高质量的金融市场数据是任何量化交易策略的核心。对于沪深股市,美股,以及其他国际证券交易所,我们可以使用Alpha Vantage API调用个股的历史数据。这个论坛已经有很多文章详细介绍如何使用Alpha Vantage数据接口,比如wherwh的这篇Alpha Vantage API使用示例。
本文基于CSDN现有的Alpha Vantage“使用攻略”,额外列出3个比较实用的Alpha Vantage调用小技巧。
Alpha Vantage主页的HTML Title是Free Stock APIs in JSON & Excel,翻译过来就是“免费的股票API接口,支持JSON和Excel”。实际上,这个网站也包括其他非股票的市场数据,比如:
一支股票的生命周期内一般会经历一次或者多次的除权(split)和分红(dividend)。复权就是对股价和成交量进行权息修复,按照股票的实际涨跌绘制股价走势图,并把成交量调整为相同的股本口径。 股票除权、除息之后,股价随之产生了变化,但实际成本并没有变化。这篇文章对原始数据和复权数据的区别(raw vs. adjusted data)有详细的介绍。
Alpha Vantage提供原始数据和复权数据两种输出方式,供量化交易者自行选择。
原始分时数据(IBM):https://www.alphavantage.co/query?function=TIME_SERIES_INTRADAY&symbol=IBM&interval=5min&adjusted=false&apikey=xxxxxx
复权分时数据(IBM):https://www.alphavantage.co/query?function=TIME_SERIES_INTRADAY&symbol=IBM&interval=5min&adjusted=true&apikey=xxxxxx
原始日线历史数据(贵州茅台):https://www.alphavantage.co/query?function=TIME_SERIES_DAILY&symbol=600519.SHH&outputsize=full&apikey=xxxxxx
复权日线历史数据(贵州茅台):https://www.alphavantage.co/query?function=TIME_SERIES_DAILY_ADJUSTED&symbol=600519.SHH&outputsize=full&apikey=xxxxxx
在GitHub上有500多个基于Alpha Vantage的开源库,涵盖了十几种编程语言,包括最近比较火的Python/Pandas以及Node.JS。拿Python来说,用下面这个开源库调取Alpha Vantage的数据只要三行:
from alpha_vantage.timeseries import TimeSeries
ts = TimeSeries(key='YOUR_API_KEY')
data, meta_data = ts.get_intraday('GOOGL')
Github源代码:https://github.com/RomelTorres/alpha_vantage
如果你不想从零开始编写量化交易代码,GitHub上面的数百个开源库将会是一个不错的选择!