een manier om deze te downloaden via Yahoo Finance of Google Finance?
Ik heb gegevens nodig van de afgelopen tien jaar en daarom heb ik een script of API nodig die dit zou doen.
Antwoord
Quant SE is een betere plaats voor vragen over het verkrijgen van financiële gegevens:
Antwoord
Wat het verzamelen van gegevens betreft, kunt u Quandl (er is een tutorial over het gebruik ervan met R op DataCamp als je” geïnteresseerd bent).
Bovendien, Aswath Damodaran “s s ite bevat veel nuttige datasets. Hoewel ze niet zo vaak worden bijgewerkt, kunnen ze nog steeds nuttig zijn, vooral als een benchmark voor het vergelijken van uw eigen uitvoer (van de scripts die u onvermijdelijk zult moeten schrijven om de benodigde metrieken te berekenen).
En, nogmaals, Quant SE is waarschijnlijk een betere plek om te kijken …
Antwoord
Deze site bevat historische marktkapitalisaties en bedrijfswaarden voor S & P 100 en NASDAQ-100 bedrijven voor de afgelopen 10 jaar. U kunt de gegevenssets exporteren naar Excel.
http://marketcapitalizations.com/historical-data/historical-data-categories/valuations/
U kunt ook proberen om voor langere tijd contact met hen op te nemen voor gegevens.
Reacties
- Bent u BTW aangesloten bij deze site?
Antwoord
Ik zou het op deze manier doen.
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)