如何用 Python 获取 A 股历史 K 线数据？（前复权/后复权详解）

如何用 Python 获取 A 股历史 K 线数据？（前复权/后复权详解）

一句话回答： 用一个支持 OHLCV 历史查询的行情数据 API（如 AlphaFeed）几行代码就能拿到 A 股任意标的的日/周/月 K 线；关键是要选对复权方式——算收益率用前复权，做长期价格比较用后复权，看真实成交价用不复权。

下面把整个流程讲清楚。

为什么获取 K 线数据没有想象中简单

新手常见的做法是从行情软件里导出 CSV，或者去网页上扒数据。这两种方式的问题是：

• 无法批量、无法自动化、无法程序化更新；
• 大多数导出的数据没有说明复权方式，导致你算出来的收益率是错的；
• 分红送股会让价格出现”断崖式”跳空，如果不处理，任何基于价格的计算都会失真。

正确的做法是用一个数据 API 直接把结构化的 K 线拉进 Python，同时明确指定复权方式。

三行代码获取日 K 线

from alphafeed import AlphaFeed

af = AlphaFeed(api_key="your-api-key")

# 获取贵州茅台最近 10 根日 K 线
df = af.klines.get("600519.SH", period="1d", count=10, to_dataframe=True)
print(df[["trade_date", "open", "high", "low", "close", "volume"]])

标的代码统一使用 {代码}.{交易所后缀} 格式：

支持的周期

日线接口支持多种周期，通过 period 参数指定：

复权方式：这是最容易踩坑的地方

上市公司分红、送股、配股后，股价会出现向下的跳空缺口。这个缺口不是真的下跌，而是”除权”造成的。如果你直接用原始价格算收益率，就会凭空多出一笔”亏损”。复权就是用来消除这种失真的。

AlphaFeed 的 K 线接口用 adjust 参数控制复权方式：

# 前复权（默认）——最近的价格 = 当前真实价格，历史价格被下调
df_fwd = af.klines.get("600519.SH", period="1d", count=250, adjust="forward", to_dataframe=True)

# 后复权——历史价格 = 真实价格，越靠近现在数值越大，适合长期回测
df_bwd = af.klines.get("600519.SH", period="1d", count=250, adjust="backward", to_dataframe=True)

# 不复权——原样返回真实成交价
df_raw = af.klines.get("600519.SH", period="1d", count=250, adjust="none", to_dataframe=True)

一个实用的判断准则：

• 你要算”过去一年涨了多少” → 用 forward 或 backward，两者算出的收益率一致；
• 你要做长周期回测、把多年前的价格和今天比 → 用 backward（前复权在遇到新的除权时会整体重算，历史值会变动，不利于回测复现）；
• 你要核对某天的真实挂单价、涨跌停价 → 用 none。

比例复权用乘法因子还原价格，适合算收益率；差值复权用加减法还原，适合看绝对价差。

按时间区间获取

用 start_time 和 end_time（毫秒时间戳）指定区间：

import datetime
from alphafeed import AlphaFeed

af = AlphaFeed(api_key="your-api-key")

start = int(datetime.datetime(2024, 1, 1).timestamp() * 1000)
end = int(datetime.datetime(2024, 12, 31).timestamp() * 1000)

df = af.klines.get("000001.SZ", period="1d", start_time=start, end_time=end, to_dataframe=True)
print(f"2024 全年共 {len(df)} 个交易日")

也可以用 end_time + count 获取”某天之前的最近 N 根 K 线”：

end = int(datetime.datetime(2024, 6, 30).timestamp() * 1000)
df = af.klines.get("600519.SH", period="1d", count=20, end_time=end, to_dataframe=True)

保存到本地，避免重复请求

拿到 DataFrame 后建议落盘，后续分析直接读本地文件：

# CSV：通用、可读
df.to_csv("600519_daily.csv", index=False)

# Parquet：体积小、读写快，适合大量标的（需先 pip install pyarrow）
df.to_parquet("600519_daily.parquet")

提示：to_parquet 需要 pyarrow（或 fastparquet）引擎，先 pip install pyarrow；不想装依赖就用 CSV。

常见问题（FAQ）

Q：返回的数据包含哪些字段？ A：日线包含 symbol、name、trade_date、open、high、low、close、volume；分钟线用 trade_time 代替 trade_date。

Q：默认是什么复权方式？ A：默认 forward（前复权-比例复权）。不指定 adjust 时即为该值。

Q：一次能取多久的历史？ A：用 count 控制返回条数，或用 start_time/end_time 指定任意区间，两者可组合。

Q：需要付费吗？ A：单只标的的历史 K 线在免费额度内即可体验；批量、全市场查询需要 Starter 及以上方案。详见 定价页面。

小结

获取 A 股历史 K 线的关键不是”能不能拿到数据”，而是拿到的是不是你以为的那份数据——复权方式选错，后面所有计算都会跑偏。用 AlphaFeed 这类支持显式 adjust 参数的接口，一行代码就能拿到干净、可复现的 OHLCV。

相关链接：

• AlphaFeed 官网：https://alphafeed.org/
• Python SDK 快速开始：https://docs.alphafeed.org/zh-Hans/sdk/python-quickstart
• K 线接口文档：https://docs.alphafeed.org/zh-Hans/sdk/python-quickstart