Es gibt viele Quellen, die die historischen Bestandsdaten bereitstellen, aber nur die OHLC-Felder zusammen mit dem Volumen und dem angepassten Abschluss. Außerdem haben einige Quellen, die ich gefunden habe, Marktkapitalisierungsdatensätze bereitgestellt, die jedoch auf US-Aktien beschränkt sind. Yahoo Finance stellt diese Daten online zur Verfügung, es gibt jedoch keine Option zum Herunterladen (oder keine, die mir bekannt sind).
- Wo kann ich diese Daten für Aktien verschiedener Top-Börsen in verschiedenen Ländern unter Verwendung ihres Tickernamens herunterladen?
- Gibt es eine Möglichkeit, sie über Yahoo Finance oder herunterzuladen? Google Finanzen?
Ich benötige Daten für das letzte Jahrzehnt oder so und benötige daher ein Skript oder eine API, die dies tun würde.
Antwort
Quant SE ist der bessere Ort für Fragen zum Abrufen von Finanzdaten:
Antwort
Was das Sammeln von Daten betrifft, können Sie Quandl (es gibt ein Tutorial zur Verwendung mit R auf DataCamp , wenn Sie interessiert sind).
Außerdem Aswath Damodarans s ite enthält viele hilfreiche Datensätze. Obwohl sie nicht so häufig aktualisiert werden, können sie dennoch nützlich sein, insbesondere als Benchmark für den Vergleich Ihrer eigenen Ausgabe (aus den Skripten, die Sie zwangsläufig schreiben müssen, um die erforderlichen Metriken zu berechnen).
Und, Auch hier ist Quant SE wahrscheinlich ein besserer Ort, um nachzuschauen …
Antwort
Auf dieser Website werden historische Marktkapitalisierungen und Unternehmenswerte für S & P 100- und NASDAQ-100-Unternehmen der letzten 10 aufgelistet Jahre. Sie können die Datensätze nach Excel exportieren.
http://marketcapitalizations.com/historical-data/historical-data-categories/valuations/
Sie können auch versuchen, sie für einen längeren Zeitraum für Daten zu kontaktieren.
Kommentare
- Sind Sie übrigens mit dieser Site verbunden?
Antwort
Ich würde es so machen.
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)