新闻详情

新闻详情

首页 / 资讯中心 / 详情

【Python 量化取数指南 #12】Python 取北交所与指数:小众市场接口实测

发布时间:2026/11/13 6:37:17来源:尧图网络
【Python 量化取数指南 #12】Python 取北交所与指数:小众市场接口实测
【Python 量化取数指南 #12】Python 取北交所与指数小众市场接口实测系列《Python 量化取数指南》连载项目 · 纯 GET 取数 · 仅依赖 requests适用想用 Python 拉北交所、指数这类「小众但常被忽略」的市场数据的人。1. 你将得到什么北交所 2 类端点列表、历史 MA 指数 2 类端点列表、历史 K 线的完整代码一个把「北交所股票 对应指数」拼起来看的小示例一个离线run_check()不填 token 也能验证逻辑2. 本篇取数约定北交所列表/bj/list/all北交所历史 MA/bj/history/ma/{code}/d/n{code}北交所代码如920000.BJ指数列表/hz/list/hszs指数历史 K 线/hz/history/fsjy/{code}.{market}/{lvl}如000001.SH/d请求GET https://api.zhituapi.compath?token你的token北交所代码后缀.BJ指数.SH/.SZ别混3. 核心模板全系列复用importtime,json,requests BASEhttps://api.zhituapi.comTOKEN你的tokendef_get(path,paramsNone,timeout15,retry3,backoff1.5):paramsdict(paramsor{})params[token]TOKEN urlBASEpath lastNoneforiinrange(retry):try:rrequests.get(url,paramsparams,timeouttimeout)ifr.status_code!200:lastfHTTP{r.status_code}{r.text[:120]}time.sleep(backoff*(i1));continuetry:returnr.json(),NoneexceptValueError:lastf非JSON响应:{r.text[:120]}returnNone,lastexceptrequests.RequestExceptionase:laststr(e);time.sleep(backoff*(i1))returnNone,lastdef_hit_key(d,*keys,defaultNone):ifnotisinstance(d,dict):returndefaultforkinkeys:ifkindandd[k]notin(None,,[]):returnd[k]returndefaultdef_to_float(x,defaultfloat(nan)):try:returnfloat(x)except(TypeError,ValueError):returndefault4. 跑通示例北交所 指数defdemo_bse_index():# 4.1 北交所列表 /bj/list/alldata,err_get(/bj/list/all)iferr:print(北交所列表失败:,err)else:itemsdataifisinstance(data,list)else(data.get(data)or[])print(f 北交所股票{len(items)}只)# 4.2 北交所历史 MA /bj/history/ma/920000.BJ/d/ndata,err_get(/bj/history/ma/920000.BJ/d/n)iferr:print(北交所MA失败:,err)else:print( 北交所MA结构:,type(data).__name__)# 4.3 指数列表 /hz/list/hszsdata,err_get(/hz/list/hszs)iferr:print(指数列表失败:,err)else:itemsdataifisinstance(data,list)else(data.get(data)or[])print(f 指数{len(items)}个)# 4.4 指数历史 K 线 /hz/history/fsjy/000001.SH/ddata,err_get(/hz/history/fsjy/000001.SH/d)iferr:print(指数K线失败:,err)else:barsdataifisinstance(data,list)else(data.get(data)or[])print(f 上证日线{len(bars)}根)defrun_check():synth[{code:920000.BJ,name:合成北交所股}]print(f [run_check] 合成北交所{len(synth)}只:{synth[0][name]})if__name____main__:demo_bse_index()run_check()返回字段说明北交所列表含code/dm如920000.BJ、name/mc指数列表含code/dm如000001.SH、name/mc。历史 K 线/MA 每项含date/rq、close/sp/收盘、ma5/ma20等。5. 坑与注意事项后缀别混北交所.BJ、上证.SH、深证.SZ错后缀直接 404。北交所流动性差异大小票成交稀薄回测滑点要额外考虑。指数代码 vs 个股代码000001.SH是指数上证综指600519.SH是个股别混。MA 端点参数/bj/history/ma/{code}/d/n末段是级别窗口错格式返回空。字段名三套close/sp/收盘用_hit_key。限流北交所列表量大批量加sleep。6. 常见报错速查报错 / 现象原因处理404后缀错.BJ/.SH核对市场后缀返回空级别/窗口格式错检查d/n指数当个股代码混区分 000001.SH vs 600519.SHKeyError字段名不符print(data)看真实 key7. 小结与下一篇预告小结北交所走/bj/list/all/bj/history/ma/指数走/hz/list/hszs/hz/history/fsjy/核心是「后缀别混 指数/个股区分」。下一篇计划写 #13《Python 把行情落库sqlite 一键存回测随用随取》把前面拉的行情落进本地库回测时直接读不再每次联网。8. 免责声明本文仅演示公开数据接口的用法所有代码示例均为演示数据不构成任何投资建议实际返回字段以接口文档与你的证书权限为准。
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 2026/11/13 0:43:49

【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 2026/11/12 23:59:09

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 2026/11/12 9:50:02

【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 ... 2026/11/12 9:25:38

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 2026/11/12 15:57:44

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 2026/11/13 0:02:27

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
📞 ✉