API接口

导语

近期我们上线了新版数据字典文档，新版数据将支撑即将上线的新版平台的数据服务，调用老版数据接口的用户使用不受影响，本文将着重讲解新版数据字典的使用方法。

数据为什么重要

BigQuant是一个人工智能量化投资平台，类似于一个实验室，用户可以在实验室里发挥自己的聪明才智开发策略。计算机界有一个很有名的说法，叫(Garbage In Garbage Out)，翻译过来就是“垃圾进、垃圾出”。因此真实准确而全面的金融数据是开发优秀策略的重要前提。

BigQuant有什么数据

BigQuant有丰富并且高质量的金融数据，包括基础数据、历史数据、财报数据、特色因子数据等。

如何获取数据

数据API是调用数据的接口，目的是快速、便捷、高效地获取数据。在BigQuant的策略平台上，通过数据API我们可以将服务器上的数据拉取到自己的策略平台上，有了数据，相当于拿到“原料”，就可以自由发挥“厨艺”啦。

对比新版和旧版数据接口

• 新版数据接口不需要调用不同的数据接口，通过DataSource(‘表名’)统一调用
• 不同的数据存在各自的表中，开发团队可以快速的响应用户新的数据需求

基本调用方法

DataSource('表名').read(instruments,start_date='2005-01-01', end_date=None, fields=['字段1','字段2'...])

参数 :

• 表名 – 不同的表名存放了不同字段的历史数据，见 数据表名
• instruments – 字符串列表，股票代码列表，见 股票列表
• start_date – 字符串，开始日期
• end_date – 字符串，结束日期
• fields – 字符串数组，请求的字段列表，详见 数据字段

返回:

历史数据

返回类型:

DataFrame

可视化模块方式获取数据

如下例所示，我们可以在一个可视化空白模板中拖拽证券代码列表模块、特征列表模块和数据源模块并按图示连线。

按下面步骤设置参数： 证券代码列表模块 指定起止日期和标的范围

数据源模块 输入表名 输入特征列表模块 指定需要获取的列名 最后运行全部模块，即可完成指定表的数据的抽取，由于数据源的模块号是m2，我们可以通过

m2.data.read_df()

查看获取的数据结果

文档