akshare批量获取etf并保存到csv的源码 | 策略榜单，最高年化收益434%，夏普5.16，回撤10%，附代码包下载

原创内容第946篇，专注量化投资，AGI和智能体落地、个人成长与财富自由。

从昨天的文章开始：年化320%，夏普4.43，演示一步步如何做到，附python代码，咱们分析星球里同学的反馈和诉求，开始按数据获取、回测系统、因子表达式及因子分析、因子挖掘，策略，实盘、机器学习等模型来体系化丰富我们的交付。

金融量化，还是从数据开始，尤其是金融数据序列。

数据获取是第一步，我们从一个免费的接口开始，比如akshare和baostock等。

昨天咱们获取的场内etf、场外基金的历史数据，今天咱们获取A股股票数据并绘图，其实用法大同小异，获取日频数据还是比较容易的，都在notebook里直接可以使用：

如下走势大家应该都比较熟悉：

从构建日频策略，学习量化的角度，日线就够用了。

重点是场内etf，还有场外基金（绝对型收益策略我们会使用部分场外的债券型，混合偏债型基金）。数据etf使用指数分析，数据周期会长一些。

不过太久的数据也没有太多意义，毕竟超过10年的市场走势，与如今已经有很大的不同。

接下来我们要批量获取多支etf:

import akshare as ak
def fetch_etf(symbol):    df = ak.fund_etf_hist_em(symbol="513500", period="daily", start_date="20000101", adjust="hfq")    cols = {'最高':'high','最低':'low','收盘':'close','开盘':'open','成交量':'volume','日期':'date'}    #print(df)    df.rename(columns=cols,inplace=True)    return df[list(cols.values())]

symbols = ['513100','513500']for s in symbols:    print(f'获取{s}并保存到csv')    df = fetch_etf('513100') # 获取纳指ETF    df.to_csv(f'../../data/{s}.csv',index=False)

获取纳指100，标普500这两个美股ETF：

数据已经保存到本地目录，并格式好了：

加载数据并绘图看看效果：

import pandas as pds='513500'df = pd.read_csv(f'../../data/{s}.csv')df.index = df.datedf

如果你熟悉美股数据，应该看得出来，这个走势是对的。

有了这些数据，明天我们就可以开始构建策略了。

大家可以先看看同学们发布的策略榜单，最高年化434%，回撤10%

代码和数据下载：AI量化实验室——2025量化投资的星辰大海

AI量化实验室星球，已经运行三年多，1700+会员。

aitrader代码，因子表达式引擎、遗传算法（Deap）因子挖掘引擎等，支持vnpy，qlib，backtrader和bt引擎，内置多个年化30%+的策略，每周五迭代一次，代码和数据在星球全部开源。

点击 “查看原文”，直接访问策略集合。

扩展 · 历史文章

akshare批量获取etf并保存到csv的源码 | 策略榜单，最高年化收益434%，夏普5.16，回撤10%，附代码包下载

年化收益200%+的策略集 | 实时板块资金热力图「aitrader 5.0系统代码发布」

机器学习驱动的策略开发通过流程 | 普通人阶层跃迁的可能路径？

年化30.24%，最大回撤19%，综合动量多因子评分策略再升级（python代码+数据）

年化320%，夏普4.43，演示一步步如何做到，附python代码

创业板+纳指+黄金的轮动，13年70倍 | 年入千万超级个体，才是普通人创业的趋势。

本季度较强策略，年化328%，夏普比4.47，可积分查看 | agno智能体实现可转债策略，附代码

微精选

akshare批量获取etf并保存到csv的源码 | 策略榜单，最高年化收益434%，夏普5.16，回撤10%，附代码包下载

最近文章