如何使用Tushare获取A股股票数据？

📅 2026-09-06 16:17👁️ 5967 阅读💬 0 评论

企业微信

Tushare接口与Token配置

Tushare是一个免费开源的Python财经数据接口包，提供股票、基金、期货等金融数据。要获取A股数据，首先需注册Tushare账号，并在个人主页获取Token。安装tushare库，通过pip install tushare完成。配置Token后调用pro接口，采用标准化的数据表结构，极大简化数据获取流程。Token是访问数据的凭证，需妥善保管，避免泄露。

获取股票列表与基本信息

上市公司基本信息是数据获取的基础。通过pro.stock_basic()可以获取当前所有A股股票列表，包含股票代码、名称、行业、上市日期等。参数exchange='SSE'可筛选上交所，'SZSE'为深交所，list_status='L'表示上市状态，'D'为退市，'P'为暂停。该接口适合获取全市场股票池。示例代码：


import tushare as ts

pro = ts.pro_api('你的Token')

df = pro.stock_basic(exchange='', list_status='L', fields='ts_code,symbol,name,area,industry,market,list_date')

返回的DataFrame可直接用于后续分析。

如何使用Tushare获取A股股票数据？

获取历史日线行情

历史日线数据是量化交易的基础，通过pro.daily()接口获取日线行情，包含开高低收价、成交量、成交额等。参数包括ts_code（股票代码）或trade_date（交易日期）。一次最多获取6000条数据，若需长周期，需分次循环获取。该接口提供未复权数据，对于除权除息需使用复权因子进行前复权或后复权。示例：


df = pro.daily(ts_code='000001.SZ', start_date='20200101', end_date='20231231')

字段说明：trade_date, open, high, low, close, pre_close, change, pct_chg, vol, amount。其中pct_chg为涨跌幅，vol单位为手，amount为千元。

复权因子的使用

股票分红送股会改变股价连续性，复权处理是必要步骤。Tushare提供复权因子接口pro.adj_factor()，返回每只股票每日的复权因子。前复权计算公式为：前复权价 = 未复权价 * 当前因子 / 当日因子，当前因子为最新交易日的复权因子。使用复权数据可准确计算收益率。示例代码：


adj = pro.adj_factor(ts_code='000001.SZ', start_date='20200101', end_date='20231231')

df = df.merge(adj, on='trade_date')

df['adj_close'] = df['close'] * df['adj_factor'] / df['adj_factor'].iloc[-1]

获取财务指标数据

财务数据反映公司质地，通过pro.fina_indicator()获取财务指标，包括每股收益、净资产收益率、毛利率等。参数可指定周期（年报、季报），需按公告日期过滤。该接口适合基本面选股。示例：


df = pro.fina_indicator(ts_code='000001.SZ', start_date='20200101', end_date='20231231', fields='ts_code,ann_date,end_date,eps,roe,grossprofit_margin')

注意财务数据有披露延迟，需根据公告日期使用ann_date。

实时行情数据获取

实时行情用于盘中监控，Tushare提供pro.realtime_quote()接口，需积分达到一定等级（2000分以上）。该接口返回当前最新交易信息，包括最新价、涨跌幅、买卖五档等。对于量化交易，实时数据可用于高频交易策略。示例代码：


df = pro.realtime_quote(ts_code='000001.SZ', src='sina')

如果积分不够，可使用新浪或腾讯的免费接口，但准确性稍逊。

交易日历与工具函数

trade_cal接口返回交易日历，便于判断是否为交易日。常用函数为pro.trade_cal(exchange='SSE', start_date='20240101', end_date='20241231')，返回is_open字段。在数据获取时，可结合日历避开非交易日，提高效率。

数据缓存与本地存储

频繁调用API有流量限制，建议将数据缓存到本地。使用pandas的to_csv或to_pickle存储，或使用SQLite数据库。在策略回测时，一次性获取所有数据并保存，避免重复请求。对于大容量数据，使用分块下载，并合理利用Tushare的积分制度。

实战案例分析

考虑构建一个简单的双均线策略：使用日线数据，计算5日和20日均线。若5日上穿20日则买入，下穿则卖出。数据获取与策略流程如下：

获取平安银行（000001.SZ）近两年日线数据；
合并复权因子，计算前复权收盘价；
计算均线并生成信号；
计算策略收益率与基准对比。示例代码：


import pandas as pd

import numpy as np

stock_code = '000001.SZ'

df = get_daily(stock_code, '2022-01-01', '2024-12-31') # 自定义函数

df['ma5'] = df['adj_close'].rolling(5).mean()

df['ma20'] = df['adj_close'].rolling(20).mean()

df['signal'] = np.where(df['ma5'] > df['ma20'], 1, 0)

df['position'] = df['signal'].diff()

获取数据的过程是策略成功的一半。