Gdzie mogę pobrać dane historyczne dotyczące kapitalizacji rynku i dziennych obrotów dla akcji?

11

Istnieje wiele źródeł, które dostarczają historyczne dane o zapasach, ale podają tylko pola OHLC wraz z objętością i skorygowanym zamknięciem. Kilka źródeł, które znalazłem, dostarcza zestawów danych o kapitalizacji rynkowej, ale są one ograniczone do akcji w USA. Yahoo Finance udostępnia te dane w trybie online, ale nie ma możliwości ich pobrania (lub nie jestem tego świadomy).

Gdzie mogę pobrać te dane dotyczące akcji należących do różnych czołowych giełd papierów wartościowych w różnych krajach, używając ich nazwy giełdowej?
Czy istnieje jakiś sposób, aby pobrać go za pośrednictwem Yahoo Finance lub Google Finance?

Potrzebuję danych z ostatniej dekady i dlatego potrzebuję skryptu lub interfejsu API, który by to zrobił.

dataset

— tejaskhot
źródło

6

Quant SE to lepsze miejsce na pytania związane z uzyskiwaniem danych finansowych:

— IharS
źródło

3

Jeśli chodzi o zbieranie danych, możesz sprawdzić Quandl ( jeśli jesteś zainteresowany , jest samouczek korzystania z R z DataCamp ).

Ponadto Aswath Damodarana za strona zawiera wiele przydatnych zbiorów danych. Chociaż nie są one tak często aktualizowane, mogą być nadal przydatne, zwłaszcza jako punkt odniesienia do porównywania własnych wyników (ze skryptów nieuchronnie trzeba pisać, aby obliczyć niezbędne pomiary).

I znowu, Quant SE jest prawdopodobnie lepszym miejscem do szukania ...

— Steve S.
źródło

1

Ta strona zawiera historyczne kapitalizacje rynku i wartości przedsiębiorstw dla firm S&P 100 i NASDAQ-100 z ostatnich 10 lat. Możesz eksportować zestawy danych do Excela.

http://marketcapitalizations.com/historical-data/historical-data-categories/valuations/

Możesz także spróbować skontaktować się z nimi w celu uzyskania danych przez dłuższy czas.

— Marcus Torrez
źródło

Czy jesteś powiązany z tą witryną BTW?

— Sean Owen

1

Zrobiłbym to w ten sposób.

import requests
from bs4 import BeautifulSoup

base_url = 'https://finviz.com/screener.ashx?v=152&s=ta_topgainers&o=price&c=1,2,6,7,25,65,67'
html = requests.get(base_url)
soup = BeautifulSoup(html.content, "html.parser")
main_div = soup.find('div', attrs = {'id':'screener-content'})

light_rows = main_div.find_all('tr', class_="table-light-row-cp")
dark_rows = main_div.find_all('tr', class_="table-dark-row-cp")

data = []
for rows_set in (light_rows, dark_rows):
    for row in rows_set:
        row_data = []
        for cell in row.find_all('td'):
            val = cell.a.get_text()
            row_data.append(val)
        data.append(row_data)

#   sort rows to maintain original order
data.sort(key=lambda x: int(x[0]))

import pandas
pandas.DataFrame(data).to_csv("AAA.csv", header=False)

— POPIÓŁ
źródło