股票分析：Python 爬取同花顺股票数据（技术指标提取）

Python 爬取同花顺股票数据及技术指标提取详解（2026 年视角）

在 2026 年，使用 Python 爬取股票数据已成为量化分析、AI 预测和个人投资工具的标配。同花顺（iFinD）作为国内主流金融平台，提供丰富的股票行情、历史 K 线和技术指标数据。但直接爬取其官网网页可能面临反爬机制、数据延迟或法律风险（需遵守平台条款，避免商业滥用）。推荐使用开源库如 Akshare 或 Tushare，这些库本质上是封装好的爬虫接口，支持同花顺等数据源，免费且高效。

本教程基于 2026 年最新实践：

• 首选库：Akshare（免费开源，支持实时/历史数据，数据来源包括同花顺、东方财富等）。
• 备选：Tushare（需注册 Token，免费版有限额，付费版更稳定）。
• 技术指标提取：使用 pandas_ta 或 TA-Lib 计算 MA（移动平均）、RSI（相对强弱指数）、MACD 等。
• 注意事项：
  • 数据仅供学习/研究，商业使用需获得平台授权。
  • Akshare/Tushare 依赖网络，可能有调用限制（e.g., Tushare 免费版每日 200 次）。
  • 环境：Python 3.10+，安装库：pip install akshare pandas pandas_ta matplotlib（TA-Lib 如需安装：pip install TA-Lib，但 pandas_ta 更简单）。

步骤 1：安装与准备

pip install akshare pandas pandas_ta matplotlib requests 

• Akshare：获取股票数据。
• Pandas：数据处理。
• Pandas_ta：技术指标计算（内置 200+ 指标）。
• Matplotlib：可视化。

步骤 2：爬取同花顺股票数据

Akshare 支持从同花顺等来源获取：

• 历史 K 线：stock_zh_a_hist。
• 实时数据：stock_zh_a_spot_em 或 stock_bid_ask_em。
• 示例股票：600519.SH（贵州茅台）。

示例代码：获取历史 K 线数据

import akshare as ak import pandas as pd # 获取贵州茅台历史日 K 线（从 2025-01-01 到当前） stock_code ="600519"# 股票代码（沪市加 .SH，深市加 .SZ） df = ak.stock_zh_a_hist( symbol=stock_code, period="daily",# daily/weekly/monthly start_date="20250101",# YYYYMMDD end_date="20260120",# 今天日期 adjust="qfq"# qfq: 前复权；hfq: 后复权；"": 不复权)# 保存为 CSV df.to_csv(f"{stock_code}_history.csv", index=False)print(df.head())# 查看前 5 行

输出示例（大致结构）：

 日期 开盘 收盘 最高 最低 成交量 成交额 振幅 涨跌幅 涨跌额 换手率 0 2025-01-02 1500.0 1520.5 1530.0 1490.0 100000 1.52e+08 2.67% 1.37% 20.5 0.5% ... 

• 解释：Akshare 从同花顺/东方财富等爬取数据，支持复权调整。数据包括开盘、收盘、成交量等。

如果用 Tushare（备选，需要 Token）：

import tushare as ts ts.set_token('your_token')# 从 tushare.pro 注册获取 pro = ts.pro_api() df = pro.daily(ts_code=f"{stock_code}.SH", start_date='20250101', end_date='20260120')print(df.head())

实时数据示例：

# 实时分笔数据（tick 数据，从同花顺源） tick_df = ak.stock_zh_a_tick_tx(symbol=stock_code, adjust="")print(tick_df.head())# 时间、价格、成交量等

步骤 3：技术指标提取

获取数据后，使用 pandas_ta 计算常见指标：

• MA（移动平均线）：简单/指数移动平均。
• RSI（相对强弱指数）：超买/超卖信号。
• MACD（移动平均收敛散度）：趋势反转。
• Bollinger Bands（布林带）：波动率。

示例代码：提取并可视化技术指标

import pandas_ta as ta import matplotlib.pyplot as plt # 假设 df 是从 Akshare 获取的历史数据（需确保有 'open', 'high', 'low', 'close', 'volume' 列） df = df.rename(columns={'开盘':'open','收盘':'close','最高':'high','最低':'low','成交量':'volume'})# 英文列名 df['date']= pd.to_datetime(df['日期'])# 日期列 df.set_index('date', inplace=True)# 设置索引# 计算指标 df['ma5']= ta.sma(df['close'], length=5)# 5 日简单移动平均 df['ma20']= ta.sma(df['close'], length=20)# 20 日简单移动平均 df['rsi']= ta.rsi(df['close'], length=14)# 14 日 RSI macd = ta.macd(df['close'], fast=12, slow=26, signal=9)# MACD df = pd.concat([df, macd], axis=1)# 添加 MACD 列print(df[['close','ma5','ma20','rsi','MACD_12_26_9']].tail())# 查看最后 5 行# 可视化 fig,(ax1, ax2, ax3)= plt.subplots(3,1, figsize=(12,8), sharex=True)# K 线 + MA ax1.plot(df.index, df['close'], label='Close', color='blue') ax1.plot(df.index, df['ma5'], label='MA5', color='orange') ax1.plot(df.index, df['ma20'], label='MA20', color='green') ax1.set_title('Stock Price with MA') ax1.legend()# RSI ax2.plot(df.index, df['rsi'], label='RSI', color='purple') ax2.axhline(70, color='red', linestyle='--')# 超买线 ax2.axhline(30, color='green', linestyle='--')# 超卖线 ax2.set_title('RSI') ax2.legend()# MACD ax3.plot(df.index, df['MACD_12_26_9'], label='MACD', color='blue') ax3.plot(df.index, df['MACDs_12_26_9'], label='Signal', color='red') ax3.bar(df.index, df['MACDh_12_26_9'], label='Histogram', color='gray', alpha=0.5) ax3.set_title('MACD') ax3.legend() plt.tight_layout() plt.show()

输出解释：

• MA：金叉（MA5 上穿 MA20）买信号，死叉卖信号。
• RSI：>70 超买（卖出），<30 超卖（买入）。
• MACD：MACD 上穿 Signal 买，下穿卖；柱状图正负表示强度。
• 图表：上层股价 + MA，中层 RSI，下层 MACD。

步骤 4：高级扩展 & 注意事项

• 更多指标：pandas_ta 支持 Bollinger (ta.bbands)、Stochastic (ta.stoch) 等。文档：pandas-ta.readthedocs.io。
• 实时监控：用 Akshare 的 stock_zh_a_spot_em 循环获取，每分钟刷新。
• 批量股票：循环多个代码，或用 Akshare 的 stock_rank_cxg_ths 获取同花顺概念股列表。
• 潜在问题：
  • 反爬：Akshare 可能被封 IP，用代理或间隔调用（time.sleep(1)）。
  • 数据准确：验证与官网一致；Tushare 付费版更可靠。
  • 法律：仅个人使用，避免高频爬取导致封号。
• 替代方案：如果 Akshare 失效，用 requests + BeautifulSoup 直接爬同花顺页面（e.g., https://stockpage.10jqka.com.cn/600519/），但需分析 JS 渲染（用 Selenium）。
• 可视化进阶：用 Plotly 交互图（pip install plotly），或 Streamlit 做 Web 仪表盘。

这个示例能让你快速上手！如果想分析特定股票（如换成你的代码）或添加更多指标（e.g., OBV），告诉我，我再优化代码～