1 国外 API

1.1 yfinance：python 库

yfinance 之所以能够免费提供服务，是因为它通过模拟浏览器访问 Yahoo Finance 来抓取数据，类似于 " 网页爬虫 "。Yahoo 的反爬机制会限制甚至封禁 IP，导致 429 错误。此外，yfinance 需要解析 JSON 端点并处理 HTML 页面，任何对 Yahoo Finance 网站的改动都可能影响 yfinance 的正常运行。

1
pip install yfinance

1.2 Finnhub

Finnhub 是专为开发者打造的金融数据 API，全球化的实时数据专家。涵盖美股及全球 60 多个市场，提供实时股价、外汇、加密货币、公司基本面、新闻和 AI 驱动的情感分析。免费版每分钟支持 60 次 API 调用，每秒最多 30 次，足以满足大多数个人项目和基础回测需求。免费版主要提供美股的实时和静态数据，访问 A 股、港股以及历史蜡烛图需要更高权限。此外，Finnhub 好像还支持 MCP。

  • 注册：https://finnhub.io/register
  • 文档：https://finnhub.io/docs/api，内容很全且精细
  • python 库：https://github.com/Finnhub-Stock-API/finnhub-python，demo 里有的 api 有的需要权限

示例如下：

1
pip install finnhub-python
1
2
3
4
5
6
7
8
9
10
11
import finnhub

finnhub_client = finnhub.Client(api_key="xx")

# 获取苹果公司(AAPL)的实时股票报价
quote = finnhub_client.quote('AAPL')
print("AAPL 实时报价：", quote)

# 获取苹果公司(AAPL)的公司基本信息
profile = finnhub_client.company_profile2(symbol='AAPL')
print("AAPL 公司信息：", profile)

1.3 simfin

SimFin 是一个便捷的财务数据 Python 库，提供包括收入报表、资产负债表和现金流量表在内的多种财务数据。使用前需申请 API 密钥。

官网：https://www.simfin.com/
使用指南：https://github.com/SimFin/simfin-turtorials.git

1.4 Financial Modeling Prep(FMP)

通过 API 直接筛选股票，无需下载所有数据再用 pandas 处理，简化基本面分析。免费版每日可调用 API 250 次。

2 国内数据

2.1 adata 推荐

这是一个用于下载金融数据的 Python 库，目前已经获得了 2.6K 颗星，最近增长速度较快。专注股票行情数据,为了保证数据的高可用性,采用多数据源融合切换。在 GitHub 页面上有详细的使用介绍。

项目地址：https://github.com/1nchaos/adata

该工具的核心是通过解析网页实现数据抓取。adata 支持下载来源于东方财富、百度股市通、新浪财经、腾讯理财、同花顺等平台的数据。我试了两个接口：虽然 adata.stock.info.all_code()，adata.stock.market.get_market(stock_code='000001', k_type=1, start_date='2025-08-01')，数据量少时速度较快。财务数据和分红数据均能成功提取。

2.2 东方财富 API

免费的信息有限，但你可以从网页上获取更多内容，懂的都懂。

2.3 Wind API

该服务不支持网页版，只能安装应用程序使用，并且提供的信息有限免费。

2.4 tushare

第一年免费

见之前文档：Python量化交易之一_获取数据

2.5 akshare 推荐

API 丰富且稳定

见之前文档：Python量化交易之一_获取数据

3 框架工具

3.1 go-stock

Go-Stock 是一款前端采用 NaiveUI 和 Vue 框架,后端使用 Go 语言开发的 AI 股票分析工具,支持 A 股、港股、美股的数据分析，包含一些利用大模型进行数据分析的功能。目前 2.2K star，我对 go 语言不熟，也没细看。

  • 地址：https://github.com/ArvinLovegood/go-stock
  • 技术：可配置多种大模型，本地知识库使用 AnythingLLM
  • 数据：来自 Tushare 等，可参考其信息获取部分

4 TradingAgents （推荐）

多智能开源项目，为中文用户打造的多智能体大语言模型金融交易决策框架。

5 数据打包下载

5.1 Kaggle 股票相关新闻数据下载

包含 2009 年至 2020 年关于 6000 只股票的 400 万篇英文文章，数据包含日期、标题、出处、相关股票等信息，登录 kaggle 即可下载，压缩包约 220M，解包后包含 3 个 csv 文件，每个都有上百 M。

  • 下载地址：https://www.kaggle.com/datasets/miguelaenlle/massive-stock-news-analysis-db-for-nlpbacktests，
  • 相关工具：实时数据抓取：https://github.com/miguelaenlle/Scraping-Tools-Benzinga（五年前更新）

5.2 天池比赛：预测基金申赎数据

包含 20 支基金，从 2024.4.8-2025.7.24 申赎数据

  • 下载地址：https://github.com/AFAC-2025/AFAC2025_train_data

6 大模型和编程工具

6.1 在 vscode 中自动编码

还可以使用 vscode 中包含的 mcp 方式获取，例如：

6.2 用大模型 + 联网方式获取

以下为懒人数据提取方法（通过 deepseek 网页版的联网模式获取）：

获取大规模真实数据难以通过大模型实现。在此，deepseek 返回的数值仅包含截至 2024 年 7 月的数据（模型是基于此前的数据训练的）。

6.3 总结

  • 从 deepseek 获取交易的具体数据时幻觉严重，因为抓数据可能涉及爬虫问题，有些询问直接被拒绝。
  • 不同的模型效果差异巨大。demo 中给出的是调用一个 1.5B 模型的方法，且不连网搜索，所以返回信息多数是错的。最后我使用的基金相关数据基本来自 deepseek 联网模式，基本是对的。
  • 对于文本数据，直接给让大模型分析效果最好
  • 对于数值型数据，让 Agent+MCP 自行分析数据格式和 API，自行写程序，抓取和转换效果更好。
  • 在 vscode 中使用 copilot，国内信息使用的是 akshare 和 东方财富，可以把它们整合成自己的工具集

6.4 总结

  • 从 deepseek 获取交易的具体数据时存在显著问题，特别是由于涉及爬虫相关问题，一些请求可能被直接拒绝。
  • 使用不同模型效果差异明显。例程中不联网且调用 1.5B 模型，导致返回信息多有错误。最终，我选择的基金相关数据主要依赖于 deepseek 的联网模式，相对准确。
  • 大模型更善于分析文本数据。
  • 对于数值性数据，通过 Agent+MCP 分析数据格式和 查找 API，自行编程抓取和转换效果更佳。
  • 在 vscode 中使用 copilot，写出的代码国内金融信息来源是：akshare 和东方财富，可将它们整合成自己的工具套件。

7 思考和建议

  • 使用本地的数据库存储数据，不要每次都下载
  • 许多时候只有在得到完整数据后才开始处理，结果花费了大量时间在数据收集和处理上
  • 需要提取的数据主要包括：K 线数据、基本信息数据、新闻数据
  • 无论用哪种方法，获取少量数据都还算顺利，但获取大量数据较为困难，新闻数据尤其困难
  • 关于国内股票信息，建议询问 DeepSeek
  • 推荐的工具组合是：adata/akshare+TradingAgents

8 参考文章

yfinance总是崩溃？这些API让你的策略稳如老狗