skip to navigation
skip to content

grs 0.7.0

台灣上市上櫃股票價格擷取(Fetch Taiwan Stock Exchange data)含即時盤、台灣時間轉換、開休市判斷。

主要開發擷取台灣股市(TWSE)股價資料

版本資訊

Authors:Toomore Chiang
Version:0.7.0 of 2016/09/11
Python Version:Python 2.7
Docs:http://grs-docs.toomore.net/

Requires

  • python-dateutil==1.5
  • ujson
  • urllib3

Report Issue or get involved

Web Demo

Quick Start

簡單計算

from grs import Stock

stock = Stock('2618')                         # 擷取長榮航股價
print stock.moving_average(5)                 # 計算五日均價與持續天數
print stock.moving_average_value(5)           # 計算五日均量與持續天數
print stock.moving_average_bias_ratio(5, 10)  # 計算五日、十日乖離值與持續天數

擷取 12 個月份資料

stock = Stock('2618', 12)

輸出 CSV 檔

stock.out_putfile('/dev/shm/2618.csv')

擷取上櫃股價資訊

from grs import Stock

stock = Stock('8446')                         # 擷取華研股價
print stock.moving_average(5)                 # 計算五日均價與持續天數
print stock.moving_average_value(5)           # 計算五日均量與持續天數
print stock.moving_average_bias_ratio(5, 10)  # 計算五日、十日乖離值與持續天數

如果已確定該代碼為上市或上櫃股票,可以直接指定參數跳過查表動作。

stock = Stock('2618', twse=True) # 擷取長榮航股價
stock = Stock('8446', otc=True)  # 擷取華研股價

其他功能

顯示台灣時間:TWTime

適用於其他時區查詢台灣當地時間。

from grs import TWTime

what_time = TWTime()
what_time.now()        # 顯示台灣此刻時間
what_time.localtime()  # 顯示當地此刻時間

判斷台灣股市是否開市:TWSEOpen

from grs import TWSEOpen
from datetime import datetime

open_or_not = TWSEOpen()

open_or_not.d_day(datetime.today())        # 判斷今天是否開市
                                           # 回傳 True or False
open_or_not.d_day(datetime(2012, 12, 22))  # 判斷 2012/12/22 是否開市

各股即時盤資訊:RealtimeTWSE / RealtimeOTC

上市即時資訊

from grs import RealtimeTWSE

realtime_stock = RealtimeTWSE('2618')   # 擷取長榮航即時股價
realtime_stock.raw                      # 原始資料
realtime_stock.data                     # 回傳 type: dict

上櫃即時資訊

from grs import RealtimeOTC

realtime_stock = RealtimeOTC('8446')    # 擷取華研即時股價
realtime_stock.raw                      # 原始資料
realtime_stock.data                     # 回傳 type: dict

大盤即時盤資訊:RealtimeWeight(加權指數、櫃檯指數、寶島指數)

from grs import RealtimeWeight

realtime_weight = RealtimeWeight()  # 擷取即時大盤資訊
realtime_weight.raw                 # 原始檔案
realtime_weight.data                # 回傳 type: dict

上市股票代碼列表:TWSENo

回傳上市股票代碼與搜尋

from grs import TWSENo


twse_no = TWSENo()
twse_no.all_stock       # 所有股票名稱、代碼 type: dict
twse_no.all_stock_no    # 所有股票代碼 type: list
twse_no.all_stock_name  # 所有股票名稱 type: list
twse_no.industry_code   # 回傳類別代碼 type: dict
twse_no.industry_comps  # 回傳類別所屬股票代碼 type: dict
twse_no.search(u'中')   # 搜尋股票名稱,回傳 type: dict
twse_no.searchbyno(23)  # 搜尋股票代碼,回傳 type: dict
twse_no.last_update     # 回傳列表最後更新時間(非同步)type: str

單日倒數時間:Countdown

適用於設定 cache 時間。

from grs import Countdown

countdown = Countdown(hour=14, minutes=30)  # 預設為 14:30
countdown.nextday    # 下一個 14:30 日期
countdown.countdown  # 到數秒數
countdown.exptime    # 下一個 14:30 日期時間(type: datetime)
countdown.lastmod    # 前一個 14:30 日期時間(type: datetime)

判斷乖離轉折點:Stock(no).check_moving_average_bias_ratio

判斷乖離轉折點

from grs import Stock

stock = Stock('2618')
data = stock.moving_average_bias_ratio(3, 6)[0]  # 取得 3-6 乖離值 type: list

# 計算五個區間負乖離轉折點
check_data = stock.check_moving_average_bias_ratio(data, sample=5,
                                                positive_or_negative= False)
print check_data  # (T/F, 第幾轉折日, 乖離轉折點值) type: tuple

四大買賣點判斷:BestFourPoint

判斷是否為技術分析的四大買賣點,條件成立,回傳條件結果,判斷結果僅供參考!

from grs import BestFourPoint
from grs import Stock

stock = Stock('2618')
result = BestFourPoint(stock)
result.best_four_point_to_buy()       # 判斷是否為四大買點
result.best_four_point_to_sell()      # 判斷是否為四大賣點
result.best_four_point()              # 綜合判斷

全部上市股票檢視

from grs import BestFourPoint
from grs import Stock
from grs import TWSENo

stock_no_list = TWSENo().all_stock_no

for i in stock_no_list:
    try:
        best_point, info = BestFourPoint(Stock(i)).best_four_point()
        if best_point:  # 買點
            print 'Buy: {0} {1}'.format(i, info)
        else:   # 賣點
            print 'Sell: {0} {1}'.format(i, info)
    except:     # 不作為或資料不足
        print 'X: {0}'.format(i)

擴充月份資料:Stock(no).plus_mons(month)

當原有的月份資料不夠時,不需要從頭抓取,只需要給予增額月份值即可。

from grs import Stock

stock = Stock('2618')                # 預設為抓取3個月份資料
stock.moving_average(60)
IndexError: list index out of range  # 資料不足
len(stock.raw)                       # 回傳 51 個值
stock.plus_mons(1)                   # 在抓取一個月資料
len(stock.raw)                       # 回傳 66 個值
stock.moving_average(60)             # 計算成功

Change Logs

0.7.0 2016/09/11

  • 修正:上市(TWSE)擷取連結

0.6.2 2015/03/20

  • 修正:上櫃(OTC)擷取連結

0.6.1 2014/06/11

  • 修正:安裝時錯誤的套件載入

0.6.0 2014/06/10

  • 修正:使用 urllib3 取代 urllib2
  • 新增:新格式的即時盤擷取資訊,包含加權指數、櫃檯指數、寶島指數

0.5.6 2014/06/01

  • 修正:tools 儲存路徑
  • 新增:日常交易的代碼與名稱(grs.twseno.ImportCSV.get_stock_list
  • 新增:日常交易的類別代碼與名稱(grs.twseno.ImportCSV.get_stock_comps_list
  • 已知問題:盤中即時資訊擷取無法使用 grs.RealtimeStock/RealtimeWeight

0.5.5 2014/05/18

  • 修正: grs.fetch_data.SimpleAnalytics.CKMAO to be classmethod.

0.5.4 2014/05/12

  • 新增:MA, MAO, MAV, CKMAO into grs.fetch_data.SimpleAnalytics.

0.5.3 2014/04/17

  • 修正:離線時的錯誤訊息
  • 修正:realtime str format.

0.5.2 2014/04/12

  • 修正:字串判斷使用 basestring.

0.5.1 2014/04/08

  • 修正:套件遺漏 csv 檔案

0.5.0 2014/03/04

  • 新增:上櫃資訊( 櫃台買賣中心
  • 修正:股票代碼列表回傳(TWSENo)代碼值改為 string.

0.4.3 2014/01/22

0.4.2 2014/01/11

  • 修正:Stock stock_no, RealtimeStock no 必須為 string. Issues #9

0.4.1 2014/01/02

  • 修正:Countdown().countdown 秒數問題
  • 新增:twse_no, twse_open, twse_realtime, countdown into unittest
  • 移除:Support Python 2.6

0.4.0 2013/12/30

  • 修正:Naming Convention
  • 修正:Coding style to fit PEP8
  • 新增:For PyPy

0.3.0 2013/12/18

  • 更新:股票代碼列表
  • 更新:2014 年集中交易市場開(休)市日期表

0.2.1 2013/12/16

  • 修正:部分資料改用 tuple

0.2.0 2012/04/13

  • 修正:輸出中文統一使用 Unicode
  • 修正:需要套件 python-dateutil 調整為 1.5
  • 修正:Web Demo 網站網址
  • 新增:Stock.plusMons() 擴充月份資料

0.1.4 2012/04/01

  • 修正:每月首日無資料抓取問題

0.1.3 2012/03/31

  • 修正:Countdown 倒數時間計算錯誤(dateutil.relativedelta)

0.1.2 2012/03/31

  • 修正:grs 倒數時間計算錯誤(dateutil.relativedelta)
 
File Type Py Version Uploaded on Size
grs-0.7.0-py2-none-any.whl (md5) Python Wheel 2.7 2016-09-10 107KB
grs-0.7.0.tar.gz (md5) Source 2016-09-10 93KB