获取纳斯达克前50支股票数据分析

原创于 2025-12-16 11:03:56 发布 · 564 阅读

19 ·

CC 4.0 BY-SA版权

文章标签：

#数据分析 #数据挖掘

2025博客之星年度评选已开启 10w+人浏览 1.1k人参与

获取纳斯达克前50支股票数据分析

在金融科技和量化投资领域，获取并分析股票市场数据是一项基础而重要的任务。本文将介绍如何通过StockTV API接口获取纳斯达克交易所前50支股票的数据，并进行初步分析。

一、API接口概述

StockTV API提供了丰富的美国股票市场数据接口，覆盖纳斯达克(NASDAQ)等主要交易所。其数据特性包括毫秒级延迟的实时行情、最长20年的历史K线数据、基本面数据（PE比率、市值等指标），以及统一JSON格式的数据返回。

对于纳斯达克交易所，该API覆盖了3300多只股票，提供了包括实时行情、历史数据、公司基本信息等在内的全方位数据服务。

二、接口调用准备

1. 获取API密钥

首先需要访问StockTV官网（https://pao.stocktv.top/）申请API密钥，这是调用所有接口的身份凭证。

2. 请求基础信息

基础URL：https://api.stocktv.top

请求头设置：

X-Api-Key: YOUR_API_KEY
Content-Type: application/json

3. 纳斯达克市场识别参数

国家ID（美国）：1
交易所ID（纳斯达克）：2

三、获取纳斯达克前50支股票的完整流程

1. 获取股票列表接口

通过市场列表接口可以获取纳斯达克交易所的股票清单，并提取前50支股票。

接口地址：GET /stock/stocks

请求参数：

params = {
    "countryId": 1,      # 美国国家ID
    "exchangeId": 2,     # 纳斯达克交易所ID
    "pageSize": 50,      # 获取前50支股票
    "page": 1,           # 第一页
    "key": "YOUR_API_KEY"
}

2. 股票详情批量查询

获取股票列表后，可以进一步查询每支股票的详细信息。

接口地址：GET /stock/queryStocks

此接口支持通过股票代码（symbol）或股票ID（pid）查询详细的实时行情和基本面数据。

四、完整代码实现

以下Python代码演示如何获取纳斯达克前50支股票数据并进行分析：

import requests
import pandas as pd
import numpy as np
from datetime import datetime

class NasdaqStockAnalyzer:
    def __init__(self, api_key):
        self.api_key = api_key
        self.base_url = "https://api.stocktv.top"
        self.headers = {
            "X-Api-Key": self.api_key,
            "Content-Type": "application/json"
        }
    
    def get_nasdaq_stocks(self, page_size=50):
        """获取纳斯达克股票列表"""
        url = f"{self.base_url}/stock/stocks"
        params = {
            "countryId": 1,      # 美国
            "exchangeId": 2,     # 纳斯达克
            "pageSize": page_size,
            "page": 1
        }
        
        try:
            response = requests.get(url, params=params, headers=self.headers, timeout=10)
            if response.status_code == 200:
                data = response.json()
                if data.get("code") == 200:
                    return data["data"]["records"]
            return None
        except Exception as e:
            print(f"获取股票列表失败: {e}")
            return None
    
    def get_stock_details(self, symbol):
        """获取股票详细信息"""
        url = f"{self.base_url}/stock/queryStocks"
        params = {"symbol": symbol}
        
        try:
            response = requests.get(url, params=params, headers=self.headers, timeout=10)
            if response.status_code == 200:
                data = response.json()
                if data.get("code") == 200 and data.get("data"):
                    return data["data"][0]
            return None
        except Exception as e:
            print(f"获取股票详情失败 {symbol}: {e}")
            return None
    
    def analyze_stocks(self):
        """分析纳斯达克前50支股票"""
        print("开始获取纳斯达克前50支股票数据...")
        
        # 获取股票列表
        stocks = self.get_nasdaq_stocks(50)
        if not stocks:
            print("未能获取股票数据")
            return None
        
        print(f"成功获取{len(stocks)}支股票数据")
        
        # 存储分析结果
        analysis_result = {
            'symbols': [],
            'prices': [],
            'changes': [],
            'change_pcts': [],
            'market_caps': [],
            'volumes': [],
            'sectors': [],
            'pe_ratios': []
        }
        
        # 获取每支股票的详细信息
        for stock in stocks:
            symbol = stock.get('symbol')
            detail = self.get_stock_details(symbol)
            
            if detail:
                analysis_result['symbols'].append(symbol)
                analysis_result['prices'].append(detail.get('last', 0))
                analysis_result['changes'].append(detail.get('chg', 0))
                analysis_result['change_pcts'].append(detail.get('chgPct', 0))
                analysis_result['market_caps'].append(detail.get('marketCap', 0))
                analysis_result['volumes'].append(detail.get('volume', 0))
                analysis_result['sectors'].append(detail.get('sector', 'N/A'))
                analysis_result['pe_ratios'].append(detail.get('peRatio', 0))
        
        return analysis_result
    
    def generate_report(self, analysis_data):
        """生成分析报告"""
        if not analysis_data or not analysis_data['symbols']:
            print("无有效数据生成报告")
            return
        
        df = pd.DataFrame(analysis_data)
        
        print("\n=== 纳斯达克前50支股票分析报告 ===")
        print(f"生成时间: {datetime.now().strftime('%Y-%m-%d %H:%M:%S')}")
        print("=" * 50)
        
        # 基本统计信息
        print(f"股票数量: {len(df)}")
        print(f"平均价格: ${df['prices'].mean():.2f}")
        print(f"平均涨跌幅: {df['change_pcts'].mean():.2f}%")
        print(f"平均市盈率: {df['pe_ratios'].mean():.2f}")
        
        # 行业分布分析
        sector_distribution = df['sectors'].value_counts()
        print("\n--- 行业分布 ---")
        for sector, count in sector_distribution.items():
            print(f"{sector}: {count}支股票 ({count/len(df)*100:.1f}%)")
        
        # 表现最好的5支股票
        top_performers = df.nlargest(5, 'change_pcts')[['symbols', 'change_pcts', 'prices']]
        print("\n--- 涨幅前5的股票 ---")
        for _, stock in top_performers.iterrows():
            print(f"{stock['symbols']}: {stock['change_pcts']:.2f}% (${stock['prices']:.2f})")
        
        # 市值分析
        market_cap_categories = pd.cut(df['market_caps'], 
                                     bins=[0, 1e9, 1e10, 1e11, float('inf')],
                                     labels=['小型股(<10亿)', '中型股(10-100亿)', '大型股(100-1000亿)', '超大型股(>1000亿)'])
        cap_distribution = market_cap_categories.value_counts()
        print("\n--- 市值分布 ---")
        for cap, count in cap_distribution.items():
            print(f"{cap}: {count}支股票")

# 使用示例
if __name__ == "__main__":
    API_KEY = "YOUR_API_KEY"  # 替换为实际API密钥
    
    analyzer = NasdaqStockAnalyzer(API_KEY)
    analysis_data = analyzer.analyze_stocks()
    
    if analysis_data:
        analyzer.generate_report(analysis_data)