mcpField
A
akshare

akshare

github.com/succ985数据与数据库111.8k 次安装37 周前更新
代码仓库

关于 akshare

用于指导使用 AkShare 的技能;AkShare 是获取中国金融市场数据的开源 Python 库,覆盖股票、期货、基金及宏观经济指标。

主要功能

  1. 01实时与历史股票数据
  2. 02A 股、港股和美股行情
  3. 03期货数据获取
  4. 04基金数据与净值走势
  5. 05GDP、CPI 和 PMI 指标

适用场景

  1. 01查询当前股票行情
  2. 02获取历史市场价格
  3. 03收集宏观经济时间序列

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/succ985/openclaw-akshare-skill --skill akshare

安装后在 Claude Code 中输入/akshare确认已加载。

包含的文件

除 SKILL.md 外,安装时一起下载的参考资料和脚本。

CHANGELOG.md
.gitignore
LICENSE
CONTRIBUTING.md
README.md
references/
common_functions.md
akshare_api.md
scripts/
IMPLEMENTATION_SUMMARY.md
README.md
VERIFICATION_REPORT.md
example_usage.py
akshare_tool.py
test_basic.py
test_quick.py
install_akshare.sh

详细介绍

AkShare - 中国金融数据

概述

AkShare 是一个免费的开源 Python 库,用于获取中国金融市场数据。本技能提供了从中国各大交易所获取数据的指南,包括上海证券交易所、深圳证券交易所、香港交易所等。

快速开始

安装 AkShare:

pip install akshare

获取基本股票行情:

import akshare as ak
df = ak.stock_zh_a_spot_em()  # Real-time A-share data

股票数据

A 股(A股)

实时行情:

# All A-shares real-time data
df = ak.stock_zh_a_spot_em()

# Single stock real-time quote
df = ak.stock_zh_a_spot()

历史数据:

# Historical daily data
df = ak.stock_zh_a_hist(symbol="000001", period="daily", start_date="20240101", end_date="20241231", adjust="qfq")

股票列表:

# Get all A-share stock list
df = ak.stock_info_a_code_name()
港股(港股)

实时行情:

df = ak.stock_hk_spot_em()

历史数据:

df = ak.stock_hk_hist(symbol="00700", period="daily", adjust="qfq")
美股(美股)

实时数据:

df = ak.stock_us_spot_em()

期货数据(期货)

期货实时行情:

# Commodity futures
df = ak.futures_zh_spot()

期货历史数据:

df = ak.futures_zh_hist_sina(symbol="IF0")

基金数据(基金)

基金列表:

df = ak.fund_open_fund_info_em()

基金历史数据:

df = ak.fund_open_fund_info_em(fund="000001", indicator="单位净值走势")

宏观经济指标(宏观)

GDP 数据:

df = ak.macro_china_gdp()

CPI 数据:

df = ak.macro_china_cpi()

PMI 数据:

df = ak.macro_china_pmi()

常用参数

周期(周期):

  • daily - 日线
  • weekly - 周线
  • monthly - 月线

复权(复权):

  • qfq - 前复权
  • hfq - 后复权
  • "" - 不复权

提示

  1. 数据缓存:AkShare 不会缓存数据,如有需要,请自行实现缓存
  2. 速率限制:请注意请求频率,避免被屏蔽
  3. 数据格式:返回 pandas DataFrame,可轻松处理
  4. 错误处理:可能会发生网络错误,请实现重试逻辑

参考资料

如需查看完整的 API 文档和高级用法,请参阅:

评论

支持 Markdown