聚宽本地金融服务JQData安装及简单使用

最新推荐文章于 2025-06-26 17:42:14 发布

weixin_41688131

最新推荐文章于 2025-06-26 17:42:14 发布

阅读量1.5k

点赞数 1

CC 4.0 BY-SA版权

分类专栏：转载

原文链接：https://www.joinquant.com/view/community/detail/72fd6fb4de82bade29ae73f6f996e505?type=1

转载专栏收录该内容

1 篇文章

订阅专栏

JQData是聚宽为金融机构、学术团体和量化研究者提供的本地量化金融数据服务，支持快速查看和计算金融数据，满足本地、Web、金融终端的数据需求。本文介绍JQData的安装、使用方法，包括获取沪深300指数、沪深300指数期货、成分股及其日行情数据。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

转载链接

JQdata是什么？

JQData是聚宽数据团队专门为金融机构、学术团体和量化研究者们提供的本地量化金融数据服务。使用JQData，可快速查看和计算金融数据，无障碍解决本地、Web、金融终端调用数据的需求。历经3年沉淀，15万宽客及数百家机构投研交易验证。
API文档：https://www.joinquant.com/help/api/help?name=JQData

JQdata安装

只需要使用pip命令安装即可，和普通的python包一样。（就喜欢这种不需要单独下载安装文件的第三方包）

pip install jqdatasdk  # 安装
pip install -U jqdatasdk  # 升级

JQData简单使用

from jqdatasdk import *  # 导入jqdata的包
import pandas as pd
import json

# 获取沪深300指数的日行情
def get_hs300_index():
    df = get_price("000300.XSHG", start_date="2011-01-01", end_date="2019-01-01", fq=None)
    df.to_csv(r"data_files\HS300_None.csv")

# 获取沪深300指数期货2011-2018年所有合约的日行情
def get_hs300_future():
    info = pd.read_csv(r"data_files\future\hs300_future_info.csv", index_col=0)
    for contract in info["name"]:
        df = get_price(contract + ".CCFX", start_date="2011-01-01", end_date="2019-01-01", fq=None)
        df.to_csv(r"data_files\future\%s.csv" % contract)

# 获取所有期货的信息，之后再筛选出沪深300指数期货的信息
def get_future_info():
    df = get_all_securities(types=['futures'])
    df.to_csv(r"data_files\future\info.csv", encoding="gbk")

# 获取沪深300指数2011-2019不同时期的成分股并保存本地
def get_hs300_stock_info():
    path = r"data_files\stock\hs300_stocks.json"
    stocks = {}
    for year in range(2011, 2019):
        first = "%d-03-01" % year
        second = "%d-09-01" % year
        stocks[first] = get_index_stocks('000300.XSHG', first)
        stocks[second] = get_index_stocks('000300.XSHG', second)
    with open(path, "w") as f:
        json.dump(stocks, f)

# 根据保存的沪深300成分股信息，获取这些股票2011-2019年的日行情
def get_hs300_stock_quote():
    code_path = r"data_files\stock\hs300_stocks.json"
    store_path = r"data_files\stock\quote\%s.csv"
    with open(code_path, "r") as f:
        stocks = json.load(f)
    stock_set = set()
    for value in stocks.values():
        stock_set.update(value)
    print(len(stock_set))
    for stock in stock_set:
        df = get_price(stock, start_date="2011-01-01", end_date="2019-01-01", fq=None)
        df.to_csv(store_path % stock)

# 查询剩余数量
def get_remain():
    print(get_query_count())


if __name__ == "__main__":
    auth("account", "password")  # 用户密码身份验证
    # get_hs300_future()
    # get_future_info()
    # get_hs300_index()
    # get_hs300_stock_info()
    get_hs300_stock_quote()
    get_remain()