【python量化】用Python获取基金历史净值数据

写在前面

股票期货等历史数据可以通过很多接口以及库来获取，而针对基金数据获取的方式则比较少。下面这篇文章的主要内容是介绍如何通过Python爬取天天基金网的基金历史数据，以便于我们对基金进行数据分析以及计算其他分析指标。完整源码在文末。

准备工作

下面的代码是基于python3.7.2的版本实现的，需要用到的库有：

requests== 2.22.0
bs4== 4.8.2
numpy== 1.18.1
pandas== 1.0.1
matplotlib== 3.1.3

天天基金网是东方财富旗下的基金网站，其同样也提供了用于获取基金数据的接口：

http://fund.eastmoney.com/f10/F10DataApi.aspx

在使用这个接口时需要传入几个参数，像下面的形式：

http://fund.eastmoney.com/f10/F10DataApi.aspx?type=lsjz&code=050026&page=1&sdate=2020-01-01&edate=2020-03-01&per=20

其中，每个参数的意义是：

• type：lsjz表示历史净值

• code：表示基金代码，如050026表示博时医疗保健行业混合

• page：表示获取的数据的页码

• per：表示获取的数据每页显示的条数

• sdate：表示开始时间

• edate：表示结束时间

上面的例子获取的是050026基金从2020年01月01号到2020年03月01号的历史净值数据，其中结果返回第一页，一页有20条数据，通过浏览器打开如下图所示：

可以看到返回的结果是一个表格的形式，包含了基金的单位净值，累计净值，日增长率，申购状态以及赎回状态。其中单位净值即是当前基金的价格，它的计算方式是：单位净值=总净资产/基金份额。如果在交易日的交易结束（15：00之前）购买基金则是以当日的基金净值确认份额，即：购入份额=购买金额/当日基金净值。如果在交易日的交易时段结束后购买，则会以下一个交易日的基金净值来确认份额。累计净值则是基金的单位净值加上以往的分红，可以反应该基金自成立至今的整体收益。日增长率的计算方式是：(当前交易日净值-上一交易日净值)/上一交易日净值。在上面的返回结果中，还需要注意的是，记录一共有36条，有两页数据，返回的结果是第一页。

代码编写

在分析完接口以及返回数据类型之后，下面进行具体代码的编写。

首先，需要导入相关的库：

# 导入需要的模块
import requests
import re
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from bs4 import BeautifulSoup

接下来先需要先编写一个函数用于获取来自这个接口的返回结果，以便于后面的调用：

def get_html(code, start_date, end_date, page=1, per=20):
    url = 'http://fund.eastmoney.com/f10/F10DataApi.aspx?type=lsjz&code={0}&page={1}&sdate={2}&edate={3}&per={4}'.format(
        code, page, start_date, end_date, per)
    rsp = requests.get(url)
    html = rsp.text
    return html

下面再写一个用于返回获取得到基金数据的函数，其中调用bs4中的BeautifulSoup将html结果解析为一个对象，便于从网页中直接抓取数据。

def get_fund(code, start_date, end_date, page=1, per=20):
    # 获取html
    html = get_html(code, start_date, end_date, page, per)
    soup = BeautifulSoup(html, 'html.parser')

由于前面提到的原因，这个接口返回的数据不是直接全部返回，而是以表格分页的形式返回的。所以我们可以先获取返回数据的总页数，然后分别遍历每一页的数据。同时将返回表格的表头信息保存下来以便于将其作为后面转换为DataFrame数据类型的列名。

# 获取总页数
    pattern = re.compile('pages:(.*),')
    result = re.search(pattern, html).group(1)
    total_page = int(result)
    # 获取表头信息
    heads = []
    for head in soup.findAll("th"):
        heads.append(head.contents[0])

接下来需要对表格每一页的数据进行遍历，并将数据存储到一个列表中。

# 数据存取列表
    records = []
    # 获取每一页的数据
    current_page = 1
    while current_page <= total_page:
        html = get_html(code, start_date, end_date, current_page, per)
        soup = BeautifulSoup(html, 'html.parser')
        # 获取数据
        for row in soup.findAll("tbody")[0].findAll("tr"):
            row_records = []
            for record in row.findAll('td'):
                val = record.contents
                # 处理空值
                if val == []:
                    row_records.append(np.nan)
                else:
                    row_records.append(val[0])
            # 记录数据
            records.append(row_records)
        # 下一页
        current_page = current_page + 1

最后将数据转换为一个DataFrame对象，然后按照日期进行升序排序，最后将其返回。

# 将数据转换为Dataframe对象
    np_records = np.array(records)
    fund_df = pd.DataFrame()
    for col, col_name in enumerate(heads):
        fund_df[col_name] = np_records[:, col]
    # 按照日期排序
    fund_df['净值日期'] = pd.to_datetime(fund_df['净值日期'], format='%Y/%m/%d')
    fund_df = fund_df.sort_values(by='净值日期', axis=0, ascending=True).reset_index(drop=True)
    fund_df = fund_df.set_index('净值日期')
    # 数据类型处理
    fund_df['单位净值'] = fund_df['单位净值'].astype(float)
    fund_df['累计净值'] = fund_df['累计净值'].astype(float)
    fund_df['日增长率'] = fund_df['日增长率'].str.strip('%').astype(float)
    return fund_df

运行实例

下面对代码进行运行，以基金050026从2020年02月01号到2020年06月01号的数据获取为例：

fund_df = get_fund('050026' ,start_date='2020-02-01',end_date='2020-06-01')
print(fund_df)

返回结果如下：

              单位净值    累计净值    日增长率  申购状态  赎回状态 分红送配
净值日期                                               
2020-02-03  2.2860  2.4250  -4.31%  开放申购  开放赎回  nan
2020-02-04  2.3600  2.4990   3.24%  开放申购  开放赎回  nan
2020-02-05  2.4210  2.5600   2.58%  开放申购  开放赎回  nan
2020-02-06  2.4980  2.6370   3.18%  开放申购  开放赎回  nan
2020-02-07  2.4630  2.6020  -1.40%  开放申购  开放赎回  nan
...            ...     ...     ...   ...   ...  ...
2020-05-26  3.1830  3.3220   2.91%  开放申购  开放赎回  nan
2020-05-27  3.1130  3.2520  -2.20%  开放申购  开放赎回  nan
2020-05-28  3.0820  3.2210  -1.00%  开放申购  开放赎回  nan
2020-05-29  3.1480  3.2870   2.14%  开放申购  开放赎回  nan
2020-06-01  3.2160  3.3550   2.16%  开放申购  开放赎回  nan

下面对其单位净值，累计净值以及日增长率进行可视化：

fig, axes = plt.subplots(nrows=2, ncols=1)
fund_df[['单位净值', '累计净值']].plot(ax=axes[0])
fund_df['日增长率'].plot(ax=axes[1])
plt.show()

效果如下图所示：

完整源码

完整代码如下：

# 导入需要的模块
import requests
from bs4 import BeautifulSoup
import re
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import matplotlib


# 处理乱码
matplotlib.rcParams['font.sans-serif'] = ['SimHei']
matplotlib.rcParams['font.family']='sans-serif'
matplotlib.rcParams['axes.unicode_minus'] = False




def get_html(code, start_date, end_date, page=1, per=20):
    url = 'http://fund.eastmoney.com/f10/F10DataApi.aspx?type=lsjz&code={0}&page={1}&sdate={2}&edate={3}&per={4}'.format(
        code, page, start_date, end_date, per)
    rsp = requests.get(url)
    html = rsp.text
    return html


def get_fund(code, start_date, end_date, page=1, per=20):
    # 获取html
    html = get_html(code, start_date, end_date, page, per)
    soup = BeautifulSoup(html, 'html.parser')
    # 获取总页数
    pattern = re.compile('pages:(.*),')
    result = re.search(pattern, html).group(1)
    total_page = int(result)
    # 获取表头信息
    heads = []
    for head in soup.findAll("th"):
        heads.append(head.contents[0])


    # 数据存取列表
    records = []
    # 获取每一页的数据
    current_page = 1
    while current_page <= total_page:
        html = get_html(code, start_date, end_date, current_page, per)
        soup = BeautifulSoup(html, 'html.parser')
        # 获取数据
        for row in soup.findAll("tbody")[0].findAll("tr"):
            row_records = []
            for record in row.findAll('td'):
                val = record.contents
                # 处理空值
                if val == []:
                    row_records.append(np.nan)
                else:
                    row_records.append(val[0])
            # 记录数据
            records.append(row_records)
        # 下一页
        current_page = current_page + 1


    # 将数据转换为Dataframe对象
    np_records = np.array(records)
    fund_df = pd.DataFrame()
    for col, col_name in enumerate(heads):
        fund_df[col_name] = np_records[:, col]


    # 按照日期排序
    fund_df['净值日期'] = pd.to_datetime(fund_df['净值日期'], format='%Y/%m/%d')
    fund_df = fund_df.sort_values(by='净值日期', axis=0, ascending=True).reset_index(drop=True)
    fund_df = fund_df.set_index('净值日期')


    # 数据类型处理
    fund_df['单位净值'] = fund_df['单位净值'].astype(float)
    fund_df['累计净值'] = fund_df['累计净值'].astype(float)
    fund_df['日增长率'] = fund_df['日增长率'].str.strip('%').astype(float)
    return fund_df


if __name__ == '__main__':
    fund_df = get_fund('050026' ,start_date='2020-02-01',end_date='2020-06-01')
    print(fund_df)
    fig, axes = plt.subplots(nrows=2, ncols=1)
    fund_df[['单位净值', '累计净值']].plot(ax=axes[0])
    fund_df['日增长率'].plot(ax=axes[1])
    plt.show()

了解更多人工智能与量化金融知识<-请扫码关注