pip install yfinance --upgrade --no-cache-dir

pip install pandas

import yfinance as yf
import pandas as pd # 通常會用到 pandas
# 創(chuàng)建一個代表蘋果公司 (AAPL) 的 Ticker 對象
aapl = yf.Ticker("AAPL")
# 創(chuàng)建一個代表微軟公司 (MSFT) 的 Ticker 對象
msft = yf.Ticker("MSFT")
# 也可以獲取其他市場的股票，例如騰訊控股 (0700.HK)
tencent = yf.Ticker("0700.HK")
# 獲取指數(shù)，例如標普 500 (^GSPC)
sp500 = yf.Ticker("^GSPC")
print(aapl)
# 輸出類似: yfinance.Ticker object <AAPL>

# 獲取蘋果公司的詳細信息
aapl_info = aapl.info
# 查看信息字典中的部分內容
print(f"公司名稱: {aapl_info.get('longName', 'N/A')}")
print(f"所在行業(yè): {aapl_info.get('industry', 'N/A')}")
print(f"所在板塊: {aapl_info.get('sector', 'N/A')}")
print(f"公司簡介: {aapl_info.get('longBusinessSummary', 'N/A')[:100]}...") # 只顯示前100個字符
print(f"市值: {aapl_info.get('marketCap', 'N/A')}")
print(f"市盈率 (TTM): {aapl_info.get('trailingPE', 'N/A')}")
print(f"遠期市盈率: {aapl_info.get('forwardPE', 'N/A')}")
print(f"股息率: {aapl_info.get('dividendYield', 'N/A')}")
# info 字典包含非常多的字段，你可以打印所有鍵來看看
# print(aapl_info.keys())

# 獲取蘋果公司過去一年的日線數(shù)據(jù)
hist_1y = aapl.history(period="1y")
print("過去一年的日線數(shù)據(jù) (前5條):")
print(hist_1y.head())
# 可用的 period 值包括: "1d", "5d", "1mo", "3mo", "6mo", "1y", "2y", "5y", "10y", "ytd" (年初至今), "max" (所有可用數(shù)據(jù))
hist_max = aapl.history(period="max")
print(f"\n獲取了 {len(hist_max)} 條歷史數(shù)據(jù) (從 {hist_max.index.min()} 到 {hist_max.index.max()})")

# 獲取 2023 年全年的日線數(shù)據(jù)
hist_2023 = aapl.history(start="2023-01-01", end="2024-01-01") # end日期不包含
print("\n2023 年全年日線數(shù)據(jù) (后5條):")
print(hist_2023.tail())

# 獲取過去 5 天的 1 分鐘 K 線數(shù)據(jù)
# 注意：分鐘級別的數(shù)據(jù)獲取有時間范圍限制，通常只能獲取最近幾十天的數(shù)據(jù)
hist_5d_1m = aapl.history(period="5d", interval="1m")
print("\n過去 5 天的 1 分鐘 K 線數(shù)據(jù) (前5條):")
print(hist_5d_1m.head())
# 可用的 interval 值包括:
# 分鐘級別: "1m", "2m", "5m", "15m", "30m", "60m", "90m"
# 小時級別: "1h" (注意: 60m 和 1h 可能略有不同)
# 日線及以上: "1d", "5d", "1wk", "1mo", "3mo"
# 獲取過去 6 個月的周線數(shù)據(jù)
hist_6mo_wk = aapl.history(period="6mo", interval="1wk")
print("\n過去 6 個月的周線數(shù)據(jù) (前5條):")
print(hist_6mo_wk.head())

print("\n歷史數(shù)據(jù) DataFrame 的列名:")
print(hist_1y.columns)
print("\n歷史數(shù)據(jù) DataFrame 的索引類型:")
print(type(hist_1y.index))

# 不獲取股息和拆分信息
hist_no_actions = aapl.history(period="1y", actions=False)
print("\n不包含 actions 的列名:")
print(hist_no_actions.columns)
# 獲取未調整的價格 (會多出 'Adj Close' 列，表示前復權收盤價)
hist_unadjusted = aapl.history(period="1y", auto_adjust=False)
print("\n未自動調整價格的列名:")
print(hist_unadjusted.columns)
print(hist_unadjusted.head())

# 獲取年度損益表 (Income Statement)
financials = aapl.financials
print("\n年度損益表 (部分):")
print(financials) # DataFrame 的列是年份或季度
# 獲取年度資產(chǎn)負債表 (Balance Sheet)
balance_sheet = aapl.balance_sheet
print("\n年度資產(chǎn)負債表 (部分):")
print(balance_sheet.head())
# 獲取年度現(xiàn)金流量表 (Cash Flow Statement)
cashflow = aapl.cashflow
print("\n年度現(xiàn)金流量表 (部分):")
print(cashflow.head())

# 獲取季度損益表
q_financials = aapl.quarterly_financials
print("\n季度損益表 (部分):")
print(q_financials)
# 獲取季度資產(chǎn)負債表
q_balance_sheet = aapl.quarterly_balance_sheet
print("\n季度資產(chǎn)負債表 (部分):")
print(q_balance_sheet.head())
# 獲取季度現(xiàn)金流量表
q_cashflow = aapl.quarterly_cashflow
print("\n季度現(xiàn)金流量表 (部分):")
print(q_cashflow.head())

# 獲取所有歷史行為
actions = aapl.actions
print("\n股票行為 (股息與拆分):")
print(actions.tail()) # 顯示最近的行為
# 獲取股息歷史
dividends = aapl.dividends
print("\n股息歷史 (最近 5 條):")
print(dividends.tail())
# 獲取拆分歷史
splits = aapl.splits
print("\n股票分割歷史:")
print(splits)

# 獲取主要股東信息
major_holders = aapl.major_holders
print("\n主要股東:")
print(major_holders)
# 獲取機構持股者信息
inst_holders = aapl.institutional_holders
print("\n機構持股者 (前 10):")
print(inst_holders.head(10))

recommendations = aapl.recommendations
print("\n分析師推薦評級 (最近 10 條):")
print(recommendations.tail(10))

# 獲取公司日歷 (如下次財報日期)
calendar = aapl.calendar
print("\n公司日歷 (下次財報):")
print(calendar)
# 獲取歷史盈利日期信息
try:
    earnings_dates = aapl.earnings_dates
    print("\n歷史盈利日期 (最近幾次):")
    print(earnings_dates.tail())
except Exception as e:
    print(f"\n獲取盈利日期失敗: {e}") # 有時可能因數(shù)據(jù)不可用而出錯

isin = aapl.isin
print(f"\nAAPL 的 ISIN 代碼: {isin}")
# 對于非美國股票，這個可能更有用
# tencent_isin = tencent.isin
# print(f"0700.HK 的 ISIN 代碼: {tencent_isin}")

news = aapl.news
print("\n相關新聞 (部分):")
if news: # 檢查列表是否為空
    for item in news[:5]: # 只顯示前 5 條
        print(f"- 標題: {item.get('title')}")
        print(f"  發(fā)布者: {item.get('publisher')}")
        print(f"  鏈接: {item.get('link')}")
        # print(f"  發(fā)布時間: {pd.to_datetime(item.get('providerPublishTime'), unit='s')}") # 時間戳轉換
else:
    print("未能獲取到相關新聞。")

# 獲取蘋果公司所有可用的期權到期日
try:
    option_dates = aapl.options
    print("\n可用的期權到期日 (前幾個):")
    print(option_dates[:5])
except Exception as e:
    print(f"\n獲取期權到期日失敗 (可能該 Ticker 沒有期權): {e}")

if option_dates: # 確保我們獲取到了到期日
    # 獲取第一個到期日的期權鏈
    first_expiry = option_dates[0]
    opt_chain = aapl.option_chain(first_expiry)
    # 期權鏈對象包含 .calls 和 .puts 兩個 DataFrame
    calls = opt_chain.calls
    puts = opt_chain.puts
    print(f"\n{first_expiry} 到期的看漲期權 (部分):")
    print(calls.head()) # 顯示前幾行看漲期權數(shù)據(jù)
    print(f"\n{first_expiry} 到期的看跌期權 (部分):")
    print(puts.head()) # 顯示前幾行看跌期權數(shù)據(jù)
    # 查看期權 DataFrame 的列名，了解包含哪些信息
    print("\n看漲期權數(shù)據(jù)列名:")
    print(calls.columns)
    # 通常包含: contractSymbol, lastTradeDate, strike, lastPrice, bid, ask, change, percentChange, volume, openInterest, impliedVolatility, inTheMoney, contractSize, currency

# 創(chuàng)建包含多個股票代碼的 Tickers 對象
tickers_list = ["AAPL", "MSFT", "GOOG", "AMZN"]
tickers = yf.Tickers(" ".join(tickers_list)) # 或者直接 yf.Tickers("AAPL MSFT GOOG AMZN")
print(tickers)
# 輸出類似: yfinance.Tickers object <AAPL,MSFT,GOOG,AMZN>

# 批量獲取過去一個月的數(shù)據(jù)
multi_hist = tickers.history(period="1mo")
print("\n批量獲取的歷史數(shù)據(jù) (部分):")
print(multi_hist.head())
# 查看列索引結構
print("\n多層列索引:")
print(multi_hist.columns)
# 訪問特定股票的特定列數(shù)據(jù)
print("\n訪問 AAPL 的收盤價:")
print(multi_hist['AAPL']['Close'].head())
# 或者使用 stack() 方法轉換數(shù)據(jù)結構，更方便按 Ticker 分組處理
# stacked_hist = multi_hist.stack(level=0).reset_index().rename(columns={'level_1': 'Ticker'})
# print("\n轉換后的數(shù)據(jù)結構:")
# print(stacked_hist.head())

# 訪問 Tickers 對象中的 Google (GOOG) Ticker 對象
goog_ticker = tickers.tickers['GOOG']
# 獲取 Google 的 info
goog_info = goog_ticker.info
print(f"\nGoogle 的公司名稱: {goog_info.get('longName')}")
# 獲取 Google 的財務數(shù)據(jù)
goog_financials = goog_ticker.financials
print("\nGoogle 的年度損益表 (部分):")
print(goog_financials.head())

# 使用 yf.download() 批量下載歷史數(shù)據(jù)
data = yf.download("NVDA TSLA NFLX", start="2024-01-01", end="2024-04-01")
print("\n使用 yf.download() 獲取的數(shù)據(jù) (部分):")
print(data.head())
# download 返回的 DataFrame 默認按數(shù)據(jù)字段分組 (Open, High, Low, Close, Adj Close, Volume)
print("\nyf.download() 返回的列索引:")
print(data.columns)
# 訪問特定字段的所有股票數(shù)據(jù)
print("\n所有股票的收盤價:")
print(data['Close'].head())
# 訪問特定股票的所有數(shù)據(jù)
print("\nTSLA 的所有數(shù)據(jù):")
print(data.xs('TSLA', level=1, axis=1).head()) # 使用 xs 進行跨層級選擇
# 也可以設置 group_by='ticker' 使列索引先按 Ticker 分組
data_grouped_by_ticker = yf.download("NVDA TSLA NFLX", start="2024-01-01", end="2024-04-01", group_by='ticker')
print("\n按 Ticker 分組的數(shù)據(jù) (部分):")
print(data_grouped_by_ticker.head())
print("\n按 Ticker 分組的列索引:")
print(data_grouped_by_ticker.columns)
print("\n訪問 TSLA 的收盤價 (按 Ticker 分組):")
print(data_grouped_by_ticker['TSLA']['Close'].head())

invalid_ticker_symbol = "INVALIDTICKERXYZ"
try:
    invalid_ticker = yf.Ticker(invalid_ticker_symbol)
    # 嘗試獲取數(shù)據(jù)，這通常會失敗或返回空
    info = invalid_ticker.info
    hist = invalid_ticker.history(period="1d")
    if not info and hist.empty:
        print(f"\nTicker '{invalid_ticker_symbol}' 似乎無效或沒有數(shù)據(jù)。")
    # 注意：某些情況下 info 可能返回 {}，history 可能直接拋錯，具體行為可能變化
except Exception as e:
    print(f"\n處理 Ticker '{invalid_ticker_symbol}' 時發(fā)生錯誤: {e}")
# 對于 yf.download()，它通常會打印錯誤消息但繼續(xù)下載其他有效的 Ticker
data = yf.download("AAPL INVALIDTICKERXYZ GOOG", period="1d")
print("\n嘗試下載包含無效 Ticker 的數(shù)據(jù):")
# 查看下載結果，INVALIDTICKERXYZ 的數(shù)據(jù)列通常會是 NaN
# print(data)

import matplotlib.pyplot as plt
# 獲取微軟過去一年的數(shù)據(jù)
msft_hist = msft.history(period="1y")
# 繪制收盤價曲線
plt.figure(figsize=(10, 5))
msft_hist['Close'].plot(title='Microsoft (MSFT) Stock Price (Last Year)')
plt.ylabel('Price (USD)')
plt.xlabel('Date')
plt.grid(True)
plt.show()
# 繪制成交量柱狀圖
plt.figure(figsize=(10, 3))
msft_hist['Volume'].plot(kind='bar', title='Microsoft (MSFT) Trading Volume (Last Year)')
plt.ylabel('Volume')
plt.xlabel('Date')
# 由于日期標簽太多，可能需要調整顯示方式，例如只顯示部分標簽或按月聚合
# plt.xticks(rotation=45) # 旋轉標簽
plt.show()

# 示例：設置 HTTP 和 HTTPS 代理
# proxies = {
#     'http': 'http://user:password@proxy.server.com:port',
#     'https': 'https://user:password@proxy.server.com:port',
# }
# 在 Ticker 對象級別設置 (會話級別)
# msft = yf.Ticker("MSFT")
# msft.set_proxy(proxies)
# hist = msft.history(period="1d")
# 或者在 download 函數(shù)中設置
# data = yf.download("AAPL", period="1d", proxy=proxies)
# 注意：代理設置的 API 可能會隨版本變化，請查閱最新文檔。
# 較新版本傾向于使用 Session 對象進行更底層的控制，但這超出了基礎教程范圍。
print("\n代理設置: 請參考 yfinance 文檔以獲取最新和最可靠的代理設置方法。")

import time
tickers_to_fetch = ["AAPL", "MSFT", "GOOG", "AMZN", "META", "NVDA", "TSLA"] # 示例列表
all_info = {}
for symbol in tickers_to_fetch:
    try:
        print(f"正在獲取 {symbol} 的信息...")
        ticker = yf.Ticker(symbol)
        all_info[symbol] = ticker.info
        # 在每次請求后加入短暫延遲，避免過快請求
        time.sleep(1) # 暫停 1 秒
    except Exception as e:
        print(f"獲取 {symbol} 信息失敗: {e}")
print("\n獲取到的部分信息:")
# print(all_info.get("AAPL", {}).get("longName"))
# print(all_info.get("MSFT", {}).get("longName"))