各交易品历史数据

提供高质量全品种量化数据

ETF数据

包含所有etf上市至今的日线数据,数据更新到每个交易日前一晚22:00点

数据更新时间: 2023-09-08

使用说明
1,订阅数据API后可访问全部已上线的API接口,可通过页面底部提供的代码示例获取数据
2,关于数据的任何问题,可随时跟数据助手(malishizu222)沟通。

API接口信息

请求参数

字段名 数据类型 是否必填 字段说明

返回对象

属性名 属性类型 属性说明
code int 请求状态(code=1:请求成功,code<0:请求失败)
now_view int 当前页数
count int 数据总长度
max_view int 数据总页数
请求成功时
message array 包含数据的对象数组,字段名见下表
请求失败时
message string 错误原因,见下表

返回字段

字段名 数据类型 字段说明
trade_date string 交易日期
code string 股票代码
name string 股票名称
open string 开盘价
high string 最高价
low string 最低价
close string 收盘价
chg string 涨跌额
percent string 涨跌幅
turnoverrate string 换手率
volume string 成交量
amount string 成交额

错误原因

错误代码 错误说明
0 参数不合法,{不合法的参数名称}
-1 无授权(您未订阅或订阅已到期)
-2 数据不存在(data_name作为不同数据的标识名的入口,数据库中未找到您所传递的标识名)
-3 缺少参数(您可以未传递API密钥或者数据标识名,请检查一下传递的参数)
-4 今天API请求次数超限(字面意思,今日请求的次数过多,请明天再尝试把)

代码示例

						
						
import requests
import pandas as pd
# 网站数据API密钥,无需修改,示例代码已经为您填写完毕,复制即用
my_token = ''

# 获取标的代码列表
def get_stock_code():

	# 网站提供的API访问地址
	url = f'https://www.maliquant.com/api-data-{my_token}'
	data = {
		# 替换为实际参数和值
		'data name': 'etf',  # 数据标识名称
		# 第一步获取code列表,解除data_type参数的注释
		# 第二步从列表获取的某个code填入code属性中并注释data_type参数
		'data_type': 'list',
	}
	response = requests.post(url, data=data)

	if response.status_code == 200:
		data = response.json()

		return data['message']
	else:
		print('Status code:', response.status_code)

# 获取标的数据
def get_stock_data(code):
		# 网站提供的API访问地址
	url = f'https://www.maliquant.com/api-data-{my_token}'
	data = {
		# 替换为实际参数和值
		'data name': 'etf',  # 数据标识名称
		# 第一步获取code列表,解除data_type参数的注释
		# 第二步从列表获取的某个code填入code属性中并注释data_type参数
		'code': f'{code}', # 标的代码
		'page': '1', # 页码
		'size': '1000', # 分页,默认为1000,最大为5000

	}
	response = requests.post(url, data=data)

	if response.status_code == 200:
		data = response.json()

		return pd.DataFrame(data['message'])
	else:
		print('Status code:', response.status_code)



if __name__ == '__main__':

	# 获取标的代码列表
	code_list=get_stock_code()
	for code in code_list:
		# 获取标的数据
		get_stock_data(code)
						
					

数据每日5时更新


官方微信
码力十足学量化
Powered by Xiuno BBS 4.0.7

官方微信