当前位置：首页 > article >正文

玻璃期货数据下载与分析：Python金融实战分享

article 2026/1/30 20:44:00

期货数据下载与分析：Python实战分享

引言

在金融市场中，期货分析是一项重要的工作，而获取准确且及时的数据是进行有效分析的基础。今天，我们将深入探讨一段使用Python编写的代码，该代码用于从郑州商品交易所（CZCE）下载期货持仓数据和价格数据。通过对这段代码的详细解读，我们不仅能了解如何使用Python进行网络数据下载，还能学习到如何处理日期范围、文件存储以及错误处理等技巧。

代码整体概述

这段代码主要包含以下几个部分：

导入必要的库：使用os、requests、pandas、datetime、logging和time等库。
配置日志记录：将下载过程中的信息记录到download.log文件中。
创建下载目录：确保数据文件有一个指定的存储位置。
设置请求头：模拟浏览器请求，避免被服务器拒绝。
定义下载函数：download_holding_data函数用于下载指定日期的持仓数据和价格数据。
定义主函数：get_data_main函数用于生成日期范围并调用下载函数。
主程序入口：处理可能的异常并确保下载过程结束后记录完成信息。

代码详细解读

导入必要的库

import os
import requests
import pandas as pd
from datetime import datetime
import logging
import time

os：用于处理文件和目录操作。
requests：用于发送HTTP请求，获取网页数据。
pandas：用于处理日期范围和时间序列数据。
datetime：用于处理日期和时间。
logging：用于记录程序运行过程中的信息。
time：用于添加延迟，避免频繁请求被服务器封禁。

配置日志记录

logging.basicConfig(filename='download.log',level=logging.INFO,format='%(asctime)s - %(levelname)s - %(message)s'
)

这段代码将日志信息记录到download.log文件中，日志级别为INFO，并指定了日志的格式。

创建下载目录

download_dir = 'czce_holdings'
os.makedirs(download_dir, exist_ok=True)

使用os.makedirs函数创建名为czce_holdings的目录，如果目录已经存在则不会报错。

设置请求头

headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36'
}

设置请求头，模拟Chrome浏览器的请求，避免被服务器识别为爬虫而拒绝请求。

定义下载函数

def download_holding_data(date):"""下载指定日期的持仓数据"""try:# 构造URLyear = date.strftime("%Y")date_str = date.strftime("%Y%m%d")filename = f"FutureDataHolding_{date_str}.xls"filepath = os.path.join(download_dir, filename)# 检查文件是否已存在"""if os.path.exists(filepath):logging.info(f"File already exists: {date_str}")print(f"Exists: {date_str}")return"""url = f"http://www.czce.com.cn/cn/DFSStaticFiles/Future/{year}/{date_str}/FutureDataHolding.xls"price_data_url = f"http://www.czce.com.cn/cn/DFSStaticFiles/Future/{year}/{date_str}/FutureDataDaily.xls"print(f"url: {url}，price_url:{price_data_url}")# 发送请求response = requests.get(url, headers=headers, timeout=10)response.raise_for_status()  # 检查HTTP状态码# 保存文件filename = f"FutureDataHolding_{date_str}.xls"filepath = os.path.join(download_dir, filename)with open(filepath, 'wb') as f:f.write(response.content)logging.info(f"Successfully downloaded {date_str}")print(f"Downloaded: {date_str}")# 礼貌性延迟time.sleep(1)# 发送请求response = requests.get(price_data_url, headers=headers, timeout=10)response.raise_for_status()  # 检查HTTP状态码# 保存文件filename = f"Price_FutureDataHolding_{date_str}.xls"filepath = os.path.join(download_dir, filename)with open(filepath, 'wb') as f:f.write(response.content)logging.info(f"Successfully downloaded {date_str}")print(f"Downloaded: {date_str}")except requests.exceptions.HTTPError as e:logging.warning(f"HTTP Error {e.response.status_code} for {date_str}")except requests.exceptions.ConnectionError:logging.error(f"Connection Error for {date_str}")except requests.exceptions.Timeout:logging.warning(f"Timeout Error for {date_str}")except Exception as e:logging.error(f"Unexpected error for {date_str}: {str(e)}")

该函数接受一个日期对象作为参数，用于下载指定日期的持仓数据和价格数据。
首先，根据日期构造数据文件的URL。
然后，发送HTTP请求获取数据，并使用raise_for_status方法检查请求是否成功。
接着，将获取的数据保存到本地文件中。
最后，添加1秒的延迟，避免频繁请求被服务器封禁。

定义主函数

def get_data_main():# 生成日期范围（中国工作日，排除周末）# 获取当前日期now = pd.Timestamp.now()# 计算当前日期是本周的第几天weekday = now.weekday()# 计算本周一的日期start_date = now - pd.Timedelta(days=weekday)#start_date = pd.Timestamp('2025-01-02')end_date = pd.Timestamp(datetime.today().date())# 生成所有工作日日期date_range = pd.bdate_range(start=start_date, end=end_date, freq='B')# 遍历所有日期for date in date_range:print(f"begin Downloading: {date}")download_holding_data(date)

该函数用于生成日期范围，并调用download_holding_data函数下载每个日期的数据。
使用pd.bdate_range函数生成从本周一到当前日期的所有工作日日期。
遍历日期范围，依次调用download_holding_data函数下载数据。

主程序入口

if __name__ == "__main__":try:get_data_main()except KeyboardInterrupt:logging.info("Process interrupted by user")except Exception as e:logging.critical(f"Critical error occurred: {str(e)}")finally:logging.info("Download process completed")

处理可能的异常，如用户中断（KeyboardInterrupt）和其他异常。
无论是否发生异常，最后都会记录下载过程完成的信息。

总结

通过这段代码，我们学习了如何使用Python从郑州商品交易所下载期货持仓数据和价格数据。主要涉及到网络请求、文件操作、日期处理和错误处理等方面的知识。在实际应用中，我们可以根据下载的数据进行进一步的分析，如绘制图表、计算统计指标等，以更好地理解期货市场的动态。

希望这篇技术分享对你有所帮助，如果你有任何疑问或建议，欢迎在评论区留言讨论。

以上就是本次期货数据下载与分析的Python技术分享，希望大家能从中有所收获。