宏观数据 API 教程

📊 数据是研究的燃料 —— 用程序自动获取宏观数据，让你的分析有"原料"。

🎯 为什么要用 API？

痛点	API 解决
手动下载太慢	自动化拉取
数据容易错	统一来源
历史难获取	一行代码取 30 年数据
实时性差	程序可定时更新
复制粘贴易错	一次写好永久用

📊 主要数据源对比

数据源	范围	费用	难度	推荐
akshare	A 股 / 国内宏观	免费	⭐	⭐⭐⭐⭐⭐
Tushare	A 股 / 国内宏观	积分制	⭐⭐	⭐⭐⭐⭐
baostock	A 股	免费	⭐⭐	⭐⭐⭐⭐
Wind	全市场	贵	⭐⭐	⭐⭐⭐（机构）
FRED	美国宏观	免费	⭐⭐	⭐⭐⭐⭐
Yahoo Finance	全球股市	免费	⭐⭐	⭐⭐⭐⭐
World Bank	各国宏观	免费	⭐⭐	⭐⭐⭐
FRED	美国 + 全球	免费	⭐⭐	⭐⭐⭐⭐

🇺🇸 FRED（美联储经济数据库）

📌 介绍

Federal Reserve Economic Data
美国圣路易斯联储维护
80 万+ 时间序列
完全免费
数据权威（美联储官方）

🔧 Python 接入

bash

# 安装
pip install fredapi pandas

python

import pandas as pd
from fredapi import Fred

# 免费 API key（去 https://fred.stlouisfed.org/docs/api/api_key.html 申请）
fred = Fred(api_key='YOUR_API_KEY')

# ====== 获取美国 GDP ======
gdp = fred.get_series('GDP')
print(gdp.tail())
# date
# 2024-01-01    28220.0
# 2024-04-01    28480.0
# 2024-07-01    28700.0
# 2024-10-01    28920.0

# ====== 获取 CPI ======
cpi = fred.get_series('CPIAUCSL')  # 城市消费者 CPI
print(cpi.tail())

# ====== 获取失业率 ======
unrate = fred.get_series('UNRATE')
print(unrate.tail())

# ====== 批量获取 ======
data = {
    'GDP': fred.get_series('GDP'),
    'CPI': fred.get_series('CPIAUCSL'),
    '失业率': fred.get_series('UNRATE'),
    '联邦基金利率': fred.get_series('FEDFUNDS')
}
df = pd.DataFrame(data)
print(df.tail())

📊 常用 FRED 指标

Series ID	指标	频率
GDP	国内生产总值	季度
CPIAUCSL	城市 CPI	月
UNRATE	失业率	月
FEDFUNDS	联邦基金利率	月
DGS10	10 年期国债收益率	日
DGS2	2 年期国债收益率	日
M2SL	M2 货币供应	月
INDPRO	工业生产指数	月
RSAFS	零售销售	月
BAMLH0A0HYM2	高收益债利差	日
DEXUSEU	美元 / 欧元汇率	日
DCOILWTICO	WTI 原油价格	日
GOLDAMGBD228NLBM	黄金价格	日
VIXCLS	VIX 波动率指数	日
DAAA	穆迪 Aaa 公司债收益率	月
T10YIE	10 年期通胀预期	日

📊 实战案例：美林时钟自动识别

python

import pandas as pd
import numpy as np
from fredapi import Fred

def identify_economic_phase(fred):
    """根据 FRED 数据识别经济周期阶段"""
    
    # 获取关键指标
    gdp_growth = fred.get_series('GDPC1').pct_change(4)  # 实际 GDP 同比
    cpi_yoy = fred.get_series('CPIAUCSL').pct_change(12)  # CPI 同比
    unemp = fred.get_series('UNRATE')
    
    latest_gdp = gdp_growth.iloc[-1]
    latest_cpi = cpi_yoy.iloc[-1]
    latest_unemp = unemp.iloc[-1]
    prev_unemp = unemp.iloc[-2]
    
    # 美林时钟四阶段判断
    growth_rising = latest_gdp > 0
    inflation_high = latest_cpi > 2.5
    unemployment_rising = latest_unemp > prev_unemp
    
    if growth_rising and not inflation_high:
        return "复苏 (Recovery)"
    elif growth_rising and inflation_high:
        return "过热 (Overheat)"
    elif not growth_rising and inflation_high:
        return "滞胀 (Stagflation)"
    else:
        return "衰退 (Recession)"

# 运行
fred = Fred(api_key='YOUR_API_KEY')
phase = identify_economic_phase(fred)
print(f"当前经济周期: {phase}")
# 建议配置：
# 复苏：股票 / 工业 / 可选消费
# 过热：商品 / 能源 / 材料
# 滞胀：现金 / 黄金 / 必需消费
# 衰退：债券 / 公用事业 / 医疗

🇨🇳 Tushare（A股数据）

📌 介绍

国内最专业的金融数据 API
A 股 / 期货 / 基金 / 港股 全覆盖
积分制：注册送 100 积分，基础数据够用
数据准确度高于 akshare

🔧 安装与注册

bash

# 安装
pip install tushare

# 注册：https://tushare.pro/register
# 获得 token

🔧 Python 接入

python

import tushare as ts

# 初始化（用自己的 token）
pro = ts.pro_api('YOUR_TOKEN')

# ====== 获取股票基本信息 ======
df = pro.stock_basic(
    list_status='L',  # 上市
    fields='ts_code,name,industry,list_date'
)
print(df.head())

# ====== 获取日线行情 ======
df = pro.daily(
    ts_code='000001.SZ',  # 平安银行
    start_date='20240101',
    end_date='20241231'
)
print(df.head())

# ====== 获取财务数据 ======
df = pro.income(
    ts_code='600519.SH',  # 贵州茅台
    period='20241231',
    fields='ts_code,end_date,revenue,n_income'
)
print(df)

# ====== 获取宏观数据 ======
# CPI
df = pro.cn_cpi(
    m='12',  # 月
    fields='month,cpi,ppi'
)

# M2
df = pro.cn_money_supply(
    m='12',
    fields='month,m2,m2_yoy'
)

# GDP
df = pro.cn_gdp(
    q='2024Q4',
    fields='quarter,gdp,gdp_yoy'
)

📊 常用 Tushare 接口

接口	用途	积分
`stock_basic`	股票基本信息	100
`daily`	日线行情	100
`daily_basic`	每日指标	100
`income`	利润表	2000
`balancesheet`	资产负债表	2000
`cashflow`	现金流量表	2000
`dividend`	分红送股	2000
`cn_cpi`	中国 CPI	100
`cn_money_supply`	货币供应	100
`cn_gdp`	中国 GDP	100
`index_daily`	指数日线	100
`fund_basic`	基金基本信息	100
`futures_daily`	期货日线	100
`shibor`	银行间拆借利率	100

🇨🇳 akshare（免费 A 股 + 宏观）

📌 介绍

完全免费，无注册
数据源丰富（爬虫）
适合学习和个人使用
偶尔数据格式会变（不保证稳定）

🔧 Python 接入

bash

pip install akshare

python

import akshare as ak
import pandas as pd

# ====== A 股股票列表 ======
df = ak.stock_zh_a_spot_em()  # 实时行情
print(df.head())

# ====== 个股历史 K 线 ======
df = ak.stock_zh_a_hist(
    symbol='600519',  # 茅台
    period='daily',
    start_date='20240101',
    end_date='20241231',
    adjust='qfq'  # 前复权
)
print(df.head())

# ====== 指数行情 ======
df = ak.stock_zh_index_daily(symbol='sh000300')  # 沪深 300
print(df.head())

# ====== 宏观数据 ======
# CPI
df = ak.macro_china_cpi()
# PPI
df = ak.macro_china_ppi()
# GDP
df = ak.macro_china_gdp()
# M2
df = ak.macro_china_money_supply()
# PMI
df = ak.macro_china_pmi()
# LPR
df = ak.macro_china_lpr()

# ====== 基金 ======
df = ak.fund_open_fund_info_em(symbol='000001', indicator='单位净值走势')
print(df.head())

📊 akshare 数据分类

类别	函数	说明
A 股行情	`stock_zh_a_*`	K 线、实时行情
港股行情	`stock_hk_*`	港股实时
美股行情	`stock_us_*`	美股实时
期货	`futures_*`	期货数据
基金	`fund_*`	开放式基金
债券	`bond_*`	国债、地方债
外汇	`currency_*`	汇率
黄金	`futures_foreign_*`	黄金、白银
宏观	`macro_china_*`	CPI/GDP/PMI 等
美联储	`macro_usa_*`	美国宏观

🌍 Yahoo Finance（全球股市）

📌 介绍

全球最全的免费金融数据
股票 / ETF / 指数 / 外汇 / 加密货币
API 稳定（10+ 年）

🔧 Python 接入

bash

pip install yfinance

python

import yfinance as yf
import pandas as pd

# ====== 下载美股历史数据 ======
apple = yf.Ticker('AAPL')
df = apple.history(period='1y')
print(df.head())

# ====== 下载多只股票 ======
tickers = yf.Tickers('AAPL MSFT GOOGL NVDA')
df = tickers.history(period='1mo')
print(df.head())

# ====== 下载港股 ======
tsla = yf.Ticker('0700.HK')  # 腾讯
df = tsla.history(period='6mo')
print(df.head())

# ====== 下载指数 ======
spx = yf.Ticker('^SPX')  # 标普 500
df = spx.history(period='1y')
print(df.head())

# ====== 实时报价 ======
info = apple.info
print(info['marketCap'])      # 市值
print(info['trailingPE'])      # PE
print(info['dividendYield'])   # 股息率

# ====== 财务数据 ======
df = apple.financials  # 利润表
print(df)

# ====== 财报日期 ======
cal = apple.calendar
print(cal)

📊 常用 Yahoo Finance 代码

代码	类型	说明
`AAPL`	股票	苹果
`MSFT`	股票	微软
`^SPX`	指数	标普 500
`^DJI`	指数	道琼斯
`^IXIC`	指数	纳斯达克综合
`^VIX`	指数	波动率指数
`0700.HK`	港股	腾讯
`9988.HK`	港股	阿里
`BTC-USD`	加密	比特币
`GC=F`	期货	黄金
`CL=F`	期货	原油
`EURUSD=X`	外汇	欧元 / 美元
`SPY`	ETF	标普 500 ETF
`QQQ`	ETF	纳指 100 ETF

📊 实战项目

项目 1：美林时钟仪表板

python

import pandas as pd
import matplotlib.pyplot as plt
from fredapi import Fred

def build_clock_dashboard():
    fred = Fred(api_key='YOUR_KEY')
    
    # 获取数据
    data = {
        'GDP': fred.get_series('GDPC1').pct_change(4) * 100,
        'CPI': fred.get_series('CPIAUCSL').pct_change(12) * 100,
        '失业率': fred.get_series('UNRATE'),
        '10Y国债': fred.get_series('DGS10'),
    }
    df = pd.DataFrame(data).dropna()
    latest = df.iloc[-1]
    
    # 打印仪表板
    print('=' * 50)
    print(f'    美林时钟仪表板 - {df.index[-1].date()}')
    print('=' * 50)
    print(f'GDP 同比:        {latest["GDP"]:.2f}%')
    print(f'CPI 同比:        {latest["CPI"]:.2f}%')
    print(f'失业率:          {latest["失业率"]:.2f}%')
    print(f'10Y 国债:        {latest["10Y国债"]:.2f}%')
    print('-' * 50)
    
    # 阶段判断
    if latest['GDP'] > 2 and latest['CPI'] < 3:
        phase = '复苏'
        advice = '股票 / 工业 / 可选消费'
    elif latest['GDP'] > 2 and latest['CPI'] > 3:
        phase = '过热'
        advice = '商品 / 能源 / 材料'
    elif latest['GDP'] < 0 and latest['CPI'] > 3:
        phase = '滞胀'
        advice = '现金 / 黄金 / 必需消费'
    else:
        phase = '衰退'
        advice = '债券 / 公用事业 / 医疗'
    
    print(f'当前阶段:        {phase}')
    print(f'配置建议:        {advice}')

build_clock_dashboard()

项目 2：A 股宏观经济仪表板

python

import akshare as ak
import pandas as pd
import matplotlib.pyplot as plt

def build_a_share_dashboard():
    # 获取多个宏观指标
    indicators = {
        'CPI': ak.macro_china_cpi(),
        'PPI': ak.macro_china_ppi(),
        'M2': ak.macro_china_money_supply(),
        'PMI': ak.macro_china_pmi(),
        'GDP': ak.macro_china_gdp()
    }
    
    # 打印最新数据
    for name, df in indicators.items():
        if not df.empty:
            latest = df.iloc[0]
            print(f'{name}: {latest.iloc[1]}')  # 第二列是数值

build_a_share_dashboard()

项目 3：跨市场资产对比

python

import yfinance as yf
import akshare as ak
import pandas as pd
import matplotlib.pyplot as plt

def cross_market_compare():
    # 美股
    sp500 = yf.Ticker('^SPX').history(period='1y')['Close']
    # A 股
    a股 = ak.stock_zh_index_daily(symbol='sh000300').set_index('date')['close']
    
    # 标准化
    sp500_norm = sp500 / sp500.iloc[0] * 100
    a股_norm = a股 / a股.iloc[0] * 100
    
    # 画图
    plt.figure(figsize=(12, 6))
    plt.plot(sp500_norm.index, sp500_norm.values, label='S&P 500')
    plt.plot(a股_norm.index, a股_norm.values, label='沪深 300')
    plt.title('美股 vs A 股 1 年走势')
    plt.legend()
    plt.grid(True)
    plt.show()

cross_market_compare()

🛠️ 工具组合

📌 数据分析流水线

原始数据 (API)
    ↓
清洗 (pandas)
    ↓
可视化 (matplotlib / plotly / seaborn)
    ↓
分析（统计 / 机器学习）
    ↓
报告（Jupyter / Streamlit / Dash）

📌 推荐组合

用途	工具
美股数据	yfinance + FRED
A 股数据	akshare + Tushare
港股数据	akshare + 富途 API
宏观数据	FRED + akshare + Wind
数据清洗	pandas + numpy
可视化	matplotlib + plotly
分析	scipy + statsmodels
机器学习	scikit-learn + PyTorch
报告	Jupyter + Streamlit

📌 Jupyter Notebook 模板

python

# Cell 1: 导入库
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import akshare as ak
from fredapi import Fred
import yfinance as yf

# Cell 2: 设定主题
plt.style.use('seaborn-v0_8')
plt.rcParams['font.sans-serif'] = ['SimHei']  # 中文
plt.rcParams['axes.unicode_minus'] = False

# Cell 3: 获取数据
# ...

# Cell 4: 分析
# ...

# Cell 5: 可视化
# ...

⚠️ 注意事项

1. 数据限制

频率限制：FRED 120 次/分钟
Tushare 积分：高级数据要 2000+ 积分
akshare 稳定性：爬虫数据格式会变
延迟：FRED 数据有 1-7 天延迟

2. 数据清洗

缺失值：用 ffill / bfill 填充
异常值：用 3σ 原则过滤
复权：股票数据要复权处理
频率转换：日 / 周 / 月对齐

3. 道德合规

遵守 API 服务条款
不爬取付费内容
数据不用于非法目的
引用时注明数据来源

📖 相关阅读

来源

证监会公开公告
上交所交易规则
深交所 / 北交所规则
中国证券业协会（SAC）、中国证券投资基金业协会（AMAC）公开资料
国家金融监督管理总局、人社部、财政部、税务总局公开资料

💡 数据截至 2026-08；具体规则以交易所/监管机构最新公告为准。

宏观数据 API 教程 ​

🎯 为什么要用 API？ ​

📊 主要数据源对比 ​

🇺🇸 FRED（美联储经济数据库） ​

📌 介绍 ​

🔧 Python 接入 ​

📊 常用 FRED 指标 ​

📊 实战案例：美林时钟自动识别 ​

🇨🇳 Tushare（A股数据） ​

📌 介绍 ​

🔧 安装与注册 ​

🔧 Python 接入 ​

📊 常用 Tushare 接口 ​

🇨🇳 akshare（免费 A 股 + 宏观） ​

📌 介绍 ​

🔧 Python 接入 ​

📊 akshare 数据分类 ​

🌍 Yahoo Finance（全球股市） ​

📌 介绍 ​

🔧 Python 接入 ​

📊 常用 Yahoo Finance 代码 ​

📊 实战项目 ​

项目 1：美林时钟仪表板 ​

项目 2：A 股宏观经济仪表板 ​

项目 3：跨市场资产对比 ​

🛠️ 工具组合 ​

📌 数据分析流水线 ​

📌 推荐组合 ​

📌 Jupyter Notebook 模板 ​

⚠️ 注意事项 ​

1. 数据限制 ​

2. 数据清洗 ​

3. 道德合规 ​

📖 相关阅读 ​

来源 ​

宏观数据 API 教程

🎯 为什么要用 API？

📊 主要数据源对比

🇺🇸 FRED（美联储经济数据库）

📌 介绍

🔧 Python 接入

📊 常用 FRED 指标

📊 实战案例：美林时钟自动识别

🇨🇳 Tushare（A股数据）

📌 介绍

🔧 安装与注册

🔧 Python 接入

📊 常用 Tushare 接口

🇨🇳 akshare（免费 A 股 + 宏观）

📌 介绍

🔧 Python 接入

📊 akshare 数据分类

🌍 Yahoo Finance（全球股市）

📌 介绍

🔧 Python 接入

📊 常用 Yahoo Finance 代码

📊 实战项目

项目 1：美林时钟仪表板

项目 2：A 股宏观经济仪表板

项目 3：跨市场资产对比

🛠️ 工具组合

📌 数据分析流水线

📌 推荐组合

📌 Jupyter Notebook 模板

⚠️ 注意事项

1. 数据限制

2. 数据清洗

3. 道德合规

📖 相关阅读

来源