A Stock Data

A股数据查询技能

基于 AkShare 提供完整的 A 股数据查询能力，支持实时行情、历史K线、财务数据、技术指标分析和选股策略。

使用场景

✅ 自动触发，当用户说：

• "股价"、"股票行情"、"涨停板"、"涨跌幅"
• "K线"、"历史数据"、"分时图"
• "财务数据"、"财报"、"市盈率"
• "A股"、"上证"、"深证"
• "茅台股价"、"腾讯控股"（股票名称）
• "000001"、"600000"（股票代码）
• "MACD金叉"、"RSI超卖"、"均线多头发"

数据源

• AkShare: 免费开源财经数据接口，覆盖 A股、港股、美股、基金、期货、宏观经济

快速命令

实时行情数据

沪深京 A 股全部

import akshare as ak

# 方式1：东方财富实时行情（推荐，更快）
stock_zh_a_spot_em_df = ak.stock_zh_a_spot_em()

# 方式2：新浪财经实时行情
stock_zh_a_spot_df = ak.stock_zh_a_spot()

沪 A 股

# 沪 A 股实时行情
stock_sh_a_spot_em_df = ak.stock_sh_a_spot_em()

深 A

# 深 A 股实时行情
stock_sz_a_spot_em_df = ak.stock_sz_a_spot_em()

北交所

# 北交所实时行情
stock_bj_a_spot_em_df = ak.stock_bj_a_spot_em()

新股

# 新股实时行情
stock_new_a_spot_em_df = ak.stock_new_a_spot_em()

创业板

# 创业板实时行情
stock_cy_a_spot_em_df = ak.stock_cy_a_spot_em()

科创板

# 科创板实时行情
stock_kc_a_spot_em_df = ak.stock_kc_a_spot_em()

历史 K线

日 K线

# 东方财富接口（推荐）
stock_zh_a_hist_df = ak.stock_zh_a_hist(
    symbol="000001",
    period="daily",  # daily/weekly/monthly
    start_date="20240101",
    end_date="20240331",
    adjust="qfq"     # qfq前复权/hfq后复权/""不复权
)

# 新浪财经接口
stock_zh_a_hist_df = ak.stock_zh_a_hist(
    symbol="sz000001",
    start_date="19910403",
    end_date="20210327"
)

周 K线

stock_zh_a_hist_df = ak.stock_zh_a_hist(symbol="000001", period="weekly")

月 K线

stock_zh_a_hist_df = ak.stock_zh_a_hist(symbol="000001", period="monthly")

股票信息

获取所有股票代码和名称

stock_info_a_code_name_df = ak.stock_info_a_code_name()

个股详细信息

# 东方财富
stock_individual_info_em_df = ak.stock_individual_info_em(symbol="茅台")

# 雪球
stock_individual_basic_info_xq_df = ak.stock_individual_basic_info_xq(symbol="SH600519")

# 雪球历史K线
stock_individual_spot_xq_df = ak.stock_individual_spot_xq(symbol="SH600519")

财务数据

财务指标

stock_financial_analysis_indicator_df = ak.stock_financial_analysis_indicator(
    stock="600519", 
    symbol="财务指标"
)

资产负债表

stock_balance_sheet_by_yearly_em_df = ak.stock_balance_sheet_by_yearly_em(symbol="600519")

利润表

stock_profit_sheet_by_reportly_em_df = ak.stock_profit_sheet_by_reportly_em(symbol="600519")

现金流量表

stock_cash_flow_sheet_by_reportly_em_df = ak.stock_cash_flow_sheet_by_reportly_em(symbol="600519")

市场数据

指数历史

# 上证指数
index_zh_a_hist_df = ak.index_zh_a_hist(
    symbol="sh000001", 
    period="daily"
)

# 深证指数
index_sz_a_hist_df = ak.index_sz_a_hist(
    symbol="sz399001", 
    period="daily"
)

资金流向与龙虎榜

龙虎榜-营业部

stock_individual_em_xq_df = ak.stock_individual_em_xq(symbol="SH600519")

龙虎榜-统计

# 需要东财账号
# stock_user_individual_info_em()
# stock_user_statistics_em()

板块数据

强势股池

stock_pool_em_df = ak.stock_pool_em()

涨停股池

stock_pool_em_df = ak.stock_pool_em()

股票市场总貌

上交所

stock_sse_summary_df = ak.stock_sse_summary()

深交所

# 证券类别统计
stock_szse_summary_df = ak.stock_szse_summary(date="20250619")

# 地区交易排序
stock_szse_area_summary_df = ak.stock_szse_area_summary(date="20250619")

返回格式

实时行情字段

K线字段

技术指标分析

安装依赖

pip install ta-lib

常用指标

均线系统（MA）

import talib
import numpy as np

close = np.array(df['收盘'], dtype=float)
df['MA5'] = talib.MA(close, timeperiod=5)
df['MA10'] = talib.MA(close, timeperiod=10)
df['MA20'] = talib.MA(close, timeperiod=20)
df['MA60'] = talib.MA(close, timeperiod=60)

MACD 指标

macd, signal, hist = talib.MACD(close, fastperiod=12, slowperiod=26, signalperiod=9)
df['MACD'] = macd
df['MACD_SIGNAL'] = signal
df['MACD_HIST'] = hist

RSI 指标

df['RSI_6'] = talib.RSI(close, timeperiod=6)
df['RSI_12'] = talib.RSI(close, timeperiod=12)
df['RSI_24'] = talib.RSI(close, timeperiod=24)

KDJ 指标

high = np.array(df['最高'], dtype=float)
low = np.array(df['最低'], dtype=float)

k, d = talib.STOCH(high, low, close, fastk_period=9, slowk_period=3, slowd_period=3)
df['KDJ_K'] = k
df['KDJ_D'] = d
df['KDJ_J'] = 3 * k - 2 * d

布林带（BOLL）

upper, middle, lower = talib.BBANDS(close, timeperiod=20, nbdevup=2, nbdevdn=2)
df['BOLL_UPPER'] = upper
df['BOLL_MIDDLE'] = middle
df['BOLL_LOWER'] = lower

成交量指标

volume = np.array(df['成交量'], dtype=float)

df['VOL_MA5'] = talib.MA(volume, timeperiod=5)
df['VOL_MA10'] = talib.MA(volume, timeperiod=10)

df['VOL_RATIO'] = df['成交量'] / df['VOL_MA5']

选股策略

策略 1：均线金叉

# MA5 上穿 MA20
df['SIGNAL_MA_GOLD'] = (df['MA5'] > df['MA20']) & (df['MA5'].shift(1) <= df['MA20'].shift(1))

signals = df[df['SIGNAL_MA_GOLD'] == True]

策略 2：MACD 金叉

# MACD 上穿 Signal
df['SIGNAL_MACD_GOLD'] = (df['MACD'] > df['MACD_SIGNAL']) & \
                              (df['MACD'].shift(1) <= df['MACD_SIGNAL'].shift(1))

signals = df[df['SIGNAL_MACD_GOLD'] == True]

策略 3：RSI 超卖

# RSI < 30 超卖
df['SIGNAL_RSI_OVERSOLD'] = df['RSI_6'] < 30

signals = df[df['SIGNAL_RSI_OVERSOLD'] == True]

策略 4：布林带突破

# 价格突破上轨
df['SIGNAL_BOLL_BREAK'] = df['收盘'] > df['BOLL_UPPER']

signals = df[df['SIGNAL_BOLL_BREAK'] == True]

策略 5：综合多因子

# 多条件选股
df['SIGNAL_MULTI'] = (
    (df['MA5'] > df['MA20']) &  # 趋势向上
    (df['RSI_6'] > 50) &           # 不超卖
    (df['MACD'] > df['MACD_SIGNAL']) &  # MACD 金叉
    (df['VOL_RATIO'] > 1.5)         # 放量
)

signals = df[df['SIGNAL_MULTI'] == True]

批量选股流程

import akshare as ak
import talib
import pandas as pd

# 1. 获取所有 A 股列表
stock_list = ak.stock_zh_a_spot_em()

# 2. 遍历计算指标
results = []
for index, row in stock_list.iterrows():
    code = row['代码']
    name = row['名称']
    
    # 获取历史数据
    df = ak.stock_zh_a_hist(symbol=code, period="daily")
    
    if df.empty:
        continue
    
    # 计算技术指标
    close = np.array(df['收盘'], dtype=float)
    
    # 均线
    ma5 = talib.MA(close, timeperiod=5)[-1]
    ma20 = talib.MA(close, timeperiod=20)[-1]
    
    # RSI
    rsi6 = talib.RSI(close, timeperiod=6)[-1]
    
    # MACD
    macd, signal, _ = talib.MACD(close, fastperiod=12, slowperiod=26, signalperiod=9)
    macd_val = macd[-1]
    signal_val = signal[-1]
    
    # 判断选股条件（示例：均线多头 + RSI 不超卖 + MACD 金叉）
    if ma5 > ma20 and rsi6 > 50 and macd_val > signal_val:
        results.append({
            '代码': code,
            '名称': name,
            '现价': row['最新价'],
            'MA5': ma5,
            'MA20': ma20,
            'RSI': rsi6,
            'MACD': macd_val,
            '涨跌幅': row['涨跌幅']
        })

# 3. 输出结果
result_df = pd.DataFrame(results)
print(result_df.sort_values('涨跌幅', ascending=False))

涨停板查询

import akshare as ak

# 获取实时行情
df = ak.stock_zh_a_spot_em()

# 筛选涨停板（涨跌幅 >= 9.9%）
df_zt = df[df['涨跌幅'] >= 9.9].sort_values('涨跌幅', ascending=False)

# 筛选跌停板（涨跌幅 <= -9.9%）
df_dt = df[df['涨跌幅'] <= -9.9].sort_values('涨跌幅', ascending=True)

print(f"涨停板数量: {len(df_zt)}")
print(f"跌停板数量: {len(df_dt)}")
print(df_zt[['代码','名称','最新价','涨跌幅','成交额']].head(20))

复权说明

股票数据复权类型：

股票代码规则

使用示例

查询个股实时行情

用户：查询贵州茅台的股价
响应：使用 stock_zh_a_spot_em() 查询 600519

查询历史 K线

用户：获取平安银行最近 30 天的 K线
响应：使用 stock_zh_a_hist() 查询 000001，指定日期范围

查询涨停板

用户：今天有哪些股票涨停
响应：使用 stock_zh_a_spot_em() 筛选涨跌幅 >= 9.9%

查询财务数据

用户：腾讯的市盈率是多少
响应：使用 stock_financial_analysis_indicator() 查询

技术分析选股

用户：帮我找出 MA5 上穿 MA20 的股票
响应：计算均线指标，筛选金叉信号

用户：RSI 超卖的有哪些
响应：计算 RSI，筛选 RSI < 30

用户：MACD 金叉且放量的股票
响应：计算 MACD 和成交量，综合筛选

用户：多因子选股：趋势向上 + MACD 金叉 + RSI>50
响应：多条件综合筛选

错误处理

常见错误及处理：

注意事项

1. 频率限制: 避免频繁请求，建议缓存结果
2. 数据延迟: 实时数据可能有 1-5 分钟延迟
3. 复权处理: 查询历史数据时注意复权方式选择
4. 代码规范: 6 位数字代码，补齐前导 0（如 1 → 000001）

支持的数据范围

• ✅ A 股实时行情（沪深京、沪深北、沪深深）
• ✅ B 股实时行情
• ✅ 港股实时行情
• ✅ 美股实时行情
• ✅ 创业板、科创板、新股
• ✅ 历史 K线数据（日、周、月）
• ✅ 财务数据（资产负债表、利润表、现金流量表）
• ✅ 技术指标分析（MA、MACD、RSI、KDJ、BOLL）
• ✅ 龙虎榜、资金流向
• ✅ 板块数据、概念股
• ✅ 指数数据
• ✅ 市场总貌统计