一、 Baostock 是什么？

Baostock（寶碩股票）是一個免費、開源的證券數據平臺（SDK），旨在為金融量化投資者、研究人員和學生提供穩定、準確、易用的A股歷史數據和相關金融數據。

其核心是一個?Python 庫，用戶通過調用其提供的API函數，即可便捷地獲取數據到本地進行分析和回測，無需復雜的爬蟲技術。

官方定位： “無需注冊，即可獲取大量準確、完整的證券歷史行情數據、上市公司財務數據等。”

二、 核心功能與數據范圍

Baostock 的數據覆蓋范圍是其最大的競爭力之一。

1. 行情數據 (核心)

• K線數據： 提供日、周、月級別的K線數據。
  • 包含：日期、開盤價、最高價、最低價、收盤價、成交量、成交額、換手率、復權因子等。

• 復權處理： 支持前復權、后復權和不復權三種價格，極大地方便了量化回測。
• 時間范圍： 數據可追溯至1990-12-19（上證交易所開業初期），覆蓋了A股幾乎全部歷史。

2. 基本面數據 (價值)

• 公司資料： 上市公司基本信息、所屬行業、地域等。
• 財務數據： 按季度、年度提供資產負債表、利潤表、現金流量表的核心指標。
  • 例如：每股收益、凈利潤、營業收入、資產負債率等
• 估值數據： 市盈率（PE）、市凈率（PB）、市銷率（PS）等，且提供動/靜態、滾動的計算方式。

3. 宏觀數據 & 行業數據

• 宏觀經濟指標： 如GDP、CPI、PPI、PMI、貨幣供應量（M0, M1, M2）等。
• 行業分類數據： 提供股票所屬的證監會、申萬等行業分類信息。
• 利率數據： 存貸款利率、國債收益率等。

4. 其他數據

• 融資融券數據
• 指數成分股數據
• 除除息信息、送股信息

三、 優勢 (Pros)

1. 完全免費與開源： 這是其最吸引人的特點。相比于Wind、Choice等動輒數萬元的終端，Baostock 對個人投資者和研究者極其友好。代碼開源也意味著透明和安全。
2. 數據質量高且準確： 數據經過清洗和整理，準確度較高，尤其是復權處理做得很好，避免了回測中的“坑”。
3. 接口簡單易用： 純Python接口，API設計清晰，只需幾行代碼就能獲取數據，學習成本極低。對Python數據分析生態（Pandas, NumPy, Matplotlib）兼容性極佳，返回的數據通常是Pandas DataFrame格式，可直接進行分析和可視化。
4. 數據歷史長度足夠： 長達30多年的歷史數據，足以滿足絕大多數長期策略回測的需求。
5. 無需注冊和認證： 下載即用，沒有復雜的申請流程和API Key限制，降低了使用門檻。
6. 穩定性與維護： 項目持續維護更新，社區有一定活躍度，遇到問題可以通過官方文檔或社區尋求幫助。

四、 劣勢與局限性 (Cons)

1. 數據頻率限制： 最大的局限性在于不支持日內高頻數據（如1分鐘、5分鐘、Tick數據）。主要專注于日、周、月線級別的低頻數據。這對于需要高頻交易策略的研究者來說是不可用的。
2. 實時性限制： 數據并非實時更新，通常有15分鐘左右的延遲。不適合用于實盤交易決策，更側重于歷史回測和研究。
3. 數據廣度與深度： 雖然覆蓋了核心數據，但與付費的頂級終端（如Wind）相比，在數據的廣度和深度上仍有差距。例如，更細分的財務指標、詳細的研報數據、新聞輿情、大宗交易、龍虎榜等數據可能缺失或不如專業終端全面。
4. API調用限制： 雖然沒有明確的文檔說明，但可能存在未公開的請求頻率限制。如果短時間內發出海量請求，IP可能會被暫時限制訪問。通常需要在自己的代碼中添加time.sleep()來規避。
5. 依賴網絡與服務器： 數據獲取依賴于Baostock的服務器，如果服務器出現故障或維護，服務會中

五、 適用場景

• 個人量化愛好者/學習者： 學習和實踐量化交易的絕佳工具，零成本入門。
• 學術研究： 撰寫論文、進行金融市場相關實證研究的可靠數據來源。
• 中長期策略回測： 基于日線或周線數據的價值投資、趨勢跟蹤、因子投資等策略的回測。
• 基本面分析： 獲取和分析上市公司財務報表數據。
• 金融數據分析教學： 在高校課程中，作為學生練習數據獲取、清洗、分析和可視化的完美案例。

不適用場景：

• 高頻交易策略開發
• 實盤交易信號生成（因數據延遲）
• 需要極度深度和前沿數據的專業機構投資經理

六、 與替代品的對比

簡單總結：

• Baostock：?“專注、簡單、免費的A股歷史數據專家”。
• Tushare/AkShare：?“免費且數據廣泛的爬蟲聚合庫”，功能更強大但接口可能更復雜。
• Wind/Choice：?“專業機構的全能武器”，無所不包但價格高昂。

七、 快速入門指南

安裝：pip install baostock

1. 基本使用流程（四步曲）：
   python

import baostock as bs
import pandas as pd# 1. 登錄系統
lg = bs.login()
# 顯示登錄返回信息
print('login respond error_code:'+lg.error_code)
print('login respond error_msg:'+lg.error_msg)# 2. 獲取數據
# 查詢復權后（前復權）的日K線數據
rs = bs.query_history_k_data_plus("sh.600000","date,code,open,high,low,close,preclose,volume,amount,adjustflag,turn,tradestatus,pctChg,isST",start_date='2023-01-01', end_date='2024-01-01',frequency="d", adjustflag="2") # adjustflag: 2-前復權， 3-后復權# 3. 將數據轉換為pandas DataFrame
data_list = []
while (rs.error_code == '0') & rs.next():# 獲取一條記錄，將記錄合并在一起data_list.append(rs.get_row_data())
df = pd.DataFrame(data_list, columns=rs.fields)# 4. 登出系統
bs.logout()# 處理數據：轉換數據類型
df['close'] = df['close'].astype('float')
df['volume'] = df['volume'].astype('float')
print(df.head())

1. 重要提示：

• 務必在程序結束前調用?bs.logout()。
• 獲取大量數據時，請在循環請求中添加?time.sleep(0.5)?以避免被限流。

總結

Baostock 是一個極其優秀、專注于A股歷史低頻數據的免費解決方案。?它以其簡單、可靠、免費的特性，成為了無數個人量化交易者和研究人員入門和研究的“第一塊基石”。

如果你的需求是：

• 免費
• 獲取A股漫長的歷史日線數據
• 進行中長期策略回測
• 學習Python量化分析

那么，Baostock 幾乎是你的不二之選。但如果你的需求擴展到高頻、實時或全球市場，則需要考慮 Tushare、AkShare 或付費的專業數據終端。