最近在整理个人量化研究的数据管道时又翻出了 Tushare Pro 的接口文档顺手跑了一轮完整的数据抓取与落库流程。Tushare Pro 这个数据接口库对于做量化分析、金融数据挖掘的从业者来说应该不陌生。它解决的是最让人头疼的一块如何低成本、稳定地拿到规整的行情与财务数据。这篇文章先把环境开通讲清楚再结合实际调用经验拆解高频接口的用法与踩坑点最后补充一份个人整理的报错排查表供后来者参考。1. 先搞清楚Tushare Pro 解决什么问题做量化分析或者数据分析的人第一步往往是找数据。行情好说但财务数据、资金流向、板块指数、复权因子这些散落在不同平台格式不一字段命名混乱光做数据清洗就能消耗掉大半精力。Tushare Pro 的定位就是提供一个相对统一、稳定的数据服务接口把高频的股票日线、分钟线、财务指标、指数成分等数据通过一个 Python 库方便地本地化。很多人第一次用 Tushare Pro容易和早期版本的 Tushare 混淆。早年版本往往是免费且无限制的但数据更新不及时字段也相对简单。Pro 版本采用积分制不同积分等级开放不同权限这种做法对数据服务的可持续性是有利的。个人研究者在免费额度内足够用专业研究者可以直接付费购买账号权限避免了数据源质量参差不齐的问题。从一个实际使用者的角度我比较看重的点有三个。第一是数据质量稳定字段定义清晰不会出现同一个含义今天叫这个名字明天改个新名字的情况。第二是接口返回结构规整直接就是 pandas DataFrame和数据分析工作流无缝衔接。第三是缓存机制做得不错本地会自动留存减少重复抓取的成本。当然它也不是没有缺点比如积分限制、部分接口字段偶发缺失这些后面会详细说。2. 环境准备与账号开通积分是绕不开的第一道门槛注册账号这一步没什么好说的官网即可。关键在于开通之后你需要找到自己的 token。这个 token 就是调用接口的凭证在个人主页的“接口TOKEN”页面可以看到一串字符串。安装库方面直接用 pip 安装即可依赖比较简单。建议在虚拟环境中操作避免和系统环境里的其他包冲突。pip install tushare拿到 token 之后有两种初始化方式。第一种是直接设置全局 token调用任何接口前都需要先执行一次。第二种是在代码里显式传入。我的习惯是在本地维护一个配置文件环境变量或 config 文件读取 token而不是硬编码在代码里。import tushare as ts ts.set_token(你的token字符串) pro ts.pro_api()关于积分制度这里要重点说一下。Tushare Pro 的很多接口有积分门槛。比如基础接口像交易日历、股票列表低积分就能调通。但如果你想获取财务数据、部分高频数据或者更精细的字段就需要积累到一定积分。我印象中200 积分是一个基础门槛能调用大约 500 次基础接口。到 1200 积分左右就能调用相当一部分常用接口了例如财务三大报表。但有些特定字段比如某些资金流向类数据可能需要 2000 积分以上。很多初学者会遇到一个问题注册了、token 也设置了调用一个比较高级的接口时直接报错提示没有权限。这种报错其实很常见就是你当前积分不够先去把积分做上去。最直接的积分获取方式是完善个人资料、绑定手机号还有一个比较有效的路子是使用他人提供的邀请码注册能直接获取基础积分加成。日常签到也能攒一些积分积少成多对于个人使用来说绰绰有余。注意token 是敏感凭证千万别硬编码到什么公开的代码仓库里。我见过不止一次有人把 token 贴在问答社区里被别人恶意调用不算更麻烦的是可能被限制 API 访问你就只能重新生成 token 了。3. 两种核心取数姿势通用接口与 pro_bar 便捷包装Tushare Pro 的数据获取方式主要分为两种。它们对应不同的使用场景个人建议按需选择没必要全程只用一种。第一种是通用接口调用方式核心方法是pro.query()。通过传入接口名和参数返回 DataFrame。这种方式的好处是灵活几乎所有接口都可以这样调用。缺点是参数如果写错或者字段名记不住排查起来稍微费点劲。df pro.query(daily, ts_code000001.SZ, start_date20240101, end_date20240131) print(df.head())第二种是便捷的版本也就是ts.pro_bar()。它是对通用接口的封装主要针对行情数据日线、周线、月线、分钟线做了优化。一个最明显的优势是它内置了复权处理逻辑。你不需要先调取复权因子再自己计算结果直接指定adj参数即可。df_daily ts.pro_bar(ts_code000001.SZ, start_date20240101, end_date20240131, adjqfq)有一点要特别留意ts.pro_bar()的ts_code参数要求是带交易所后缀的完整代码。如果你只传000001它会直接报错或者返回空数据。很多新手在这里栽过跟头。另外ts.pro_bar()底层实际上也是请求pro.query把参数组装成daily、daily_adj之类的接口。所以它的返回字段和通用接口基本一致只是复权处理更傻瓜化。对比一下这两种方式的适用场景用表格整理会更清楚对比维度通用接口 pro.query便捷包装 ts.pro_bar接口覆盖几乎所有接口主要覆盖行情类daily、weekly、monthly、分钟线参数复杂度需要严格按文档传参内部封装参数更简洁适合快速取行情复权处理需要手动调因子接口再计算支持 qfq / hfq 参数方便快捷默认返回行数默认单次请求返回较少需注意分页同样受积分限制但返回频率控制相对宽松个人建议适合写通用数据同步脚本适合快速分析、日常看数据实操中我经常两种配合使用。写全量数据同步脚本的时候用通用接口统一逻辑因为不同接口的字段差异比较大统一走pro.query好维护。而临时的数据分析、可视化探索直接用ts.pro_bar()最省事不用纠结复权参数。4. 高频实用接口拆解从日线到财务、指数与资金流向Tushare Pro 接口很多但个人日常最常用的集中在几个方向拆开聊聊各自的参数细节、返回字段和需要注意的地方。第一个就是日线行情。无论是pro.query(daily, ...)还是ts.pro_bar返回的核心字段包括开高低收价格、成交量、成交额等。日期格式非常讲究必须是 YYYYMMDD 这种不带横杠的字符串。我当时第一次测试直接传了2024-01-01这种 ISO 格式返回结果是空的。这个日期格式问题在 Tushare Pro 几乎所有接口里都一样所以初始化参数的时候就要做好转换处理。第二个是财务数据比如利润表income、资产负债表balancesheet、现金流量表cashflow。这些接口返回的字段非常多指标代码很密集比如净利润n_income、营业总收入total_revenue还有很多细分的计数项。用的时候建议不要一股脑全取先用fields参数指定需要的字段这样请求返回快数据量也小一点。income_df pro.income(ts_code000001.SZ, start_date20230101, end_date20231231, fieldsts_code,end_date,total_revenue,n_income)这里有个隐含的大坑财务数据的报告期字段end_date和实际发布日可能存在滞后。你不能拿当前时间去对齐数据要用ann_date公告日期或f_ann_date实际公告日期做时间过滤。否则容易出现数据还没披露或者披露了但没更新进库的状况。这些都是实战中容易踩中的点。第三个是指数数据。像上证指数、沪深300这类接口名一般是index_daily或者index_dailybasic。直接指定ts_code000300.SH就能拿到指数行情。指数成分和权重数据对应接口是index_weight需要指定trade_date或者start_date/end_date。这个接口返回的权重字段是weight单位是百分比。建议在做指数跟踪策略时一定要留意成分股调整周期。第四个是资金流向数据。这个方向很多人爱用但也是数据细节最容易坑人的位置。Tushare Pro 的moneyflow接口返回的是个股的资金流向包含大单、中单、小单的净流入额。比如net_mf_amount是净流入额单位其实是万元并不是元。如果你不仔细看文档说明直接拿来计算数据量级会差很多。我试过用它来辅助判断个股短期情绪整体上做个辅助参考可以但不能作为唯一依据。5. 本地数据缓存与增量更新策略Tushare Pro 有一个比较贴心的设计是自带本地缓存机制。默认情况下首次请求的数据会存在用户目录下的Tushare文件夹里。这样第二次请求同一个接口和参数时会优先读本地缓存加快访问速度也减少 API 调用次数。但这个缓存机制有个需要警惕的地方缓存是基于参数和日期的。如果当天数据已经更新过了但你没有重新调用或者清缓存拿到手的数据很可能是旧的。尤其是在盘中或盘后频繁刷新数据时可能看到的数据有一两个小时的延迟。所以对时效性要求比较高的场景建议显示关闭缓存或者在请求后主动清理。# 正常调用默认带缓存 df pro.daily(ts_code000001.SZ, start_date20240101, end_date20240131) # 另一种方式通过接口参数控制缓存行为 df2 pro.daily(ts_code000001.SZ, start_date20240101, end_date20240131, timeout30)如果你是做长期数据积累个人建议不要完全依赖 Tushare 的本地缓存而是自己做一套数据落库机制。比如按日增量更新把每日数据写入本地数据库或分析用的数据库中。核心思路是记录一个本地最大的交易日期然后每次增量拉取从该日期到现在的数据。这样既节约 API 额度又能保证数据持续性。增量更新还有一个好处就是方便纠错。比如某天数据源出现了字段异常你可以直接将本地库中该天的数据删除重新拉取覆盖逻辑清晰不会出现脏数据叠加的情况。6. 常见报错与排查实录一份可以直接照表操作的问题速查在实际调用过程中大家遇到的报错大同小异。我把自己用了一年多遇到的典型问题汇总成一张表当速查手册用非常顺手。报错信息或表现可能原因处理方法提示权限不足 / 无接口权限当前积分不够检查接口文档权限要求先获取积分返回空 DataFrame日期格式错误非 YYYYMMDD用datetime格式化日期再拼接返回 200 但数据量少接口默认返回行数有限制按时间段分片请求或用循环分页处理网络请求超时本地网络波动或服务端拥堵增加timeout参数配合重试机制token 验证失败token 未正确设置或过期检查set_token必要时重新生成某字段大量为空财务/资金类数据本身更新延迟用公告日期字段过滤而非自然日期请求被限频单位时间内调用次数超限控制请求间隔建议加time.sleep除了表格里的内容还有一些经验心得是表格装不下的。第一个是关于请求频率的控制。个人使用往往是一段脚本里循环调用多个接口如果不加控制很容易触发限频出现请求失败或返回异常。我的建议是循环里加上time.sleep(0.5)或者更长的间隔。如果是拉取几千只股票的数据宁可跑得慢一点也不要中途断开重来。第二个是关于接口参数的严格性。Tushare Pro 对参数比较较真多一个空格、多一个逗号返回结果可能直接为空。建议在代码里统一做参数清理比如去掉空白字符、统一把日期转成字符串格式。第三个是关于字段选择的习惯。很多人喜欢返回所有字段再把没用的删掉。但 Tushare Pro 有些接口字段很多全量返回不仅慢还占缓存空间。养成用fields参数指定字段的习惯会让后续的脚本更清爽。7. 从接口调用到数据管线的几点收尾体会最后聊几句个人的使用心得。Tushare Pro 作为一个数据接口服务对于个人量化研究者来说确实是省心省力的选择。但它的价值不只是让你快速拿到一份数据更重要的是培养了一个规范化的数据获取习惯。你在使用它的过程中会自然理解复权因子、报告期、公告日期、资金流单位这些金融数据的基本概念这对后续做数据处理和策略回测很有帮助。我在实际使用中还有一种体会就是接口文档要常翻。Tushare Pro 的接口更新比较频繁隔一段时间就会新增字段或者调整参数。如果你长期不关注文档某个曾经能用的接口调用方式可能就默默失效了。所以每次写新脚本前花两分钟翻一眼对应接口的说明能省下不少排查问题的时间。数据管道搭建这件事最怕的就是“能用就行”的心态。Tushare Pro 给了你一个很好的起点但后续的数据清洗、对齐、校验、存储每一环都需要自己留心。我个人建议从第一次调用开始就把数据字典、更新日志、异常记录都记录下来。时间拉长到半年一年后你会感谢当初自己留下的这些笔记。本次过程切切实实把常用通道重新过了一遍也把新踩的几个坑补进了自己的速查表后续做定量分析时就能省下不少来回试错的时间。 
长河君 · 2026/10/13 13:41:35 · 阅读 1.2k Tushare Pro 量化数据接口实战：从环境准备到高频接口调用的完整指南
最近在整理个人量化研究的数据管道时又翻出了 Tushare Pro 的接口文档顺手跑了一轮完整的数据抓取与落库流程。Tushare Pro 这个数据接口库对于做量化分析、金融数据挖掘的从业者来说应该不陌生。它解决的是最让人头疼的一块如何低成本、稳定地拿到规整的行情与财务数据。这篇文章先把环境开通讲清楚再结合实际调用经验拆解高频接口的用法与踩坑点最后补充一份个人整理的报错排查表供后来者参考。1. 先搞清楚Tushare Pro 解决什么问题做量化分析或者数据分析的人第一步往往是找数据。行情好说但财务数据、资金流向、板块指数、复权因子这些散落在不同平台格式不一字段命名混乱光做数据清洗就能消耗掉大半精力。Tushare Pro 的定位就是提供一个相对统一、稳定的数据服务接口把高频的股票日线、分钟线、财务指标、指数成分等数据通过一个 Python 库方便地本地化。很多人第一次用 Tushare Pro容易和早期版本的 Tushare 混淆。早年版本往往是免费且无限制的但数据更新不及时字段也相对简单。Pro 版本采用积分制不同积分等级开放不同权限这种做法对数据服务的可持续性是有利的。个人研究者在免费额度内足够用专业研究者可以直接付费购买账号权限避免了数据源质量参差不齐的问题。从一个实际使用者的角度我比较看重的点有三个。第一是数据质量稳定字段定义清晰不会出现同一个含义今天叫这个名字明天改个新名字的情况。第二是接口返回结构规整直接就是 pandas DataFrame和数据分析工作流无缝衔接。第三是缓存机制做得不错本地会自动留存减少重复抓取的成本。当然它也不是没有缺点比如积分限制、部分接口字段偶发缺失这些后面会详细说。2. 环境准备与账号开通积分是绕不开的第一道门槛注册账号这一步没什么好说的官网即可。关键在于开通之后你需要找到自己的 token。这个 token 就是调用接口的凭证在个人主页的“接口TOKEN”页面可以看到一串字符串。安装库方面直接用 pip 安装即可依赖比较简单。建议在虚拟环境中操作避免和系统环境里的其他包冲突。pip install tushare拿到 token 之后有两种初始化方式。第一种是直接设置全局 token调用任何接口前都需要先执行一次。第二种是在代码里显式传入。我的习惯是在本地维护一个配置文件环境变量或 config 文件读取 token而不是硬编码在代码里。import tushare as ts ts.set_token(你的token字符串) pro ts.pro_api()关于积分制度这里要重点说一下。Tushare Pro 的很多接口有积分门槛。比如基础接口像交易日历、股票列表低积分就能调通。但如果你想获取财务数据、部分高频数据或者更精细的字段就需要积累到一定积分。我印象中200 积分是一个基础门槛能调用大约 500 次基础接口。到 1200 积分左右就能调用相当一部分常用接口了例如财务三大报表。但有些特定字段比如某些资金流向类数据可能需要 2000 积分以上。很多初学者会遇到一个问题注册了、token 也设置了调用一个比较高级的接口时直接报错提示没有权限。这种报错其实很常见就是你当前积分不够先去把积分做上去。最直接的积分获取方式是完善个人资料、绑定手机号还有一个比较有效的路子是使用他人提供的邀请码注册能直接获取基础积分加成。日常签到也能攒一些积分积少成多对于个人使用来说绰绰有余。注意token 是敏感凭证千万别硬编码到什么公开的代码仓库里。我见过不止一次有人把 token 贴在问答社区里被别人恶意调用不算更麻烦的是可能被限制 API 访问你就只能重新生成 token 了。3. 两种核心取数姿势通用接口与 pro_bar 便捷包装Tushare Pro 的数据获取方式主要分为两种。它们对应不同的使用场景个人建议按需选择没必要全程只用一种。第一种是通用接口调用方式核心方法是pro.query()。通过传入接口名和参数返回 DataFrame。这种方式的好处是灵活几乎所有接口都可以这样调用。缺点是参数如果写错或者字段名记不住排查起来稍微费点劲。df pro.query(daily, ts_code000001.SZ, start_date20240101, end_date20240131) print(df.head())第二种是便捷的版本也就是ts.pro_bar()。它是对通用接口的封装主要针对行情数据日线、周线、月线、分钟线做了优化。一个最明显的优势是它内置了复权处理逻辑。你不需要先调取复权因子再自己计算结果直接指定adj参数即可。df_daily ts.pro_bar(ts_code000001.SZ, start_date20240101, end_date20240131, adjqfq)有一点要特别留意ts.pro_bar()的ts_code参数要求是带交易所后缀的完整代码。如果你只传000001它会直接报错或者返回空数据。很多新手在这里栽过跟头。另外ts.pro_bar()底层实际上也是请求pro.query把参数组装成daily、daily_adj之类的接口。所以它的返回字段和通用接口基本一致只是复权处理更傻瓜化。对比一下这两种方式的适用场景用表格整理会更清楚对比维度通用接口 pro.query便捷包装 ts.pro_bar接口覆盖几乎所有接口主要覆盖行情类daily、weekly、monthly、分钟线参数复杂度需要严格按文档传参内部封装参数更简洁适合快速取行情复权处理需要手动调因子接口再计算支持 qfq / hfq 参数方便快捷默认返回行数默认单次请求返回较少需注意分页同样受积分限制但返回频率控制相对宽松个人建议适合写通用数据同步脚本适合快速分析、日常看数据实操中我经常两种配合使用。写全量数据同步脚本的时候用通用接口统一逻辑因为不同接口的字段差异比较大统一走pro.query好维护。而临时的数据分析、可视化探索直接用ts.pro_bar()最省事不用纠结复权参数。4. 高频实用接口拆解从日线到财务、指数与资金流向Tushare Pro 接口很多但个人日常最常用的集中在几个方向拆开聊聊各自的参数细节、返回字段和需要注意的地方。第一个就是日线行情。无论是pro.query(daily, ...)还是ts.pro_bar返回的核心字段包括开高低收价格、成交量、成交额等。日期格式非常讲究必须是 YYYYMMDD 这种不带横杠的字符串。我当时第一次测试直接传了2024-01-01这种 ISO 格式返回结果是空的。这个日期格式问题在 Tushare Pro 几乎所有接口里都一样所以初始化参数的时候就要做好转换处理。第二个是财务数据比如利润表income、资产负债表balancesheet、现金流量表cashflow。这些接口返回的字段非常多指标代码很密集比如净利润n_income、营业总收入total_revenue还有很多细分的计数项。用的时候建议不要一股脑全取先用fields参数指定需要的字段这样请求返回快数据量也小一点。income_df pro.income(ts_code000001.SZ, start_date20230101, end_date20231231, fieldsts_code,end_date,total_revenue,n_income)这里有个隐含的大坑财务数据的报告期字段end_date和实际发布日可能存在滞后。你不能拿当前时间去对齐数据要用ann_date公告日期或f_ann_date实际公告日期做时间过滤。否则容易出现数据还没披露或者披露了但没更新进库的状况。这些都是实战中容易踩中的点。第三个是指数数据。像上证指数、沪深300这类接口名一般是index_daily或者index_dailybasic。直接指定ts_code000300.SH就能拿到指数行情。指数成分和权重数据对应接口是index_weight需要指定trade_date或者start_date/end_date。这个接口返回的权重字段是weight单位是百分比。建议在做指数跟踪策略时一定要留意成分股调整周期。第四个是资金流向数据。这个方向很多人爱用但也是数据细节最容易坑人的位置。Tushare Pro 的moneyflow接口返回的是个股的资金流向包含大单、中单、小单的净流入额。比如net_mf_amount是净流入额单位其实是万元并不是元。如果你不仔细看文档说明直接拿来计算数据量级会差很多。我试过用它来辅助判断个股短期情绪整体上做个辅助参考可以但不能作为唯一依据。5. 本地数据缓存与增量更新策略Tushare Pro 有一个比较贴心的设计是自带本地缓存机制。默认情况下首次请求的数据会存在用户目录下的Tushare文件夹里。这样第二次请求同一个接口和参数时会优先读本地缓存加快访问速度也减少 API 调用次数。但这个缓存机制有个需要警惕的地方缓存是基于参数和日期的。如果当天数据已经更新过了但你没有重新调用或者清缓存拿到手的数据很可能是旧的。尤其是在盘中或盘后频繁刷新数据时可能看到的数据有一两个小时的延迟。所以对时效性要求比较高的场景建议显示关闭缓存或者在请求后主动清理。# 正常调用默认带缓存 df pro.daily(ts_code000001.SZ, start_date20240101, end_date20240131) # 另一种方式通过接口参数控制缓存行为 df2 pro.daily(ts_code000001.SZ, start_date20240101, end_date20240131, timeout30)如果你是做长期数据积累个人建议不要完全依赖 Tushare 的本地缓存而是自己做一套数据落库机制。比如按日增量更新把每日数据写入本地数据库或分析用的数据库中。核心思路是记录一个本地最大的交易日期然后每次增量拉取从该日期到现在的数据。这样既节约 API 额度又能保证数据持续性。增量更新还有一个好处就是方便纠错。比如某天数据源出现了字段异常你可以直接将本地库中该天的数据删除重新拉取覆盖逻辑清晰不会出现脏数据叠加的情况。6. 常见报错与排查实录一份可以直接照表操作的问题速查在实际调用过程中大家遇到的报错大同小异。我把自己用了一年多遇到的典型问题汇总成一张表当速查手册用非常顺手。报错信息或表现可能原因处理方法提示权限不足 / 无接口权限当前积分不够检查接口文档权限要求先获取积分返回空 DataFrame日期格式错误非 YYYYMMDD用datetime格式化日期再拼接返回 200 但数据量少接口默认返回行数有限制按时间段分片请求或用循环分页处理网络请求超时本地网络波动或服务端拥堵增加timeout参数配合重试机制token 验证失败token 未正确设置或过期检查set_token必要时重新生成某字段大量为空财务/资金类数据本身更新延迟用公告日期字段过滤而非自然日期请求被限频单位时间内调用次数超限控制请求间隔建议加time.sleep除了表格里的内容还有一些经验心得是表格装不下的。第一个是关于请求频率的控制。个人使用往往是一段脚本里循环调用多个接口如果不加控制很容易触发限频出现请求失败或返回异常。我的建议是循环里加上time.sleep(0.5)或者更长的间隔。如果是拉取几千只股票的数据宁可跑得慢一点也不要中途断开重来。第二个是关于接口参数的严格性。Tushare Pro 对参数比较较真多一个空格、多一个逗号返回结果可能直接为空。建议在代码里统一做参数清理比如去掉空白字符、统一把日期转成字符串格式。第三个是关于字段选择的习惯。很多人喜欢返回所有字段再把没用的删掉。但 Tushare Pro 有些接口字段很多全量返回不仅慢还占缓存空间。养成用fields参数指定字段的习惯会让后续的脚本更清爽。7. 从接口调用到数据管线的几点收尾体会最后聊几句个人的使用心得。Tushare Pro 作为一个数据接口服务对于个人量化研究者来说确实是省心省力的选择。但它的价值不只是让你快速拿到一份数据更重要的是培养了一个规范化的数据获取习惯。你在使用它的过程中会自然理解复权因子、报告期、公告日期、资金流单位这些金融数据的基本概念这对后续做数据处理和策略回测很有帮助。我在实际使用中还有一种体会就是接口文档要常翻。Tushare Pro 的接口更新比较频繁隔一段时间就会新增字段或者调整参数。如果你长期不关注文档某个曾经能用的接口调用方式可能就默默失效了。所以每次写新脚本前花两分钟翻一眼对应接口的说明能省下不少排查问题的时间。数据管道搭建这件事最怕的就是“能用就行”的心态。Tushare Pro 给了你一个很好的起点但后续的数据清洗、对齐、校验、存储每一环都需要自己留心。我个人建议从第一次调用开始就把数据字典、更新日志、异常记录都记录下来。时间拉长到半年一年后你会感谢当初自己留下的这些笔记。本次过程切切实实把常用通道重新过了一遍也把新踩的几个坑补进了自己的速查表后续做定量分析时就能省下不少来回试错的时间。