我们来统计一下最近五年的A股市值以及A股市值占GDP的比重。
1.2018年底，A股总市值是43.37万亿，GDP（国民生产总值）是91.93万亿，总市值占生产总值的比重是47.2%；
2.2019年底，A股总市值是59.16万亿，生产总值是98.65万亿，总市值占生产总值的比重是59.9%；
3.2020年底，A股总市值是77.69万亿，生产总值是101.36万亿，总市值占生产总值的比重是76.6%；
4.2021年底，A股总市值是91.2万亿，生产总值是114.92万亿，总市值占生产总值的比重是79.4%；
5.2022年底，A股宗市值是84.88万亿，生产总值是121.02万亿，总市值占生产总值的比例是70.1%
五年平均总市值占生产总值的比重是66.64%。
今日（2023年8月23日）A股总市值79.4万亿，如果仍然按去年的生产总值121.02万亿来计算，那么总市值占生产总值的比例是65.6%，稍微低于五年平均值。
如果您要分析金融市场数据（从股票市场到加密货币，作为数据科学家，交易商或投资者），请从此处开始。
> Photo by Chris Liverani on Unsplash
在我们的世界中，几乎没有什么东西像金融市场和数据一样有着千丝万缕的联系。 金融市场的全部功能是基于其参与者根据可用信息和从所述信息中合成的知识进行操作的； 目标是以他们认为有利的价格购买或出售资产。
这种机制设定了市场价格，这反过来又给市场赋予了另一个关键属性-数据源的属性。 不管有效市场假说的有效性和价格的客观正确性，与市场数据一样，很少有东西能抓住集体的情绪。
此外，随着时间的流逝，可用数据的粒度不断增加，现在可以捕获单个以及集体的情绪。 结果是，对于如此丰富，如此广泛且具有如此悠久的历史的任何数据源，几乎没有类似之处。
> Photo by Aditya Vyas on Unsplash
例如，纽约证券交易所成立于1792年（！）以来，如今，仅美国的主要交易所（如纽约证券交易所）据说平均每天就产生大约300亿个市场事件。
鉴于这些市场涉及大量资金，并且猫猫捉迷藏的游戏不断，因此寻求更多更好的数据也就不足为奇了。
尽管这些天市场通过销售其数据产品获得了可观的收入，但仍然有许多出色的免费进入市场数据分析领域的入口点。 其中一些API还提供有关加密资产以及股票市场的信息。
因此，在本文中，我将比较一些顶级金融市场数据API的免费层。 我希望您觉得它们有用。
API比较—概述IEX云IEX是一家新兴证券交易所，其联合创始人布拉德·胜山（Brad Katsuyama）因迈克尔·刘易斯（Michael Lewis）的书《闪电男孩》（Flash Boys）而闻名（亚马逊链接）
IEX的价值主张是，它旨在成为一个"消除行业中一些最差做法的交易所"（濒临交易的文章）。 IEX Cloud（网站）是IEX的数据API分支，并提供以下免费层：
> IEX Cloud free tier (as of 9/Mar/2020)
廷戈
它们自2014年以来一直存在（请参阅有关2015年HackerNews的讨论），如果别无其他，存活了这么长时间可能是其可靠性和可行性的一个好兆头。
他们的免费套餐功能概述如下：
> Tiingo free tier (as of 9/Mar/2020)
Quandl
Quandl自2013年以来一直存在，现在作为纳斯达克的一部分存在。
他们的任务不仅是收集股票市场数据，还包括更广泛的任务，因此，他们从各种各样的来源提供各种不同领域的数据集。 尽管并非所有数据产品都是免费的，但其财务数据API是免费的，但有以下限制：
> Quandl free tier (as of 9/Mar/2020)
有趣的是，Quantl似乎还提供了为R，Python和Excel编写的本机工具，旨在使下载数据更加容易。
Alpha VantageAlpha Vantage网站上关于其成立时间，身份以及组织所代表的内容的信息相对较少，但涉及范围相对较广。
> About Alpha Vantage (link)
但是，它们确实提供了以下免费套餐，并且使用相对较广泛。
> Alpha Vantage free tier (as of 9/Mar/2020)
世界贸易数据
他们的网站（链接）类似地包含关于他们是谁的很少信息，但是与其他人类似，他们提供免费等级，并因此而闻名。
详细的免费套餐比较每个站点上的信息布局使产品比较非常困难，因此，下面是我的尝试：
可用数据幸运的是，所有这些API似乎都提供了历史和当日的美国股票价格以及外汇数据。 因此，就数据可用性而言，任何一种服务都可能满足您的大多数需求。
对于加密货币数据，IEX，Quantl和Tiingo使它们可用，而Alpha Vantage和WorldTradingData不提供。
如果您希望通过API访问其他（非价格）信息，则IEX还提供对基本面和新闻数据的API访问。 Quandl的某些数据源也是免费的。
免费套餐数据限制由于其复杂性，让我们将IEX放到最后，再看看其他：
· Tiingo：每月500个唯一符号，每小时500个请求，每天20,000个请求，每月5 GB（源）。
· 数量：如果经过验证（来源），则每天有300个请求/ 10秒，2,000个请求/ 10分钟和50,000个请求/天。 （每10分钟20个电话，如果匿名，则每天50个电话）
· Alpha Vantage：每分钟5个请求和每天500个请求（来源）。
· WorldTradingData：每天250个请求（每天25个内部请求）（来源）。
现在，让我们看一下IEX。 他们的免费套餐每月限制为50,000个核心"消息"。 每种类型的请求将使用不同数量的消息-因此，数据越重，将使用的消息越多。
50,000条消息不是很大。 平均而言，数据量不如Tiingo和Quandl一样多（尽管取决于使用情况），因此我建议您谨慎使用。
该计算器将为您估算使用某些数据终结点每个月将使用多少"消息"。
定价计算器| IEX云IEX Cloud是构建FinTech应用程序的最简单，最易访问的方法。令人高兴的是，IEX是唯一提供沙盒测试模式的模式，该模式将返回"虚拟"或随机数据。 沙箱模式可用于测试和优化代码，以及查看您将在真实，实时模式下使用多少条消息，对于个人而言，这是一个很大的好处。
文献资料通常，我发现IEX Cloud文档是我所查看的文档中最全面的文档。
以下是其文档的链接：
IEX Cloud API | IEX云IEX Cloud是构建财务应用程序的最简单方法。例如，IEX文档清楚地将响应属性传递给历史价格请求，例如：
> IEX Documentation — response attributes (link)
IEX文档包括请求示例，参数列表，响应样本和属性，以及其他方面，例如版本控制，错误代码和安全说明。
据我了解，IEX是迄今为止列出的组织中最大的组织，在这里它显示了全面性。
这并不是说缺少其他文档，而是说IEX文档非常全面。
Tiingo的文档在这里：
股市工具| 廷戈一个金融研究平台，致力于采用所有人的座右铭，同时为所有人创造创新的金融工具。
> Tiingo Documentation — response attributes (link)
Quandl在这里：
Quandl文档获取免费的API密钥以开始使用我们的数据。 开始使用我们强大的数据API，您需要分析的一切…
> Quandl Documentation — response attributes (link)
这两个都仍然非常详细，带有示例请求和参数以及响应示例和参数。 尽管可能不像IEX文档那样令人印象深刻，但它们仍然相当可靠。
最后，我将把Alpha Vantage和WorldTradingData文档放在最后一层。
Alpha Vantage API文档Alpha Vantage的API文档。 Alpha Vantage提供了免费的JSON API，用于实时和历史股票及股票…API文档| 世界贸易数据我们的API可通过我们的API有效地访问JSON或CSV格式的实时和历史股票数据…虽然它本身并不丢失任何信息，但显然它们不如其他信息完整或具有解释性。
根据您对编程和API的一般经验水平，您可能会从IEX / Tiingo和Quandl的更全面的文档中受益匪浅。
结论我试图在此处简要概述顶级的免费金融市场数据API。
上面列出的所有五个API都是令人惊叹的数据服务，尤其是考虑到它们免费运行。 如上所述，可以从所有提供商那里获得诸如历史数据或日内数据之类的通用数据类型，并且选择哪种服务可能很大程度上取决于个人选择。
说到我作为金融界的业余爱好者的个人偏好将是IEX。 对于像我这样的偶尔用户，我希望学习曲线尽可能浅，并且他们的大量文档以及其沙盒模式都将非常有帮助。 尽管如果我需要更多数据，那么Quandl或Tiingo在这里也似乎是不错的选择。
但是，总的来说，我（非专家）的观点是，所有这些似乎都是进入金融市场数据分析世界的坚实切入点，您可能希望选择最适合自己的一个。
希望您觉得这很有用，如果您有任何意见，或者我有任何错误，请告诉我！
在接下来的几周中，我将使用一个或多个API的数据作为分析示例。
（如果您想知道为什么我不包括Yahoo !，那是因为正式弃用了它-尽管许多人似乎仍在使用它）
· 注意：本文包含一个亚马逊会员链接，这意味着如果您购买商品，我将得到一笔小的佣金，无需您支付任何额外费用。
如果您喜欢这个，请在say上说/，或在Twitter上关注，或关注此处进行更新。 如果您错过了它，请查看有关可视化时间序列数据的本文。
跨时间有效地可视化数据以讲出更好的故事构建清晰易读的时间序列数据可视化，以使用Python和Plotly支持您的叙述。这就是使用Plotly Dash构建Web数据仪表板的过程。
使用Python在几分钟内构建Web数据仪表板通过将您的数据可视化转换为基于Web的仪表板，从而以指数方式提高功能和可访问性，并具有以下功能：
(本文翻译自JP Hwang的文章《Comparing the best free financial market data APIs》，参考：
https://towardsdatascience.com/comparing-the-best-free-financial-market-data-apis-158ae73c16ba)
引用地址:https://www.cha65.net/waibuwenzhang/202405/0845708.html
tags: