怎样用Python直接获取股票指标数据？散户也能学会的极简教程

📅 2026-09-25 21:52👁️ 8123 阅读💬 0 评论

企业微信

为什么你拿到的股票指标总是不准

很多人看盘软件里的MACD、KDJ、RSI，换个软件数值就不一样。根源在于计算参数和复权方式不同。开盘价、收盘价用前复权还是后复权，均线用简单移动平均还是指数移动平均，结果能差出好几个点。想拿到真正属于自己的指标，用Python从头算一遍最踏实。

第一步找到能直接用的数据源头

股票原始数据分两类：行情数据（开高低收、成交量）和财务数据（利润、负债）。期货还多一层合约乘数、保证金、主力连续。

怎样用Python直接获取股票指标数据？散户也能学会的极简教程

免费接口里，这几个最顺手：

Tushare：老牌选手，积分制。日线、分钟线、复权因子都有。注册后拿token，一行代码拉数据。
AKShare：完全免费，爬虫封装得干净。股票、期货、期权、基金全包。接口名字直白，stock_zh_a_hist 就是A股历史行情。
yfinance：美股、港股、外汇、期货都能用。缺点是国内访问偶尔抽风。

以AKShare为例，拿贵州茅台日线：


import akshare as ak

df = ak.stock_zh_a_hist(symbol="600519", period="daily", start_date="20240101", end_date="20241231", adjust="qfq")

print(df.head())

adjust="qfq" 就是前复权。不加这个参数，除权除息那天价格会断崖，算出来的均线全是错的。

第二步指标不用等软件自己算更靠谱

拿到原始数据后，均线、MACD、RSI这些经典指标，用pandas和ta库几行就能出。

均线：简单但别用错


df["MA5"] = df["收盘"].rolling(5).mean()

df["MA20"] = df["收盘"].rolling(20).mean()

rolling(5).mean() 就是最近5天收盘价的算术平均。有人问为啥不用ewm，那是指数加权，反应更快但更容易被单日暴涨暴跌带偏。做趋势跟踪用rolling，做短线捕捉用ewm，没有绝对好坏。

MACD：慢线快线加柱状图


def macd(close, fast=12, slow=26, signal=9):

    ema_fast = close.ewm(span=fast, adjust=False).mean()

    ema_slow = close.ewm(span=slow, adjust=False).mean()

    dif = ema_fast - ema_slow

    dea = dif.ewm(span=signal, adjust=False).mean()

    hist = (dif - dea) * 2

    return dif, dea, hist

df["DIF"], df["DEA"], df["MACD"] = macd(df["收盘"])

adjust=False 是多数软件默认的递推算法。改成True，结果跟通达信、同花顺就对不上。这点小细节，能让回测收益差出十几个百分点。

RSI：超买超卖没那么神


delta = df["收盘"].diff()

gain = delta.where(delta > 0, 0)

loss = -delta.where(delta < 0, 0)

avg_gain = gain.rolling(14).mean()

avg_loss = loss.rolling(14).mean()

rs = avg_gain / avg_loss

df["RSI"] = 100 - (100 / (1 + rs))

RSI低于30叫超卖，高于70叫超买。震荡市管用，单边趋势里能钝化到让你怀疑人生。用Python算的好处是，你可以把14改成7、21，回测哪个参数适合当前品种。

第三步期货指标要多留个心眼

期货跟股票不一样，主力合约会换月。直接拿单个合约算均线，换月跳空能把指标打乱。

处理办法是拼接主力连续。Tushare有fut_mapping接口，AKShare有futures_main_sina。拿到连续价格后，再算指标就跟股票一样了。

期货还有夜盘，日线收盘价按15:00算还是23:00算，不同软件不一样。自己用Python算，统一按白天收盘价，回测逻辑才干净。


# 期货主力连续示例

fut = ak.futures_main_sina(symbol="RB0", start_date="20240101", end_date="20241231")

fut["MA10"] = fut["收盘价"].rolling(10).mean()

第四步批量拿全市场指标

单只股票算指标没意思，要扫全市场才能选股。思路是：先拿股票列表，循环拉数据，算完指标存本地。


import pandas as pd

stock_list = ak.stock_zh_a_spot_em()["代码"].tolist()

all_data = []

for code in stock_list[:100]:  # 先跑100只试试

    try:

        df = ak.stock_zh_a_hist(symbol=code, period="daily", start_date="20240101", end_date="20241231", adjust="qfq")

        df["MA20"] = df["收盘"].rolling(20).mean()

        df["代码"] = code

        all_data.append(df)

    except:

        continue

result = pd.concat(all_data)

result.to_csv("全市场指标.csv", index=False)

循环里加try except，防止某只票停牌或接口超时把整个程序打断。跑完存CSV，下次直接读，不用重复请求。