量化投资系列之《股票日行情数据本地化》

量化投资系列之《股票日行情数据本地化》

上篇介绍了如何搭建可编程量化环境，所以已经具备了本地数据存储的环境了，这篇将继续介绍通过 akShare 获取股票日行情数据，并存储到 clickhouse 数据库中，并且本地化查询某股票某时间段内的日行情数据。

数据本地化设计

1、流程设计

数据本地化的设计，流程应该是初次更新时，是时间 t1 到现在 t2 的时间段内所有沪深 A 股的股票数据，随时间推移，只需增量更新 t2 到最新的时间的日行情数据，所以需要一份本地配置文件记录每个股票更新的时间节点。

动态增量更新日行情数据本地化流程图如下：

2、代码设计

由于刚接触 python ，语法不是很熟悉，不懂直接看 python 语法文档的，所以现在的代码设计是面向过程的，后面熟悉 python 了再重构面向对象。

虽然不是面向对象，但是文件所负责的功能要清晰，便于后面维护和扩展，模块划分主要有：配置信息模块、网络数据获取模块、数据库管理模块、可视化模块。现在基础版是这几个模块，后续会添加策略模块、机器识别模块、机器学习模块等等扩展模块。

模块如表所示：

py文件	描述
ak_stock_data.py	通过 akShare 获取接口数据
stock_config.py	配置日行情数据增量更新的信息
stock_constant.py	放一些常量，例如：路径
stock_db.py	负责于 clickhouse 数据库进行交互，存储和本地获取
stock_plot.py	负责股票数据可视化

数据表

数据表的设计，只需要股票的必要字段，以及可以覆盖性更新。何为覆盖性更新，例如：股票 A 时间 t1 的日行情数据，多次更新数据库，不会产生多条数据，而是覆盖原来的 t1 数据。

表字段说明如下：

名称	类型	描述
date	Date	交易日
code	String	股票代码
open	Float32	开盘价
high	Float32	最高价
low	Float32	最低价
close	Float32	收盘价
volume	Float64	成交量，注意单位: 手
amount	Float64	成交额，注意单位: 元

表创建的 sql 语句如下：

CREATE TABLE stock.stock_daily_price
(
    `date`   Date,
    `code`   String,
    `open`   Float32,
    `high`   Float32,
    `low`    Float32,
    `close`  Float32,
    `volume` Float64,
    `amount` Float64
) ENGINE = ReplacingMergeTree()
      ORDER BY (javaHash(code), date)

说明: ENGINE 引擎，采用表 ReplacingMergeTree，它会删除排序键值相同的重复项，从而达到去除重复值。 排序键值 ORDER BY (javaHash(code), date) ：javaHash 函数对股票代码 code 进行 hash 值提取。ORDER BY (javaHash(code), date) 的意思是，按股票代码 code 的 hash 值和时间 date 进行排序。

按上所述创建数据表，就具有了一个可以通过股票代码和日期作为唯一排序值，去除重复插入的数值，保证了股票在某天日行情数据的唯一性。

增量更新

想设计一个更新过的数据不再更新，只更新没更新的数据，很自然要一份配置表，在日行情数据本地化之前，只需要读取某只股票更新到那里了，然后接最后更新的日期到现在的时间节点为所需更新时间段。所以我们需要一个字段：股票最后更新日期。当然，网络数据更新不可靠，会有失败情况，所以需要一个字段记录更新失败的次数。初级版大概是这样子

配置表如下：

名称	类型	描述
code	String	股票代码
name	String	股票名称
daily_update_time	Date	最后一次更新的日期 格式：20220903
error_daily_update_count	int	更新错误次数 success:0 fail:+1

说明：error_daily_update_count 是记录失败次数，如果更新很多次，还是失败的，可能这股票退市了或怎么了，可以定期清除这些无用股票。

stock_config.py

import os

import pandas as pd

import stock_constant as sc


def create_config():
    """
    配置文件参数
    code：股票代码 ，name: 股票名称
    last_update_time: 最后一次更新的日期
    error_update_count：请求更新错误次数统计，定期清理多次更新错误的股票代码
    :return: DataFrame
    """
    columns = ['code', 'name', 'daily_update_time', 'error_daily_update_count']
    df = pd.DataFrame(columns=columns)
    save_config(df)
    return df


def read_config(is_new=False):
    """
    is_new if true del config else if part update
    如果是新则删除配置信息，重置，重新更新，否则增量更新
    读取配置信息，并对返回的dataFrame 数据类型进行预处理
    :return:
    """
    if is_new:
        os.remove(sc.config_path)
        print('删除配置成功，重置配置...')

    try:
        df = pd.read_csv(sc.config_path)
    except Exception as error:
        print("创建配置信息：", error)
        df = create_config()
    # code 强制转str类型，并补全股票代码为6位
    df['code'] = df['code'].astype(str)
    df['code'] = df['code'].str.zfill(6)
    df['error_daily_update_count'] = df['error_daily_update_count'].astype(int)
    return df


def save_config(df):
    """
    保存配置信息，忽略列
    :param df:
    :return:
    """
    df.to_csv(sc.config_path, encoding='utf-8', index=False)

该模块，提供配置信息保存和获取 注意：获取配置时 code 强制转str类型，并补全股票代码为6位。保存配置时，忽略列的保存。

效果图：

日行情数据本地化

akShare 三个接口即可实现 获取沪深 A 股所有股票，通过接口 ak.stock_sh_a_spot_em() ,ak.stock_sz_a_spot_em()，通过这两个接口，即可获取沪深 A 股所有股票代码，然后清洗数据保存必要的数据到配置文件中 config.csv。 通过接口 ak.stock_zh_a_hist() 获取某股票某时间段的日行情数据，然后保存到数据库中，更新配置信息。

注意：需要修改网络 dataFrame 的列名，再保存到数据库中，列如：接口的列名是，['日期', '开盘', '最高', '最低', '收盘', '成交量', '成交额']，数据库的列名为：['date', 'open', 'high', 'low', 'close', 'volume', 'amount']，所以需要修改。

插入数据库是，需要重设 dataFrame index 为数据库列名的 date ,df.set_index(['date'], inplace=True)。

话不多说，直接打码

ak_stock_data.py

import time

import akshare as ak

import stock_config as scg
import stock_constant as sct
import stock_db as sdb


def stock_code_net_to_csv():
    """
    获取A股股票代码，并保存到data/xxx.csv文件中
    新浪日行情数据需要：沪交所股票代码，代码添加前缀sh，深交所股票代码，代码添加前缀sz
    :return: [上交所DataFrame,深交所DataFrame]
    """
    stock_sh_a_spot_em_df = ak.stock_sh_a_spot_em()
    # 修改股票代码前缀
    stock_sh_a_spot_em_df['代码'] = \
        stock_sh_a_spot_em_df['代码'].apply(lambda _: str(_))
    # stock_sh_a_spot_em_df['代码'].apply(lambda x: "{}{}".format('sh', x))
    # 保存
    stock_sh_a_spot_em_df.to_csv(sct.sh_code_path)

    stock_sz_a_spot_em_df = ak.stock_sz_a_spot_em()
    # 修改股票代码前缀
    stock_sz_a_spot_em_df['代码'] = \
        stock_sz_a_spot_em_df['代码'].apply(lambda _: str(_))
    # stock_sz_a_spot_em_df['代码'].apply(lambda x: "{}{}".format('sz', x))
    # 保存
    stock_sz_a_spot_em_df.to_csv(sct.sz_code_path)
    return stock_sh_a_spot_em_df, stock_sz_a_spot_em_df


def start():
    """
    量化投资程序入口
    :return:
    """
    config_df = scg.read_config()
    # 如果配置是空，则获取沪深A股信息，获取code，保存到配置
    if config_df.empty:
        sh_df, sz_df = stock_code_net_to_csv()
        # 补全本地配置信息
        for index, row in sh_df.iterrows():
            config_df.loc[len(config_df), config_df.columns] = (row['代码'], row['名称'], sct.start_date, 0)
        for index, row in sz_df.iterrows():
            config_df.loc[len(config_df), config_df.columns] = (row['代码'], row['名称'], sct.start_date, 0)
        # 保存到本地
        scg.save_config(config_df)
        print('初始化配置信息，并保存到本地成功...')
    else:
        print('已经初始化过本地配置...')
    # 开始更新日行情数据
    update_stock_zh_a_daily_eastmoney()


def update_stock_zh_a_daily_eastmoney():
    """
    东方财富日行情数据，沪深A股，先从本地配置获取股票代码，再获取日行情数据
    获取成功或失败，记录到本地数据，以便股票数据更新完整
    :return:
    """
    success_code_list = []
    except_code_list = []
    # 读取配置信息
    config_df = scg.read_config()
    if config_df.empty:
        print('配置信息错误，请检查...')
        return

    for index, row in config_df.iterrows():
        code = row['code']
        start_time = row['daily_update_time']
        end_time = time.strftime('%Y%m%d', time.localtime())
        try:
            except_code = str(code)
            df = ak.stock_zh_a_hist(
                symbol=str(code),
                start_date=start_time,
                end_date=end_time,
                adjust="qfq")
        except:
            except_code_list.append(except_code)
            # 更新配置信息config_df
            config_df.loc[config_df['code'] == code, 'error_daily_update_count'] \
                = row['error_daily_update_count'] + 1

            print("发生异常code ", except_code)
            continue

        print('成功获取股票: index->{} {}日行情数据'.format(index, code), ' 开始时间: {} 结束时间: {}'.format(start_time, end_time))
        if df.empty:
            continue

        # 获取对应的子列集
        sub_df = df[['日期', '开盘', '最高', '最低', '收盘', '成交量', '成交额']]
        # net_df 的列名可能和数据库列名不一样，修改列名对应数据库的列名
        sub_df.columns = ['date', 'open', 'high', 'low', 'close', 'volume', 'amount']
        # 修改 index 为 date 去掉默认的 index 便于直接插入数据库
        sub_df.set_index(['date'], inplace=True)
        sub_df.insert(sub_df.shape[1], 'code', str(code))
        sdb.to_table(sub_df, "stock_daily_price")
        # 更新配置信息config_df
        config_df.loc[config_df['code'] == code, 'daily_update_time'] = end_time
        config_df.loc[config_df['code'] == code, 'error_daily_update_count'] = 0
        # 间隔更新到本地配置
        if index % 100 == 0:
            scg.save_config(config_df)
            print('index: {} 更新本地配置一次...'.format(index))

        success_code_list.append(code)
        print(sub_df)
    # 同步配置到本地
    scg.save_config(config_df)

    print('更新本地配置成功...')
    print("成功请求的code： ", success_code_list)
    print("错误请求code： ", except_code_list)


if __name__ == '__main__':
    start()
    pass

数据库效果图：

日志效果图： 从最后打印出来的日志可以看出，4千多个股票，绝大部分数据请求是成功的，并保存到数据库中，也更新到本地股票配置信息中 config.csv，方便下次增量下载日行情数据。

因为有了增量更新功能，再跑的时候效果是这样子的

本地数据查询

至此，网络数据本地化已经完成，俗话说：巧妇难为无米之炊，现在米已经在本地了，可以磨刀霍霍搞事情了。 所以封装一下从本地获取数据的接口：stock_daily(code, start_time, end_time)。只需要传一个股票代码，开始时间，结束时间，就可以从本地获取某股票某时间段的股票日行情数据。

数据库封装代码：

stock_db.py

import pandahouse as ph
import time

'''
数据的存储和获取
CREATE TABLE stock.stock_daily_price
(
    `date`   Date,
    `code`   String,
    `open`   Float32,
    `high`   Float32,
    `low`    Float32,
    `close`  Float32,
    `volume` Float64,
    `amount` Float64
--     `adj_factor` Int32,
--     `st_status` Int16,
--     `trade_status` Int16
) ENGINE = ReplacingMergeTree()
      ORDER BY (javaHash(code), date)
'''

connection = dict(database="stock",
                  host="http://localhost:8123",
                  user='default',
                  password='sykent')


def to_table(data, table):
    """
    插入数据到表
    :param data:
    :param table:
    :return:
    """
    affected_rows = ph.to_clickhouse(data, table=table, connection=connection)
    return affected_rows


def from_table(sql):
    """
    查询表
    :param sql:
    :return: dataframe
    """
    last_time = time.time()
    df = ph.read_clickhouse(sql, connection=connection)
    print("db-> 耗时: {}  sql: {}".format((time.time() - last_time) * 1000, sql))
    return df


def stock_daily(code, start_time, end_time):
    """
    获取某股票，某时间段的日行情数据
    select *
    from stock_daily_price
    where code == '000001' and date between '2022-03-30' and '2022-07-29'
    :param code:
    :param start_time:
    :param end_time:
    :return:
    """
    sql = "select * from stock.stock_daily_price where code == '{}' and date between '{}' and '{}'" \
        .format(code, start_time, end_time)
    return from_table(sql)


def all_stock_daily(start_time, end_time):
    """
    获取所有股票某时间段的日行情数据
    select *
    from stock.stock_daily_price
    where date between '2022-03-30' and '2022-07-29'
    :param start_time:
    :param end_time:
    :return:
    """
    sql = "select * from stock.stock_daily_price where date between '{}' and '{}'" \
        .format(start_time, end_time)
    return from_table(sql)

效果图所示，获取中国平安本地化 2022 年的全部日行情数据，只需要 35ms ，是不是很快。

下篇预告

获取本地日行情数据，k 线可视化，已经封装完成，只需要一句代码即可画出漂亮 k 线图。

效果图：

完稿于 2022 年 09 月 04 日 14:26:10