Dove posso ottenere i dati del mercato azionario per l'analisi dei dati?

È possibile ottenere i dati di borsa utilizzando i fornitori di dati popolari. Proverei a rispondere a queste domande usando i dati del mercato azionario utilizzando il linguaggio Python in quanto è facile recuperare i dati utilizzando Python e può essere convertito in diversi formati come excel o file CSV. Se non avete familiarità con Python, allora potete leggere i codici sottostanti con i commenti nella parte superiore di ogni linea di codice. E poi interpretare il codice. Potete semplicemente eseguire questo codice da un notebook Jupyter.

In Python, ci sono molte librerie che possono essere utilizzate per ottenere i dati del mercato azionario. L'insieme più comune di dati è quello del volume dei prezzi. Questi dati possono essere utilizzati per creare strategie quantitative, strategie tecniche o strategie buy-and-hold molto semplici. Le diverse librerie Python che forniscono dati di mercato azionario sono le seguenti:

Price-Volume Data

1. Daily data
   1. Yahoo finance
   2. Quandl
2. Minute level data
   1. Alpha vantage

Futures & options price-volume data for Indian markets

1. NSEPy

Yahoo Finance

Yahoo finance is one of the free sources to get stock data. You can get the data either using pandas datareader or can get using yfinance library. The method to get data from yfinance library is shown below.

1. # Import the plotting library 
2. import matplotlib.pyplot as plt 
3.  
4. # Import the yfinance. If you get module not found error the run !pip install yfiannce from your Jupyter notebook 
5. import yfinance as yf  
6.  
7. # Get the data of the stock AAPL 
8. data = yf.download('AAPL','2016-01-01','2018-01-01') 
9.  
10. # Plot the close price of the AAPL 
11. data.Close.plot() 
12. plt.show() 

Quandl

Wiki is one of the free source available on quandl to get the data for the 3000+ US equities. Si tratta di dati mantenuti dalla comunità. Recentemente ha smesso di essere mantenuto, ma è comunque una buona fonte gratuita per testare le vostre strategie.

Per ottenere i dati, è necessario ottenere la chiave API gratuita da quandl e sostituire il nel codice sottostante con la vostra chiave API.

1. import matplotlib.pyplot as plt 
2. import quandl 
3. data = quandl.get("WIKI/KO", start_date="2016-01-01", end_date="2018-01-01", api_key=) 
4. data.Close.plot() 
5. plt.show() 

Note:

1. Quandl requires NumPy (v1.8 or above) and pandas (v0.14 or above) to work.
2. To get your API key, sign up for a free Quandl account. Then, you can find your API key on Quandl account settings page.
3. To fetch data for different markets and types

Minute level data using the Alpha vantage

Until so far we have fetched the data with a frequency of daily. That is the end of the day data. Using the below code, you get the stock data for each minute. This is very useful to backtest intraday trading strategies and for risk management purpose.

1. # Uncomment below line to install alpha_vantage 
2. #!pip install alpha_vantage 
3.  
4. # Import the library 
5. from alpha_vantage.timeseries import TimeSeries 
6.  
7. # initialize TS object with API key and output format 
8. ts = TimeSeries(key='Your-API-Key', output_format='pandas') 
9.  
10. # Get the data 
11. data, meta_data = ts.get_intraday(symbol='MSFT',interval='1min', outputsize='compact') 
12.  
13. # Print the data 
14. print(data.head()) 

Note:

1. For the time interval between two consecutive data points in the time series, the following values are supported: 1min, 5min, 15min, 30min, 60min
2. By default, outputsize=compact. Strings compact and full are accepted with the following specifications: compact returns only the latest 100 data points in the intraday time series; full returns the full-length intraday time series. The "compact" option is recommended if you would like to reduce the data size of each API call.

Options data for Indian Markets

1. import matplotlib.pyplot as plt 
2. from datetime import date 
3. from nsepy import get_history 
4. stock_opt = get_history(symbol="SBIN", 
5. start=date(2018,1,15), 
6. end=date(2018,2,1), 
7. option_type="CE", 
8. strike_price=300, 
9. expiry_date=date(2018,2,22)) 
10. stock_opt.Close.plot() 
11. plt.show() 

Futures data for Indian Markets

1. import matplotlib.pyplot as plt 
2. from datetime import date 
3. from nsepy import get_history 
4. # Stock options (Similarly for index options, set index = True) 
5. stock_fut = get_history(symbol="SBIN", 
6. start=date(2018,1,15), 
7. end=date(2018,2,1), 
8. futures=True, 
9. expiry_date=date(2018,2,22)) 
10. stock_fut.Close.plot() 
11. plt.show() 

Other ways are to read from CSV, excel or database file. I hope you find this answer useful and happy trading and analysis.