金融数据---ETF日线行情数据

数据来自东方财富

使用 AkShare 获取 ETF 基金历史数据的详细教程

概述

本教程将详细介绍如何使用 Python 的 AkShare 库获取 ETF 基金的历史数据。我们将使用 fund_etf_hist_em 函数从东方财富网获取数据。

安装 AkShare

首先，确保你已经安装了 AkShare 库。如果尚未安装，可以使用以下命令安装：

pip install akshare

代码分析

import akshare as ak

# 设置参数
symbol = "513100"       # ETF 基金代码，例如 513100 是纳指ETF
period = "daily"        # 数据周期：daily-日线, weekly-周线, monthly-月线
start_date = "19700101" # 开始日期，格式为 YYYYMMDD
end_date = "20500101"   # 结束日期，格式为 YYYYMMDD
adjust = ""             # 复权类型：""-不复权, "qfq"-前复权, "hfq"-后复权

# 获取数据
df = ak.fund_etf_hist_em(
    symbol=symbol,
    period=period,
    start_date=start_date,
    end_date=end_date,
    adjust=adjust
)

# 打印数据
print(df)

参数说明

1. symbol (字符串):

• ETF 基金代码
• 示例: "513100" (纳指ETF), "510300" (沪深300ETF)

1. period (字符串):

• 数据周期类型
• 可选值: "daily" (日线), "weekly" (周线), "monthly" (月线)

1. start_date (字符串):

• 数据开始日期
• 格式: "YYYYMMDD" (年月日)
• 如果基金上市日期晚于开始日期，将返回从上市日开始的数据

1. end_date (字符串):

• 数据结束日期
• 格式: "YYYYMMDD" (年月日)
• 如果结束日期晚于当前日期，将返回到最新可用日期的数据

1. adjust (字符串):

• 复权类型
• 可选值: "" (不复权), "qfq" (前复权), "hfq" (后复权)

返回数据说明

函数返回一个 pandas DataFrame，包含以下列：

• 日期 (date): 交易日期
• 开盘 (open): 开盘价
• 收盘 (close): 收盘价
• 最高 (high): 最高价
• 最低 (low): 最低价
• 成交量 (volume): 成交量（手）
• 成交额 (amount): 成交额（元）
• 振幅 (amplitude): 振幅百分比
• 涨跌幅 (change_percent): 涨跌幅百分比
• 涨跌额 (change_amount): 涨跌额
• 换手率 (turnover_rate): 换手率百分比

数据结果

              日期     开盘     收盘     最高     最低      成交量          成交额    振幅   涨跌幅    涨跌额   换手率
0     2013-05-15  0.990  0.997  0.999  0.989   877116   87379278.0  1.00 -0.40 -0.004  0.93
1     2013-05-16  0.997  0.999  0.999  0.994   265570   26501420.0  0.50  0.20  0.002  0.28
2     2013-05-17  0.999  0.997  1.000  0.996    36379    3630062.0  0.40 -0.20 -0.002  0.04
3     2013-05-20  1.002  0.997  1.004  0.996    80490    8033039.0  0.80  0.00  0.000  0.09
4     2013-05-21  0.997  0.997  0.998  0.994   161124   16023195.0  0.40  0.00  0.000  0.17
...          ...    ...    ...    ...    ...      ...          ...   ...   ...    ...   ...
2996  2025-09-08  1.698  1.696  1.699  1.694  2489904  422336578.0  0.29 -0.29 -0.005  2.63
2997  2025-09-09  1.698  1.701  1.701  1.696  3196478  542998716.0  0.29  0.29  0.005  3.38
2998  2025-09-10  1.704  1.711  1.711  1.704  2657639  453939668.0  0.41  0.59  0.010  2.81
2999  2025-09-11  1.707  1.708  1.709  1.703  2891104  493321883.0  0.35 -0.18 -0.003  3.05
3000  2025-09-12  1.713  1.714  1.715  1.712  1590274  272498566.0  0.18  0.35  0.006  1.68

[3001 rows x 11 columns]