新闻详情

新闻详情

首页 / 资讯中心 / 详情

Vibe-Trading Tushare new_share 新股接口实战指南

发布时间:2026/11/10 12:27:23来源:尧图网络
Vibe-Trading Tushare new_share 新股接口实战指南
Vibe-Trading Tushare new_share 新股接口实战指南【免费下载链接】Vibe-TradingVibe-Trading: Your Personal Trading Agent项目地址: https://gitcode.com/GitHub_Trending/vi/Vibe-Tradingnew_share是 Tushare 的新股上市列表接口Vibe-Trading 的 Tushare new_share 接入可一次拿到 A 股新股的申购日期、发行价、市盈率、中签率与募集资金直接支撑打新日历与次新股研究。new_share 积分门槛与 token 配置账户至少 120 积分new_share 积分不足时调用会报权限错误安装依赖pip install tushare注入 token环境变量TUSHARE_TOKEN项目配置字段tushare_token输入参数与返回字段单位口径输入参数日期格式YYYYMMDD名称类型必选描述start_datestrN上网发行开始日期end_datestrN上网发行结束日期返回字段单位口径速查名称类型描述ts_codestrTS股票代码sub_codestr申购代码namestr名称ipo_datestr上网发行日期issue_datestr上市日期amountfloat发行总量万股market_amountfloat上网发行总量万股pricefloat发行价格pefloat市盈率limit_amountfloat个人申购上限万股fundsfloat募集资金亿元ballotfloat中签率amount与market_amount单位为万股funds为亿元量纲不同ballot为百分数数值0.16 表示 0.16%ts_code带交易所后缀用于关联日线等行情接口sub_code沪市新股常带 78/73 前缀与ts_code并不总一致issue_date可为 None尚未上市funds为 0.000 视为缺失最小可运行示例以下代码按 2018 年 9~10 月区间拉取新股上市列表并核对行数与字段类型import os import tushare as ts import pandas as pd # Vibe-Trading 通过 TUSHARE_TOKEN 环境变量注入 token token os.getenv(TUSHARE_TOKEN) or ts.get_token() pro ts.pro_api(token) df pro.new_share(start_date20180901, end_date20181018) print(df.shape) # 单次上限 2000 行 print(df.dtypes) # 核对返回字段类型 print(df.head())拉全量历史时按 90 天左右的区间循环请求再pd.concat并按ts_code去重即可。典型数据怎么读2018 年 9~10 月区间的典型记录ts_codenameamount(万股)pefunds(亿元)ballot002936.SZ郑州银行60000.06.5027.5400.25601162.SH天风证券51800.022.860.0000.25300760.SZ迈瑞医疗12160.022.9959.3410.08002939.SZ长城证券31034.022.9819.5820.16002940.SZ昂利康2250.022.995.1910.03发行量越大中签率越高郑州银行、天风证券同为 0.25非金融新股发行 PE 密集贴近 23 倍银行股仅 6~7 倍天风证券funds为 0.000属缺失值汇总前先清洗在 Vibe-Trading 数据链路中的集成路径数据路由market_data.py 的detect_source()对未匹配其他数据源的符号默认返回tushare源排序env_schema.py 的MARKET_DATA_ORDER_A_SHARE中 tushare 默认排首位token 就绪即可稳定取数预检preflight.py 的_check_tushare()在 token 缺失或未装包时给出not_configured/skipped状态技能文档IPO新股上市.md 隶属 tushare 技能与daily、stock_basic等接口配合做新股追踪高频踩坑点单次超 2000 条——按日期区间分批拉取日期非 YYYYMMDD——统一转八位数字字符串issue_date 为 None——新股日历需过滤funds 为 0.000——按缺失值处理积分不足 120 报权限错——先确认积分等级【免费下载链接】Vibe-TradingVibe-Trading: Your Personal Trading Agent项目地址: https://gitcode.com/GitHub_Trending/vi/Vibe-Trading创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/10 4:49:37

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/9 8:37:19

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/10 9:14:31

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/10 1:10:29

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/9 8:37:18

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/9 8:37:18

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉