Python金融量化手把手教你获取A股上市公司数据

上市公司是指通过证券交易所公开发行股票并在交易所上市交易的公司。在金融量化领域，上市公司是一个非常重要的概念，因为这些公司的股票价格通常是量化交易的基础之一。在本文中，我们将讨论一些关于上市公司的基本知识以及如何在Python中获取和处理相关数据。

一、上市公司的基本知识

股票代码和证券交易所

每个上市公司都有一个唯一的股票代码，这是一个用于在证券交易所上标识该公司的简称。股票代码通常由几个字母或数字组成。例如，美国苹果公司的股票代码是AAPL，中国腾讯控股的股票代码是0700.HK。

不同国家和地区的证券交易所有自己的特点和规则。一些著名的证券交易所包括纽约证券交易所（NYSE）、纳斯达克证券交易所（NASDAQ）、伦敦证券交易所（LSE）和东京证券交易所（TSE）等。

财务报表和指标

上市公司需要定期公布财务报表，包括利润表、资产负债表和现金流量表等。这些财务报表可以帮助投资者了解公司的财务状况和经营状况。

在量化交易中，常用的一些财务指标包括市盈率、市净率和股息收益率等。市盈率是指股票价格与每股收益的比率，市净率是指股票价格与每股净资产的比率，股息收益率是指每股股息与股票价格的比率。

市值和板块分类

市值是指公司的总市值，即股票价格乘以总股本。市值通常是衡量公司规模的一个重要指标。在股票市场中，通常将公司根据市值大小分为大盘股、中盘股和小盘股等不同的板块。

股东和董事会成员

上市公司的股东和董事会成员对公司的决策和发展具有重要影响。股东是指持有该公司股票的人或机构，他们可以通过投票权参与公司的决策。董事会成员则是公司的管理者，负责制定公司的战略和管理方针。

二、获取上市公司数据

首先，我们需要安装并导入tushare包：

pip install tushare
import tushare as ts

然后，我们可以通过tushare包提供的接口获取A股所有上市公司截至目前的基本面数据：

# 设置tushare包的token
ts.set_token('your_token')

# 获取A股所有上市公司的股票代码和基本面数据
pro = ts.pro_api()
data = pro.stock_basic(exchange='', list_status='L', fields='ts_code, symbol, name, industry, area, pe, pb, esp, bvps, total_share, total_mv')

其中，参数exchange=”表示获取所有交易所的股票数据，list_status=’L’表示获取上市公司的股票数据，fields=后面跟着的是需要获取的字段。在上述代码中，我们获取了每个公司的股票代码（ts_code和symbol）、名称（name）、行业（industry）、地区（area）、市盈率（pe）、市净率（pb）、每股收益（esp）、每股净资产（bvps）、总股本（total_share）和总市值（total_mv）等基本面数据。

三、数据分析及其可视化

接下来，我们可以对获取到的数据进行相关特征分析和可视化。比如，我们可以统计不同行业和地区的上市公司数量，如下所示：

scssCopy codeimport matplotlib.pyplot as plt

# 统计不同行业的上市公司数量
industry_count = data['industry'].value_counts().head(10)
industry_count.plot(kind='bar', title='Top 10 Industries by Number of Listed Companies')
plt.show()

# 统计不同地区的上市公司数量
area_count = data['area'].value_counts().head(10)
area_count.plot(kind='bar', title='Top 10 Regions by Number of Listed Companies')
plt.show()

各行业上市公司数量

上述代码中，我们分别统计了不同行业和地区的上市公司数量，并通过条形图进行了可视化。从图中可以看出，截至目前，A股市场上，电子行业的上市公司数量最多，其次是化工、医药生物、机械设备和计算机等行业；同时，上海、广东和江苏是上市公司数量最多的地区，其次是北京、浙江和山东等地。

除了以上特征分析和可视化，我们还可以通过各种方法挖掘基本面数据背后的信息，例如，通过计算市盈率和市净率等指标，找出估值相对低的公司；通过计算每股收益和每股净资产等指标，找出财务状况相对良好的公司。以下是一些常见的基本面指标及其计算方法：

市盈率（PE Ratio）：市盈率是一个公司的市值与其每股收益的比率。计算公式为：市盈率 = 市价 / 每股收益。通常，市盈率越高，说明市场对该公司未来的盈利前景越看好。
市净率（PB Ratio）：市净率是一个公司的市值与其每股净资产的比率。计算公式为：市净率 = 市价 / 每股净资产。通常，市净率越低，说明该公司的估值相对较低，更有投资价值。
每股收益（EPS）：每股收益是一个公司在一年内每股所获得的净利润。计算公式为：每股收益 = 净利润 / 普通股股数。通常，每股收益越高，说明该公司盈利能力越强。
每股净资产（Net Asset Value per Share，NAVPS）：每股净资产是一个公司的净资产除以其普通股股数。计算公式为：每股净资产 = 净资产 / 普通股股数。通常，每股净资产越高，说明该公司的财务状况越强。

以下是一个使用tushare包获取A股上市公司基本面数据，并计算市盈率、市净率、每股收益和每股净资产等指标的示例代码：

pythonCopy codeimport tushare as ts

# 获取A股所有上市公司的基本面数据
df = ts.get_stock_basics()

# 计算市盈率
df['pe_ratio'] = df['pb'] / df['esp']

# 计算市净率
df['pb_ratio'] = df['pb'] / df['bvps']

# 计算每股收益
df['eps'] = df['esp'] / df['totals']

# 计算每股净资产
df['navps'] = df['bvps'] / df['totals']

# 打印计算结果
print(df[['name', 'industry', 'area', 'pe_ratio', 'pb_ratio', 'eps', 'navps']])

在以上代码中，我们使用了tushare包中的get_stock_basics函数来获取A股所有上市公司的基本面数据，并计算了市盈率、市净率、每股收益和每股净资产等指标。最后，我们打印了计算结果，其中包含了公司名称、行业、地区以及计算出的指标值。


# 绘制市盈率和市净率的散点图
plt.scatter(df['pe_ratio'], df['pb_ratio'])
plt.xlabel('PE Ratio')
plt.ylabel('PB Ratio')
plt.title('PE-PB Scatter Plot')
plt.show()

# 绘制每股收益和每股净资产的条形图
df[['eps', 'navps']].plot(kind='bar', title='EPS-NAVPS Bar Plot')
plt.show()