backtrader/utils.py

import os
import yaml
import tushare as ts
import pandas as pd
from datetime import datetime, timedelta


def load_config():
    config_path = 'config.yaml'
    if not os.path.exists(config_path):
        config = {
            'tushare_token': 'your_token_here',
            'mysql': {
                'user': 'user',
                'password': 'password',
                'host': '127.0.0.1',
                'port': 3306,
                'database': 'tushare',
                'charset': 'utf8'
            }
        }
        with open(config_path, 'w') as f:
            yaml.dump(config, f)
        print(f"请在 {config_path} 中填入您的 tushare token 和 MySQL 连接信息")
        exit(1)

    with open(config_path, 'r') as f:
        config = yaml.safe_load(f)
    return config


config = load_config()
ts.set_token(config['tushare_token'])
pro = ts.pro_api()


def get_trans_data(stock_code, start_date, end_date, data_type='daily'):
    # 确保日期格式正确
    start_date = pd.to_datetime(start_date).strftime('%Y%m%d')
    end_date = pd.to_datetime(end_date).strftime('%Y%m%d')
    # 创建保存目录
    save_dir = os.path.join('data', stock_code)
    os.makedirs(save_dir, exist_ok=True)
    # 生成文件名
    file_name = f"{data_type}_{start_date}_{end_date}.csv"
    file_path = os.path.join(save_dir, file_name)
    # 检查文件是否已存在
    if os.path.exists(file_path):
        print(f"{file_path} 已存在，跳过下载")
        return True
    # 根据数据类型选择相应的API
    if data_type == 'daily':
        df = pro.daily(ts_code=stock_code, start_date=start_date, end_date=end_date)
    elif data_type == 'weekly':
        df = pro.weekly(ts_code=stock_code, start_date=start_date, end_date=end_date)
    elif data_type == 'monthly':
        df = pro.monthly(ts_code=stock_code, start_date=start_date, end_date=end_date)
    elif data_type == 'money_flow':
        df = pro.moneyflow(ts_code=stock_code, start_date=start_date, end_date=end_date)
    elif data_type == 'daily_basic':
        df = pro.daily_basic(ts_code=stock_code, start_date=start_date, end_date=end_date)
    else:
        print(f"不支持的数据类型: {data_type}")
        return False
    # 如果数据为空，返回
    if df.empty:
        print(f"没有找到 {stock_code} 从 {start_date} 到 {end_date} 的 {data_type} 数据")
        return False
    # 保存数据
    df.to_csv(file_path, index=False)
    print(f"数据已保存到 {file_path}")
    return True

def get_stock_basic():
    # 获取当前时间作为文件名的一部分
    current_time = datetime.now().strftime('%Y%m%d')

    # 创建保存目录
    save_dir = 'data'
    os.makedirs(save_dir, exist_ok=True)

    # 生成文件名
    file_name = f"stock_basic_{current_time}.csv"
    file_path = os.path.join(save_dir, file_name)

    # 下载股票基本信息，包含所有可用字段
    fields = 'ts_code,symbol,name,area,industry,fullname,enname,cnspell,market,exchange,curr_type,list_status,list_date,delist_date,is_hs,act_name,act_ent_type'
    df = pro.stock_basic(exchange='', list_status='L', fields=fields)

    # 如果数据为空，返回
    if df.empty:
        print("没有找到股票基本信息数据")
        return

    # 保存数据
    df.to_csv(file_path, index=False)
    print(f"股票基本信息数据已保存到 {file_path}")

def load_share_data(stock_code, data_type='daily', start_date=None, end_date=None):

    data_dir = os.path.join('data', stock_code)

    # 如果未指定日期，尝试加载任何可用数据
    if start_date is None or end_date is None:
        files = [f for f in os.listdir(data_dir) if f.startswith(f"{data_type}_")]
        if not files:
            raise ValueError(f"找不到{stock_code}的{data_type}数据文件")

        # 使用找到的第一个文件
        file_path = os.path.join(data_dir, files[0])
    else:
        # 格式化日期
        start_date = pd.to_datetime(start_date).strftime('%Y%m%d')
        end_date = pd.to_datetime(end_date).strftime('%Y%m%d')
        file_name = f"{data_type}_{start_date}_{end_date}.csv"
        file_path = os.path.join(data_dir, file_name)

        if not os.path.exists(file_path):
            print(f"找不到{file_path}数据文件,执行下载")
            get_trans_data(stock_code, start_date, end_date, data_type)

    print(f"加载数据: {file_path}")

    # 读取CSV文件
    df = pd.read_csv(file_path)

    # 确保日期列是datetime类型并按日期升序排序
    df['trade_date'] = pd.to_datetime(df['trade_date'], format='%Y%m%d')
    df = df.sort_values('trade_date')

    # 重命名列以符合backtrader期望的格式
    df = df.rename(columns={
        'trade_date': 'datetime',
        'open': 'open',
        'high': 'high',
        'low': 'low',
        'close': 'close',
        'vol': 'volume'
    })

    # 确保所有必需的列都存在
    required_columns = ['datetime', 'open', 'high', 'low', 'close', 'volume']
    for col in required_columns:
        if col not in df.columns:
            raise ValueError(f"缺少必需的列: {col}")

    # 将datetime设为索引
    df = df.set_index('datetime')

    return df



if __name__ == "__main__":
    stock_codes = ['002112.SZ', '601801.SH', '002737.SZ', '600970.SH']  # 示例股票代码
    start_date = '20230101'  # 手动输入的开始日期
    end_date = '20250403'  # 手动输入的结束日期
    data_types = ['daily', 'weekly', 'monthly', 'money_flow', 'daily_basic']  # 可选数据类型

    # 下载股票基本信息
    get_stock_basic()

    # 下载其他数据
    for stock_code in stock_codes:
        for data_type in data_types:
            get_trans_data(stock_code, start_date, end_date, data_type)