月營收：每月 10 日前
去年度財報：3 月 31 日前
第一季財報：5 月 15 日前
第二季財報：8 月 14 日前
第三季財報：11 月 14 日前
第四季財報及年報：隔年 3 月 31 日前
yfinance
import yfinance as yf
msft = yf.Ticker("MSFT")
# get all stock info
msft.info
# get historical market data
hist = msft.history(period="1mo")
# show meta information about the history (requires history() to be called first)
msft.history_metadata
# show actions (dividends, splits, capital gains)
msft.actions
msft.dividends
msft.splits
msft.capital_gains # only for mutual funds & etfs
# show share count
# - yearly summary:
msft.shares
# - accurate time-series count:
msft.get_shares_full(start="2022-01-01", end=None)
# show financials:
# - income statement
msft.income_stmt
msft.quarterly_income_stmt
# - balance sheet
msft.balance_sheet
msft.quarterly_balance_sheet
# - cash flow statement
msft.cashflow
msft.quarterly_cashflow
# see `Ticker.get_income_stmt()` for more options
# show holders
msft.major_holders
msft.institutional_holders
msft.mutualfund_holders
# show earnings
msft.earnings
msft.quarterly_earnings
# show sustainability
msft.sustainability
# show analysts recommendations
msft.recommendations
msft.recommendations_summary
# show analysts other work
msft.analyst_price_target
msft.revenue_forecasts
msft.earnings_forecasts
msft.earnings_trend
# show next event (earnings, etc)
msft.calendar
# Show future and historic earnings dates, returns at most next 4 quarters and last 8 quarters by default.
# Note: If more are needed use msft.get_earnings_dates(limit=XX) with increased limit argument.
msft.earnings_dates
# show ISIN code - *experimental*
# ISIN = International Securities Identification Number
msft.isin
# show options expirations
msft.options
# show news
msft.news
# get option chain for specific expiration
opt = msft.option_chain('YYYY-MM-DD')
# data available via: opt.calls, opt.puts
If you want to use a proxy server for downloading data, use:
import yfinance as yf
msft = yf.Ticker("MSFT")
msft.history(..., proxy="PROXY_SERVER")
msft.get_actions(proxy="PROXY_SERVER")
msft.get_dividends(proxy="PROXY_SERVER")
msft.get_splits(proxy="PROXY_SERVER")
msft.get_capital_gains(proxy="PROXY_SERVER")
msft.get_balance_sheet(proxy="PROXY_SERVER")
msft.get_cashflow(proxy="PROXY_SERVER")
msft.option_chain(..., proxy="PROXY_SERVER")
...
Multiple tickers
To initialize multiple Ticker objects, use
import yfinance as yf
tickers = yf.Tickers('msft aapl goog')
# access each ticker using (example)
tickers.tickers['MSFT'].info
tickers.tickers['AAPL'].history(period="1mo")
tickers.tickers['GOOG'].actions
To download price history into one table:
import yfinance as yf
data = yf.download("SPY AAPL", start="2017-01-01", end="2017-04-30")
yf.download() and Ticker.history() have many options for configuring fetching and processing, e.g.:
yf.download(tickers = "SPY AAPL", # list of tickers
period = "1y", # time period
interval = "1d", # trading interval
prepost = False, # download pre/post market hours data?
repair = True) # repair obvious price errors e.g. 100x?
Review the Wiki for more options and detail.
Smarter scraping
To use a custom requests session (for example to cache calls to the API or customize the User-agent header), pass a session= argument to the Ticker constructor.
import requests_cache
session = requests_cache.CachedSession('yfinance.cache')
session.headers['User-agent'] = 'my-program/1.0'
ticker = yf.Ticker('msft', session=session)
# The scraped response will be stored in the cache
ticker.actions
Combine a requests_cache with rate-limiting to avoid triggering Yahoo's rate-limiter/blocker that can corrupt data.
from requests import Session
from requests_cache import CacheMixin, SQLiteCache
from requests_ratelimiter import LimiterMixin, MemoryQueueBucket
from pyrate_limiter import Duration, RequestRate, Limiter
class CachedLimiterSession(CacheMixin, LimiterMixin, Session):
pass
session = CachedLimiterSession(
limiter=Limiter(RequestRate(2, Duration.SECOND*5), # max 2 requests per 5 seconds
bucket_class=MemoryQueueBucket,
backend=SQLiteCache("yfinance.cache"),
)
Managing Multi-Level Columns
The following answer on Stack Overflow is for How to deal with multi-level column names downloaded with yfinance?
yfinance returns a pandas.DataFrame with multi-level column names, with a level for the ticker and a level for the stock price data
The answer discusses:
How to correctly read the the multi-level columns after saving the dataframe to a csv with pandas.DataFrame.to_csv
How to download single or multiple tickers into a single dataframe with single level column names and a ticker column
pandas_datareader override
If your code uses pandas_datareader and you want to download data faster, you can "hijack" pandas_datareader.data.get_data_yahoo() method to use yfinance while making sure the returned data is in the same format as pandas_datareader's get_data_yahoo().
from pandas_datareader import data as pdr
import yfinance as yf
yf.pdr_override() # <== that's all it takes :-)
# download dataframe
data = pdr.get_data_yahoo("SPY", start="2017-01-01", end="2017-04-30")
Timezone cache store
When fetching price data, all dates are localized to stock exchange timezone. But timezone retrieval is relatively slow, so yfinance attemps to cache them in your users cache folder. You can direct cache to use a different location with set_tz_cache_location():
import yfinance as yf
yf.set_tz_cache_location("custom/cache/location")
...
(程式)物件導向程式
一般程式是 變數+函數
用子類別實作出各式各樣不同的方法，藉此讓父類別的方法藉此達到延伸和多樣化的效果。
物件導向程式是 變數+函數+集合，三者混用
物件導向的集合叫做類別（class），集合裡的單元叫做 物件（object ）。
集合裡可以有屬性，且集合裡的物件想當然有這些屬性。
範例來自 :
https://www.zetria.org/view.php?subj=programming&chap=3zzmik9mct
現在有一個集合，user ， constructor(age, name, level, account, password) ，
建立user的屬性。
集合裡面還有一些函數。
集合裡面還有一些函數。
/* 宣告類別：使用者 */
類用戶{
/* 建構物件 */
/* 輸入使用者資料 */
/* 並將其存成屬性 */
constructor(年齡、姓名、級別、賬號、密碼){
這個。年齡=年齡；
this.name = 名稱；
this.level = 水平；
this.account = 賬戶；
this.password = 密碼；
}
登錄名（賬號，密碼）{
/* 確認帳號密碼正確 */
如果（賬戶）{
如果（密碼==這個。密碼）{
print("登錄成功！");
/* 呼叫greet 方法*/
/* 與使用者打招呼 */
這個。問候語（）；
}
}
}
/* 與使用者打招呼 */
迎接（）{
print("歡迎回來,");
打印（這個。名字）；
}
/* 印出使用者等級 */
顯示水平（）{
打印（此級別）；
}
/* 將使用者等級加 1 */
添加級別(){
這個.level++;
}
/* 將使用者年齡加 1 */
添加年齡（）{
這個年齡++；
}
}
函式多載
允許同一個函數名，輸入不同的變數，輸出不同結果。
方法覆寫
函式多載
允許同一個函數名，輸入不同的變數，輸出不同結果。
範例：C++ 中的函式多載
#include <iostream>
int Volume(int s) { // 立方體的體積。
返回 s * s * s；
}
double Volume(double r, int h) { // 圓柱體的體積。
返回 3.1415926 * r * r * static_cast<double>(h);
}
long Volume(long l, int b, int h) { // 長方體的體積。
返回 l * b * h；
}
詮釋主要（）{
std::cout << 體積（10）；
std::cout << 體積 (2.5, 8);
std::cout << 體積(100l, 75, 15);
}
方法覆寫
子集合裡的函數可以覆蓋掉父集合的函數輸出。
多形
多型性（Polymorphism）的概念，又可分為多載（Overloading）和複寫（Overriding）
用子類別實作出各式各樣不同的方法，藉此讓父類別的方法藉此達到延伸和多樣化的效果。
重灌 Windows 10 之前，5紀錄你目前已安裝的應用程式、軟體名稱
首先，打開命令提示字元（你可以在左下角 Windows 搜尋中輸入 CMD），然後依序輸入以下三行指令：
- wmic
- /output:C:\list.txt product get name, version
- 跑完之後輸入 exit 跳出
python 筆記 (零)
pip安裝套件列表 : pip install -r requirement.txt
pip 匯出套件列表: pip freeze > requirement.txt
創建物件時第一個字通常大寫 EX: df=pd.Dataframe()
python 筆記 (二)
User-Agent
User-Agent 請求標頭（request header）含有能令網路協議同級層（peer）識別發出該用戶代理 (en-US)請求的軟體類型或版本號、該軟體使用的作業系統、還有軟體開發者的字詞串。
Requests 函式庫
requests 函式庫 ( 模組 ) 是相當流行的 Python 外部函式庫，具備了 GET、POST...等各種 request 用法，透過 requests 能夠輕鬆抓取網頁的資料
python 筆記 (一)
// 商數（整數） ** 次方
!= 不等於
b = a[i:j:k]
表示 a[i] 複製到 a[j-1]，以 k 的間距取樣。
省略k時，預設為1。
: 表示從a到 b ，空白預設 '0' 或 全部
a=[0,1,2,3]
a[1:] >>> [1,2,3]
a[:] =a[::] >>>[0,1,2,3]
a[1:5] >>> [1,2,3,4]
a=list(range(10))
>>> [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
k<0 從最後開始計算
b=a[:-1]
print(b)
>>>[0, 1, 2, 3, 4, 5, 6, 7, 8]
\n 換行符號，字串中使用。
s='這是第一行\n這是第二行'
print(s)
>>>這是第一行
這是第二行
''' :長引號，按照原有的排版格式存放到字串中
t= '''這是第一行
這是第二行
這是第三行
'''
print(t)
>>>
這是第一行
這是第二行
這是第三行
在print ()中 sep 是區隔符號
print (10,20,30,sep=’+’）
多行註解:
在每一行行的開頭加入#，選取多行程式碼區塊後，按下快捷鍵(ctrl+/)
在每一行行的開頭加入#，選取多行程式碼區塊後，按下快捷鍵(ctrl+/)
訂閱：
意見 (Atom)