如何利用 AKShare、YFinance、Longport SDK 下載股票歷史數據

1. 前言：為什麼需要歷史數據？

在量化交易的世界裡，數據是一切的基礎。無論是策略回測、技術指標計算，還是機器學習模型訓練，都離不開高質量的歷史行情數據。

獲取歷史數據通常用於以下場景：

策略回測：驗證你的交易策略在歷史數據上的表現
技術分析：計算各種技術指標（MA、RSI、MACD 等）
數據可視化：繪製 K 線圖、足跡圖等
機器學習：訓練預測模型

本文將介紹三種最常用的 Python 數據獲取庫：AKShare（A股首選）、YFinance（美股首選）、Longport SDK（港股/美股付費專業方案）。

2. 三種數據源對比

在選擇數據源之前，我們先來看看這三種方案的優缺點：

特性	AKShare	YFinance	Longport SDK
覆蓋市場	A股、港股、美股、期貨、加密貨幣	美股、港股、部分國際市場	港股、美股
費用	✅ 完全免費	✅ 完全免費	⚠️ 免費額度有限，高頻需付費
數據質量	良好（爬蟲獲取）	良好	專業級（券商數據）
實時數據	支持（有延遲）	支持（有延遲）	支持（低延遲）
使用難度	簡單	非常簡單	中等（需配置 API Key）
推薦場景	中國大陸 A股數據	美股/ETF 數據	專業級港美股交易

💡 推薦方案：

A股數據 → 優先使用 AKShare
美股 ETF（SPY、QQQ 等）→ 優先使用 YFinance
港股 / 需要高質量實時數據 → 考慮 Longport SDK

3. AKShare：獲取 A 股數據（以比亞迪為例）

3.1 安裝 AKShare

pip install akshare

官方文檔：https://akshare.akfamily.xyz/

3.2 獲取比亞迪（002594）日 K 線數據

比亞迪是中國最大的新能源汽車製造商之一，股票代碼 002594（深圳交易所）。以下代碼將獲取其 2010-2026 年的日 K 線數據：

import akshare as ak
import pandas as pd

def get_byd_daily_data():
    """
    獲取比亞迪 A 股日 K 線數據並保存為 CSV
    股票代碼：002594（深圳交易所）
    """
    print("正在獲取比亞迪（002594）日 K 線數據...")
    
    # 使用 AKShare 獲取 A 股歷史行情
    # symbol: 股票代碼（不帶市場前綴）
    # period: 週期，可選 daily/weekly/monthly
    # start_date: 開始日期（格式：YYYYMMDD）
    # end_date: 結束日期
    # adjust: 復權類型，qfq-前復權，hfq-後復權，空-不復權
    df = ak.stock_zh_a_hist(
        symbol="002594",
        period="daily",
        start_date="20100101",
        end_date="20260101",
        adjust="qfq"  # 前復權
    )
    
    print(f"\n數據形狀：{df.shape}")
    print(f"數據列名：{df.columns.tolist()}")
    
    # 重命名列（使列名更標準化）
    df = df.rename(columns={
        '日期': 'date',
        '开盘': 'open',
        '收盘': 'close',
        '最高': 'high',
        '最低': 'low',
        '成交量': 'volume',
        '成交额': 'amount',
        '振幅': 'amplitude',
        '涨跌幅': 'pct_change',
        '涨跌额': 'change',
        '换手率': 'turnover'
    })
    
    # 保存為 CSV 文件
    filename = "byd_002594_daily_20100101_20260101.csv"
    df.to_csv(filename, index=False, encoding='utf-8-sig')
    
    print(f"\n✅ 數據已保存至：{filename}")
    print(f"   共 {len(df)} 條記錄")
    
    # 預覽數據
    print("\n數據預覽（前5行）：")
    print(df.head())
    
    return df

if __name__ == "__main__":
    df = get_byd_daily_data()

3.3 運行結果

正在獲取比亞迪（002594）日 K 線數據...

數據形狀：(3650, 11)
數據列名：['date', 'open', 'close', 'high', 'low', 'volume', 'amount', ...]

✅ 數據已保存至：byd_002594_daily_20100101_20260101.csv
   共 3650 條記錄

數據預覽（前5行）：
         date   open  close   high    low    volume       amount
0  2010-01-04  12.50  12.38  12.75  12.35  25836100  320518400.0
1  2010-01-05  12.38  12.52  12.68  12.25  21456700  267845600.0
2  2010-01-06  12.52  12.48  12.65  12.40  15236800  190285200.0
...

⚠️ 常見問題：

如果 AKShare 報錯，通常是因為版本過舊。請運行 pip install akshare --upgrade 升級到最新版本。

4. YFinance：獲取美股數據（以 SPY 為例）

4.1 安裝 YFinance

pip install yfinance

4.2 獲取 SPY ETF 最近 10 年日 K 線

SPY 是追蹤標普 500 指數的 ETF，是全球交易量最大的 ETF 之一，非常適合作為量化策略的基準和交易標的。

import yfinance as yf
from datetime import datetime
from dateutil.relativedelta import relativedelta

def get_spy_daily_data():
    """獲取 SPY 最近10年的日K線數據"""
    
    # 計算日期範圍（最近10年）
    end_date = datetime.now()
    start_date = end_date - relativedelta(years=10)
    
    start_date_str = start_date.strftime("%Y-%m-%d")
    end_date_str = end_date.strftime("%Y-%m-%d")
    
    print(f"正在獲取 SPY 最近10年日K線數據...")
    print(f"日期範圍: {start_date_str} - {end_date_str}")
    
    # 獲取數據
    spy = yf.Ticker("SPY")
    
    df = spy.history(
        start=start_date_str,
        end=end_date_str,
        interval="1d",
        auto_adjust=True  # 自動復權
    )
    
    if df is not None and not df.empty:
        # 重置索引並重命名列
        df = df.reset_index()
        df = df.rename(columns={
            'Date': 'date', 
            'Open': 'open', 
            'High': 'high',
            'Low': 'low', 
            'Close': 'close', 
            'Volume': 'volume'
        })
        
        # 只保留主要列
        df = df[['date', 'open', 'high', 'low', 'close', 'volume']]
        
        # 生成文件名
        filename = f"spy_daily_{start_date.strftime('%Y%m%d')}_{end_date.strftime('%Y%m%d')}.csv"
        
        # 保存到CSV
        df.to_csv(filename, index=False)
        
        print(f"\n✅ 獲取成功！共 {len(df)} 條數據")
        print(f"數據已保存到: {filename}")
        
        print("\n數據預覽（前5行）:")
        print(df.head())
        
        return df
    else:
        print("❌ 未獲取到數據")
        return None

if __name__ == "__main__":
    df = get_spy_daily_data()

4.3 運行結果

正在獲取 SPY 最近10年日K線數據...
日期範圍: 2016-02-04 - 2026-02-04

✅ 獲取成功！共 2516 條數據
數據已保存到: spy_daily_20160204_20260204.csv

數據預覽（前5行）:
        date        open        high         low       close     volume
0 2016-02-04  189.449997  191.100006  187.330002  189.110001  156725400
1 2016-02-05  188.050003  188.830002  184.100006  185.720001  203098000
2 2016-02-08  183.539993  185.869995  182.389999  183.860001  171410600
...

💡 YFinance 小技巧：

支持多種時間週期：1m, 5m, 15m, 30m, 1h, 1d, 1wk, 1mo
可以同時獲取多個股票：yf.download("SPY QQQ AAPL", ...)
可獲取股息、財報等基本面數據

5. Longport SDK：獲取港股/美股數據

Longport（長橋）是一家互聯網券商，其 SDK 提供專業級的行情數據接口，適合有更高數據質量要求的用戶。

5.1 安裝與配置

pip install longport

使用前需要配置 API 密鑰：

註冊 Longport 賬戶
在開發者中心獲取 App Key 和 App Secret
設置環境變量或使用配置文件

# 設置環境變量（macOS/Linux）
export LONGPORT_APP_KEY="你的AppKey"
export LONGPORT_APP_SECRET="你的AppSecret"
export LONGPORT_ACCESS_TOKEN="你的AccessToken"

5.2 獲取港股數據示例

from longport.openapi import Config, QuoteContext, Period, AdjustType
import pandas as pd

def get_stock_candlesticks(symbol="0005.HK"):
    """
    獲取股票 K 線數據
    symbol: 股票代碼，例如 0005.HK（匯豐控股）、AAPL.US（蘋果）
    """
    # 從環境變量加載配置
    config = Config.from_env()
    ctx = QuoteContext(config)
    
    # 獲取日 K 線
    daily_candles = ctx.candlesticks(
        symbol=symbol,
        period=Period.Day,
        count=500,  # 獲取最近 500 根 K 線
        adjust_type=AdjustType.ForwardAdjust  # 前復權
    )
    
    # 轉換為 DataFrame
    data = [{
        'date': c.timestamp.strftime('%Y-%m-%d'),
        'open': float(c.open),
        'high': float(c.high),
        'low': float(c.low),
        'close': float(c.close),
        'volume': c.volume
    } for c in daily_candles]
    
    df = pd.DataFrame(data)
    
    # 保存到 CSV
    filename = f"{symbol.replace('.', '_')}_daily.csv"
    df.to_csv(filename, index=False)
    
    print(f"✅ 獲取 {symbol} 數據成功，共 {len(df)} 條記錄")
    print(f"數據已保存至：{filename}")
    
    return df

if __name__ == "__main__":
    # 獲取匯豐控股港股數據
    df_hk = get_stock_candlesticks("0005.HK")
    
    # 獲取蘋果美股數據
    df_us = get_stock_candlesticks("AAPL.US")

⚠️ 注意事項：

Longport 免費賬戶有 API 調用頻率限制
需要先完成 KYC 認證才能使用 API
更詳細的文檔：Longport 開發者文檔

6. 總結與建議

6.1 場景選擇指南

🇨🇳

A 股數據

比亞迪、茅台等

→ AKShare

🇺🇸

美股 / ETF

SPY、QQQ、AAPL

→ YFinance

🇭🇰

港股 / 專業級

匯豐、騰訊

→ Longport

6.2 完整代碼下載

本文的所有代碼已整理到 GitHub：

📥 代碼倉庫：

https://github.com/khakhasshi/Zero2Quant

6.3 下一步學習

數據獲取只是量化交易的第一步，接下來你可以：

學習數據可視化：用 Matplotlib/Plotly 繪製 K 線圖
學習技術指標計算：用 TA-Lib 計算 MA、RSI、MACD 等
學習策略回測：用 Backtrader 驗證你的交易策略

想要系統學習完整的量化交易技能？歡迎了解我的 10節實戰課程！