Existe-t-il un moyen de télécharger automatiquement les cours historiques des actions depuis Yahoo Finance ou Google Finance (format CSV)? De préférence en Python.
Réponse courte: oui. Utilisez rllib de Python pour extraire les pages de données historiques des actions de votre choix. Allez avec Yahoo! La finance; Google est à la fois moins fiable, moins couvert en termes de données et plus restrictif quant à la manière de l'utiliser une fois que vous l'avez. En outre, je pense que Google vous interdit spécifiquement de supprimer les données dans leur ToS.
Réponse plus longue: C’est le script que j’utilise pour extraire toutes les données historiques d’une entreprise donnée. Il extrait la page de données d'historique d'un symbole particulier, puis l'enregistre dans un fichier csv nommé par ce symbole. Vous devrez fournir votre propre liste de symboles que vous souhaitez extraire.
import urllib
base_url = "http://ichart.finance.yahoo.com/table.csv?s="
def make_url(ticker_symbol):
return base_url + ticker_symbol
output_path = "C:/path/to/output/directory"
def make_filename(ticker_symbol, directory="S&P"):
return output_path + "/" + directory + "/" + ticker_symbol + ".csv"
def pull_historical_data(ticker_symbol, directory="S&P"):
try:
urllib.urlretrieve(make_url(ticker_symbol), make_filename(ticker_symbol, directory))
except urllib.ContentTooShortError as e:
outfile = open(make_filename(ticker_symbol, directory), "w")
outfile.write(e.content)
outfile.close()
Quand vous allez travailler avec de telles séries temporelles en Python, pandas
est indispensable. Et voici la bonne nouvelle: il contient un téléchargeur de données historiques pour Yahoo: pandas.io.data.DataReader
.
from pandas.io.data import DataReader
from datetime import datetime
ibm = DataReader('IBM', 'yahoo', datetime(2000, 1, 1), datetime(2012, 1, 1))
print(ibm['Adj Close'])
Voici un exemple tiré de la documentation pandas
.
Mise à jour pour pandas>> 0.19:
Le pandas.io.data
le module a été supprimé de pandas>=0.19
à partir de. Au lieu de cela, vous devriez utiliser le caractère séparé pandas-datareader
package . Installer avec:
pip install pandas-datareader
Et puis vous pouvez le faire en Python:
import pandas_datareader as pdr
from datetime import datetime
ibm = pdr.get_data_yahoo(symbols='IBM', start=datetime(2000, 1, 1), end=datetime(2012, 1, 1))
print(ibm['Adj Close'])
Le téléchargement depuis Google Finance est également pris en charge.
Étendre @ Def_Os's répondre avec une démonstration réelle ...
Comme @Def_Os l'a déjà dit - utiliser Pandas Datareader rend cette tâche très amusante
In [12]: from pandas_datareader import data
extraire toutes les données historiques disponibles pour AAPL
à partir de 1980-01-01
#In [13]: aapl = data.DataReader('AAPL', 'yahoo', '1980-01-01')
# yahoo api is inconsistent for getting historical data, please use google instead.
In [13]: aapl = data.DataReader('AAPL', 'google', '1980-01-01')
5 premières lignes
In [14]: aapl.head()
Out[14]:
Open High Low Close Volume Adj Close
Date
1980-12-12 28.750000 28.875000 28.750 28.750 117258400 0.431358
1980-12-15 27.375001 27.375001 27.250 27.250 43971200 0.408852
1980-12-16 25.375000 25.375000 25.250 25.250 26432000 0.378845
1980-12-17 25.875000 25.999999 25.875 25.875 21610400 0.388222
1980-12-18 26.625000 26.750000 26.625 26.625 18362400 0.399475
5 dernières lignes
In [15]: aapl.tail()
Out[15]:
Open High Low Close Volume Adj Close
Date
2016-06-07 99.250000 99.870003 98.959999 99.029999 22366400 99.029999
2016-06-08 99.019997 99.559998 98.680000 98.940002 20812700 98.940002
2016-06-09 98.500000 99.989998 98.459999 99.650002 26419600 99.650002
2016-06-10 98.529999 99.349998 98.480003 98.830002 31462100 98.830002
2016-06-13 98.690002 99.120003 97.099998 97.339996 37612900 97.339996
enregistrer toutes les données en tant que fichier CSV
In [16]: aapl.to_csv('d:/temp/aapl_data.csv')
d: /temp/aapl_data.csv - 5 premières lignes
Date,Open,High,Low,Close,Volume,Adj Close
1980-12-12,28.75,28.875,28.75,28.75,117258400,0.431358
1980-12-15,27.375001,27.375001,27.25,27.25,43971200,0.408852
1980-12-16,25.375,25.375,25.25,25.25,26432000,0.378845
1980-12-17,25.875,25.999999,25.875,25.875,21610400,0.38822199999999996
1980-12-18,26.625,26.75,26.625,26.625,18362400,0.399475
...
Il y a déjà une bibliothèque dans Python appelée yahoo_finance. Vous devez donc tout d'abord la télécharger à l'aide de la ligne de commande suivante:
Sudo pip install yahoo_finance
Ensuite, une fois que vous avez installé la bibliothèque yahoo_finance, voici un exemple de code qui téléchargera les données dont vous avez besoin à partir de Yahoo Finance:
#!/usr/bin/python
import yahoo_finance
import pandas as pd
symbol = yahoo_finance.Share("GOOG")
google_data = symbol.get_historical("1999-01-01", "2016-06-30")
google_df = pd.DataFrame(google_data)
# Output data into CSV
google_df.to_csv("/home/username/google_stock_data.csv")
Cela devrait le faire. Laissez-moi savoir si cela fonctionne.
UPDATE: La bibliothèque yahoo_finance n'est plus prise en charge.
Vous pouvez consulter le package yahoo_fin. Il a été initialement créé après que Yahoo Finance ait modifié son API (la documentation est ici: http://theautomatic.net/yahoo_fin-documentation ).
from yahoo_fin import stock_info as si
aapl_data = si.get_data("aapl")
nflx_data = si.get_data("nflx")
aapl_data.head()
nflx_data.head()
aapl.to_csv("aapl_data.csv")
nflx_data.to_csv("nflx_data.csv")