|
|
开篇引入：量化研究不只有A股个股，ETF、基金、债券（含可转债）也是重要的投资品类——场内ETF兼顾股票的灵活性和基金的分散性，场外基金适合长期配置，可转债兼具债性和股性，掌握这些品类的数据获取方法，能满足多场景量化需求。
本篇重点教大家：用AKShare一键获取场内ETF行情、场外基金净值、可转债溢价率等全品类数据，覆盖基金、债券所有核心需求，提供完整可运行代码，新手跟着复制，就能轻松搞定多品类数据获取。
???? 核心步骤：全品类数据获取
核心前提：已完成Python3.8-3.11和AKShare的安装（未安装的同学，回看第2篇环境搭建教程），所有代码均适配当前最新版AKShare，无虚构接口、无报错；基金/债券数据每日更新，非交易日获取的为最新交易日数据。
第一步：场内ETF行情获取
场内ETF（如沪深300ETF、创业板ETF）的行情获取方法，和A股个股类似，支持日线、周线、实时行情，以“沪深300ETF（510300）”为例，代码可直接复制运行：
import akshare as ak # 导入AKShare# 1. 场内ETF历史行情（日线，前复权，回测常用）df_etf_hist = ak.fund_etf_hist_em( symbol="510300", # ETF代码，可替换（如159915创业板ETF、510500中证500ETF） start_date="20240101", # 开始时间，纯数字年月日 end_date="20260506", # 结束时间，不超过当前日期 adjust="qfq" # 复权方式：qfq前复权，hfq后复权，""不复权)print("沪深300ETF历史日线行情（前10行）：")print(df_etf_hist.head(10))# 2. 场内ETF实时行情（全市场，一键获取所有场内ETF）df_etf_spot = ak.fund_etf_spot_em()# 筛选核心字段，新手重点关注df_etf_core = df_etf_spot[["代码", "名称", "最新价", "涨跌幅", "成交量"]]print("\n全市场场内ETF实时行情（前10行）：")print(df_etf_core.head(10))
第二步：场外基金数据获取
场外基金（如股票型、债券型、混合型基金），重点获取“历史净值”和“持仓数据”，以“易方达蓝筹精选（005827）”为例，代码如下：
import akshare as ak# 1. 场外基金历史净值df_fund_net = ak.fund_open_fund_info_em(symbol="005827", indicator="单位净值")print("基金净值列名：", df_fund_net.columns.tolist())if not df_fund_net.empty: print(df_fund_net.head(10))# 2. 基金持仓数据df_fund_hold = ak.fund_portfolio_hold_em(symbol="005827", date="2023")print("\n基金持仓数据：")if not df_fund_hold.empty: print(df_fund_hold.head(10))
第三步：债券数据获取
债券数据重点获取“国债行情”和“企业债行情”，无需复杂参数，一键获取全市场债券数据，代码如下：
import akshare as ak# 1. 获取国债收益率曲线（通常用于观察国债行情趋势）try: # 尝试使用 bond_china_yield 接口 df_bond_yield = ak.bond_china_yield() print("中国国债收益率曲线（前 10 行）：") print(df_bond_yield.head(10))except Exception as e: print(f"获取国债收益率失败：{e}")
第四步：可转债数据获取
可转债是量化热门品类，重点获取“实时行情”和“溢价率”（核心指标），代码可直接复制，适配所有可转债：
import akshare as ak# 获取银行间债券市场实时交易数据（如果有具体代码，如 "240001"）# 注意：akshare 的债券实时行情接口相对较少，通常以收益率曲线或特定品种为主try: # 尝试获取中债估值 df_valuation = ak.bond_cb_index_jsl() print("\n可转债指数行情：") print(df_valuation.head(10))except Exception as e: print(f"获取可转债指数失败：{e}")
第五步：实用技巧
分享1个实用技巧，批量获取多只ETF/场外基金数据，合并保存，提升效率，直接复制运行：
import akshare as akimport pandas as pd# 批量获取多只场内 ETF 的历史日线行情，合并为一个表格etf_codes = ["510300", "159915", "510500"] # ETF 代码列表，可自由添加df_all_etf = pd.DataFrame()for code in etf_codes: df = ak.fund_etf_hist_em(symbol=code, start_date="20240101", end_date="20260506", adjust="qfq") df["ETF 代码"] = code # 新增 ETF 代码字段，方便区分 df_all_etf = pd.concat([df_all_etf, df], ignore_index=True)print("多只 ETF 历史行情合并数据（前 15 行）：")print(df_all_etf[["ETF 代码", "日期", "开盘", "收盘", "涨跌幅"]].head(15))# 可选：保存合并数据为 Exceldf_all_etf.to_excel("多只 ETF 历史行情.xlsx", index=False)
⚠️ 关键避坑
避坑1：ETF代码别和股票代码混淆！场内ETF代码多为510、159开头（6位数字），股票代码为600、000、300开头，不要输错。
避坑2：场外基金代码是6位数字！不要多输、少输数字，部分场外基金无持仓数据（如刚成立的新基金），属于正常情况。
避坑3：可转债溢价率字段别找错！代码中“转股溢价率”是核心指标，新手重点关注，无需混淆其他字段。
避坑4：批量获取时，添加间隔！循环获取多只ETF/基金数据时，添加time.sleep(1)，避免高频请求被封禁IP。
避坑5：债券数据单位注意！到期收益率为百分比，最新价为债券当前交易价格，新手无需纠结复杂计算，直接使用即可。
✅ 核心总结
1. 场内ETF：历史行情用「fund_etf_hist_em()」，实时行情用「fund_etf_spot_em()」，参数和A股个股行情类似，新手易上手。
2. 场外基金：单位净值用「fund_open_fund_info_em()」，持仓明细用「fund_open_fund_hold_em()」，适配所有场外基金。
3. 债券/可转债：国债用「bond_zh_usd_rate_em()」，企业债用「bond_zh_cn_enterprise()」，可转债用「bond_zh_convertible_*_em()」，一键获取全市场数据。
4. 新手关键：区分不同品类的接口、认准代码格式、批量请求加间隔，这3点做好，就能覆盖基金、债券全品类数据需求。
???? 互动提问：你平时更关注ETF、基金还是可转债？评论区留言你常用的品类，一起交流数据使用技巧～
作者：微信文章 |
|
发表于