歡迎使用社群 Markdown 編輯器寫文章！
在學習pandas的時候有時候我會覺得非常奇怪，為什麼美國的投資公司這麼重視Pandas，甚至在招聘要求上註明量化投資分析師要掌握pandas呢？例如我見到Gelber Group的交易員崗位中，註明了這樣的一句話：“經濟學、金融、統計學或相關領域的學士學位，且具有以下的程式設計經驗 - Python（NumPy、pandas 和相關庫）。”
後來我也去登入一下美股的股票庫，覺得是以下幾個原因：
首先，美股上市公司的股票量大，全美國大概有2萬支上市公司股票，可能有人覺得不是很多，但中國上證加深證加起來也不過5千幾隻股票，即使再加上香港4千多，也不過是美股一半的體量左右。而要在這一定時間內查詢2萬隻股票中有那些可以在近期進行投資，可以說是一頓非常花時間的操作，而如果能靠計算機分析，這會是一個很有效率的工具。
其次，現金賬戶交易規則不同。A股主要是當天買的股票最早第二個交易日才能賣（T+1），美股沒有此方面的限制, 當日可賣（T+0），這就決定了你必須在最短的時間內決定是否購入和出售手中的股票。而且更厲害的是高頻交易的投資公司，平均每次持倉時間極短，用量變來達到質變，甚至還要求交易員自己寫計算機程式。所以割起韭菜來，已經不是用人力了，而是自動化收割了。
不過，在中國，現時是沒有高頻交易這樣的事的，因為單日開倉交易量超過10手的，會被納入“日內開倉交易量異常”等的導常交易行為。
再次，美國股票下跌過程中也有進行對衝的工具，即可以買跌獲利，如渾水之類的公司，這個時候，如果想穩健一點，用計算機每天計算出好幾個能互衝的投資組合，理論上可以抵擋不少的市場風險，達到持續收益的目的。
所以在美國金融市場，可以見到很多投資公司有一個專門的量化投資部門或量化投資公司，而交易員和分析員大多數是數學出身，或是計算機程式設計師，他們除了會研究股票，還會研究那型別的CPU能提高交易速度，也會修改程式碼，努力減少每個bug。因為他們清楚，這些雖然不會讓他們賺到多少錢，但往往會減少他們會虧的錢。這就是我們審計中常說的——風險控制比盈利重要。
注意：我是審計師，不是程式設計師。
國內涉及證券的兩個庫分別為tushare、baostock，由於tushare需要積分，我只好介紹baostock庫，它對個人使用者除了能免費使用外，還不需要註冊，對初學者比較友好。而且它能提供大量上市公司歷年財務資料，行情資料。
如果是Anaconda執行環境，即通過Anaconda prompt進入命令列。
一般我們用Jupyter Notebook的話，就一定要在Anaconda prompt輸入pip install baostock才能成功安裝。
安裝成功後，我們就可以通過baostock介面查詢到股票資料，具體使用方法可以到官網查詢：http://baostock.com/baostock/index.php/Python_API文件
不過官網的程式碼只有最基本的功能，且沒有中文，一般來說我都會作一些修改，如我的日K線程式碼：
##歷史K線指標
import baostock as bs ##呼叫baostock庫
import pandas as pd ##呼叫pandas庫
# 登陸系統
lg = bs.login()
# 周月線指標：date,code,open,high,low,close,volume,amount,adjustflag,turn,pctChg
#code：股票程式碼，sh或sz.+6位數字程式碼
rs = bs.query_history_k_data_plus("sh.000001",
"date,code,open,high,low,close,preclose,volume,amount,pctChg",##以半形逗號分隔。此引數不可為空；
start_date='2017-01-01', end_date='2021-06-30', frequency="d")##查詢的起始日
##frequency：資料型別，預設為d，日k線；d=日k線、w=周、m=月、5=5分鐘、15=15分鐘、30=30分鐘、60=60分鐘k線資料
# 設定一個空集
data_list = []
while (rs.error_code == '0') & rs.next():##rs.error_code：當為“0”時表示連線成功，當為非0時表示失敗；next()返回下一個專案
# 獲取一條記錄，將記錄合併在一起
data_list.append(rs.get_row_data())#當以上的條件成立時，將資料放到空集中
result = pd.DataFrame(data_list, columns=rs.fields)##匯入pandas中
result.rename(columns={'date':'日期'},inplace=True) #將表頭的名稱改成統一的名稱
result.rename(columns={'code':'證券號'},inplace=True) #將表頭的名稱改成統一的名稱
result.rename(columns={'open':'開盤價'},inplace=True) #將表頭的名稱改成統一的名稱
result.rename(columns={'high':'最高價'},inplace=True) #將表頭的名稱改成統一的名稱
result.rename(columns={'low':'最低價'},inplace=True) #將表頭的名稱改成統一的名稱
result.rename(columns={'close':'收盤價'},inplace=True) #將表頭的名稱改成統一的名稱
result.rename(columns={'preclose':'昨日收盤價'},inplace=True) #將表頭的名稱改成統一的名稱
result.rename(columns={'volume':'成交數量(股)'},inplace=True) #將表頭的名稱改成統一的名稱
result.rename(columns={'amount':'成交金額(元)'},inplace=True) #將表頭的名稱改成統一的名稱
result.rename(columns={'pctChg':'漲跌幅'},inplace=True) #將表頭的名稱改成統一的名稱
result["成交金額(元)"].astype(float)
# 輸出到excel檔案
with pd.ExcelWriter("d:\歷史K線指標.xlsx", mode='a',engine='openpyxl') as writer:
result.to_excel(writer,index=False)
print(result)
# 登出系統
bs.logout()結果如下：
由於我查的是2017年度至2021年6月30日的資料,資料量不多，我直接用EXCEL的圖表進行分析。
可見，最近幾個月上證的成交金額漸漸升高。
程式碼說明：
1、 lg = bs.login()是必須要用到的程式碼，沒有這一行的話，就不能連線到庫，當然沒有網路的話也是連線不到的。
2、 bs.query_history_k_data_plus是一個專門用來查詢K線指標的函式，在baostock庫還有很多不同的函式，主要的函式如下：
| 函式名稱 | 作用 |
|---|---|
| query_history_k_data_plus() | 獲取滬深A股估值指標(日頻)資料（指數未提供估值資料） |
| query_dividend_data() | 獲取除權除息資訊資料（預披露、預案、正式都已通過） |
| query_adjust_factor() | 獲取復權因子資訊資料 |
| query_profit_data() | 獲取季頻盈利能力資訊 |
| query_operation_data() | 獲取季頻營運能力資訊 |
| query_growth_data() | 獲取季頻成長能力資訊 |
| query_balance_data() | 獲取季頻償債能力資訊 |
| query_cash_flow_data() | 獲取季頻現金流量資訊 |
| query_dupont_data() | 獲取季頻杜邦指數資訊 |
| query_performance_express_report() | 獲取季頻公司業績快報資訊 |
| query_stock_basic() | 獲取證券基本資料 |
| query_stock_industry() | 獲取行業分類資訊 |
| query_sz50_stocks() | 獲取上證50成分股資訊，更新頻率：每週一更新。 |
| query_hs300_stocks() | 獲取滬深300成分股資訊，更新頻率：每週一更新。 |
| query_zz500_stocks() | 獲取中證500成分股資訊，更新頻率：每週一更新。 |
| query_deposit_rate_data() | 獲取存款利率 |
| query_loan_rate_data() | 獲取貸款利率 |
| query_required_reserve_ratio_data() | 獲取存款準備金率 |
| query_money_supply_data_month() | 獲取貨幣供應量 |
| query_shibor_data() | 獲取銀行間同業拆放利率 |
基本上程式碼不用改，只改函式命令就可以得出不同的結果。
3、 while (rs.error_code == ‘0’) & rs.next():是一個條件語句，如果不等於0，就表示連線不成功，所以當=0時，和還有下一個資料時，我們可以進行合併。
4、 合併用了append()函式，目的用於在列表末尾新增新的物件，rs.get_row_data()就是這些新的物件了。
5、 result.rename(columns={‘date’:’日期’},inplace=True)是一個將列名替換的語句，意思就是將原來用英文表示的date替換成中文‘日期’。
從這段程式碼我們可以將baostock庫理解成一個固定了格式的爬蟲庫，使用的目的其實就是為了獲得一個資料介面，然後將資料轉化成pandas格式，以便我們進行資料分析。
本作品採用《CC 協議》，轉載必須註明作者和本文連結