A Stock Data
by @mr-nova86
A股数据查询技能。当用户询问中国A股股价、行情、K线、财务数据、实时行情、历史数据、涨停板、选股分析时使用。支持股票代码查询（如000001、600000）、股票名称查询。
clawhub install a-stock-data📖 About This Skill
name: a-stock-data description: "A股数据查询技能。当用户询问中国A股股价、行情、K线、财务数据、实时行情、历史数据、涨停板、选股分析时使用。支持股票代码查询（如000001、600000）、股票名称查询。" version: 1.1.0
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：
数据源
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
|字段|说明| |------|------| |代码|股票代码| |名称|股票名称| |最新价|当前价格| |涨跌幅|百分比| |涨跌额|绝对值| |成交量(手)|成交量| |成交额|成交金额| |昨收|昨日收盘价| |今开|今日开盘价| |最高|今日最高价| |最低|今日最低价| |振幅|波动幅度| |换手率|换手率| |市盈率-动态|动态市盈率| |总市值|总市值| |流通市值|流通市值|
K线字段
|字段|说明| |------|------| |日期|交易日期| |开盘|开盘价| |收盘|收盘价| |最高|最高价| |最低|最低价| |成交量|成交量| |成交额|成交金额| |振幅|振幅| |涨跌幅|涨跌幅度| |涨跌额|涨跌额| |换手率|换手率|
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 npclose = 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'] < 30signals = 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 pd1. 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：
|类型|说明|适用场景| |------|------|----------| |不复权（""）|原始价格|查看历史走势| |前复权（qfq）|历史价格调整，当前价格不变|看盘、技术分析| |后复权（hfq）|当前价格不变，历史价格调整|收益率计算|
股票代码规则
|市场|代码格式|示例| |------|----------|------| |上交所|6xxxxx|600000, 601318| |深交所|0xxxxx|000001, 300059| |北交所|8xxxxx|8xxxxx|
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：
|错误类型|可能原因|解决方法| |------|----------|----------| |KeyError|股票代码不存在或输入错误|检查代码并重试| |TimeoutError|网络超时|重试或检查连接| |EmptyDataError|当天无数据（非交易日）|确认是否交易日|
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）