如何在 Python 中获取用于数据分析的历史财务数据？答案

【问题标题】：How to get Historical Financial Data for Data Analysis in Python?如何在 Python 中获取用于数据分析的历史财务数据？
【发布时间】：2019-01-10 09:54:26
【问题描述】：

我需要使用 pandas DataReader 获取以下银行的股票数据：

    Bank of America
    CitiGroup
    Goldman Sachs
    JPMorgan Chase
    Morgan Stanley
    Wells Fargo

如何获取这些银行从 2006 年 1 月 1 日到 2016 年 1 月 1 日的股票数据。

我试过了……

import numpy as np
import pandas as pd
from pandas_datareader import data, wb
import matplotlib
import matplotlib.pyplot as plt
import seaborn as sns
import requests
import io
%matplotlib inline

import datetime
start = datetime.datetime(2006,1,1)
end = datetime.datetime(2016,1,1)

# Bank of America
BAC = data.DataReader("BAC",'ff', start, end)

【问题讨论】：

标签： python-3.x finance yahoo-finance google-finance-api

【解决方案1】：

2021 答案

在我看来，没有必要订阅IEX 来获取免费的 API 令牌或安装其他软件包。 Yahoo API 工作正常：

# Bank of America
BAC = data.DataReader("BAC", 'yahoo', start, end)

# CitiGroup
C = data.DataReader("C", 'yahoo', start, end)

# Goldman Sachs
GS = data.DataReader("GS", 'yahoo', start, end)

# JPMorgan Chase
JPM = data.DataReader("JPM", 'yahoo', start, end)

# Morgan Stanley
MS = data.DataReader("MS", 'yahoo', start, end)

# Wells Fargo
WFC = data.DataReader("WFC", 'yahoo', start, end)

【讨论】：

为标题点赞。

【解决方案2】：

您的问题在于您使用 Datareader 检索数据的来源。 'ff' 似乎不对应任何公认的 API。

我试过了，效果很好：

import pandas_datareader.data as web
from datetime import datetime

start = datetime(2016, 9, 1)
end   = datetime(2018, 9, 1)

f = web.DataReader('BAC', 'iex', start, end)
print(f)

另外，看看pandas-datareader official doccumentation，有很多例子。

【讨论】：

【解决方案3】：

您可以尝试的另一个解决方案是investpy，它是一个 Python 包，用于从 Investing.com 的全球各种金融产品中提取历史数据。它没有任何限制，不需要 API 密钥，而且完全免费，因为它是一个开源项目。

在这里，我向您展示一段代码，以便从您上面要求的股票的过去 9 年中检索股票历史数据：

import investpy

stock_symbols = ['BAC', 'C', 'GS', 'JPM', 'MS', 'WFC']

for stock_symbol in stock_symbols:
    df = investpy.get_stock_historical_data(stock=symbol,
                                            country='united states',
                                            from_date='01/01/2010',
                                            to_date='01/01/2019')
    print(df.head())

希望这对您有所帮助！我也鼓励你使用 investpy！

请注意，investpy 股票数据检索函数将股票代码和指定股票所在的国家作为输入参数。依此类推，由于您输入的是股票名称，因此您需要搜索投资数据以检索您介绍的股票名称的代码，可以按如下方式完成：

import investpy

stocks = ['Bank of America', 'CitiGroup', 'Goldman Sachs', 'JPMorgan', 'Morgan Stanley', 'Wells Fargo&Co']

for stock in stocks:
    print(investpy.search_stocks(by='name', value=stock))

上面的代码将打印所有找到的与介绍名称完全或部分匹配的股票。

【讨论】：

【解决方案4】：

以下是我认为与其他方法不同的非常可靠的方法，我只用它来分析，这从来没有让我失望过。（此外，可用数据的日期范围非常广泛，如下例所示）

from datetime import datetime
start = datetime(2006, 2, 9)
end = datetime(2018, 5, 24)
#Bank Of America
BAC = data.DataReader('BAC', 'yahoo', start, end)

【讨论】：