Ashare - 深度分析报告

技术背景与动机

行业背景

中国 A 股市场的量化交易和程序化分析在 2020-2026 年间快速增长。Python 凭借 pandas、numpy 等科学计算生态，成为量化研究的主流语言。然而，获取 A 股行情数据的门槛一直是量化入门的核心痛点：

• Tushare（2015 年创建，14,742 Stars）：专业级数据接口，但 2026 年已实行积分制，A股分钟级数据约 1,000 元/月，高精度数据需捐赠获取。
• AKShare（2019 年创建，18,194 Stars）：功能全面的财经数据接口库，覆盖股票/期货/期权/基金/外汇/债券等，但其本质是网页爬虫聚合，存在 IP 频率限制和稳定性问题。
• BaoStock：专注于历史 K 线和财务数据，数据种类相对有限。

这些库普遍存在 API 复杂、依赖层级深、需要注册认证或积分等问题。对于只需要获取基本行情数据（开高低收量）的量化入门者和小型项目来说，使用门槛偏高。

创立动机

Ashare 由 mpquant 于 2021 年 6 月创建，核心动机是：

1. 将 A 股数据获取简化到极致：整个库只有一个文件（Ashare.py，约 70 行代码），只有一个对外暴露的函数 get_price()。用户无需学习复杂 API，安装后 from Ashare import * 即可使用。
2. 消除配置和认证门槛：无需 API Key、无需注册账户、无需积分。直接调用公开的新浪财经和腾讯股票数据接口，零配置即可获取数据。
3. 双数据源确保可用性：新浪财经接口作为主力，腾讯股票接口作为备用。主力接口异常时自动降级到备用接口，无需用户手动切换。

发展历程

• 2021-06-11：项目创建，发布初始版本，提供基于新浪 API 的基本行情数据获取
• 2021-2024：持续维护，逐步增加腾讯数据源作为备用接口，增加分钟线支持
• 2025-12-21：源码注释标注"2025-12-21日正常使用"，确认双核心接口仍在正常工作
• 2025-12-24：仓库最后一次 Git Push（截至 2026-04-12）
• 2026-04-12：GitHub Stars 达到 3,348，Forks 达到 610

注：项目无正式版本号、无 Git Tag、无 GitHub Release。源码持续更新但未采用语义化版本管理。

核心原理

设计哲学

Ashare 的设计围绕三个核心理念：

1. 极简优于全面（Simplicity over Completeness）：整个库只有 70 行代码、1 个文件、1 个对外函数。不追求覆盖所有金融数据类型，只专注于最核心的行情数据（开高低收量）。这与 AKShare 的"全面覆盖"理念形成鲜明对比。

2. 免费优于专业（Free over Professional）：基于公开的财经网站 API（新浪、腾讯），无需任何认证或付费。牺牲了数据的全面性和官方保障，换取了零门槛的使用体验。

3. 可用性优于一致性（Availability over Consistency）：双数据源热备设计，新浪失败自动切换腾讯。用户无需关心底层使用的是哪个数据源，只要能拿到数据即可。

设计取舍： - 仅行情数据 vs 全金融数据：只提供 K 线行情数据（open/close/high/low/volume），不提供财务报表、公告、指数估值等基本面数据。换取了极简的代码和使用方式。[置信度：高] - 公开 API vs 私有数据源：依赖新浪/腾讯的公开 API，无 SLA 保障，接口可能随时变更。换取了完全免费和无认证。[置信度：高] - 无版本管理 vs 语义化版本：没有正式版本号，直接在源码中更新。换取了维护简便，但增加了用户追踪变更的难度。[置信度：高]

核心机制

双数据源热备机制

Ashare 的核心创新在于双数据源的自动切换设计：

用户调用 get_price(code, end_date, count, frequency)
  │
  ▼
判断 frequency 类型
  │
  ├─ 日线/周线/月线 ('1d'/'1w'/'1M')
  │    │
  │    ├─ try: get_price_sina() ← 主力（新浪财经 API）
  │    │    │
  │    │    ├─ 成功 → 返回 DataFrame
  │    │    └─ 异常 ↓
  │    │
  │    └─ except: get_price_day_tx() ← 备用（腾讯股票 API）
  │         └─ 返回 DataFrame
  │
  └─ 分钟线 ('1m'/'5m'/'15m'/'30m'/'60m')
       │
       ├─ '1m' (1分钟线) → get_price_min_tx() ← 仅腾讯支持
       │
       └─ 其他分钟线
            ├─ try: get_price_sina() ← 主力
            └─ except: get_price_min_tx() ← 备用

基于源码 Ashare.py（master 分支，2025-12-24）

新浪财经 API 调用机制

新浪接口是 Ashare 的主力数据源，用于日线和大部分分钟线数据：

# 新浪 API 请求 URL 模式
URL = f'http://money.finance.sina.com.cn/quotes_service/api/json_v2.php/CN_MarketData.getKLineData?symbol={code}&scale={ts}&ma=5&datalen={count}'

关键设计： - 频率转换：将 '1d' 转为 '240m'、'1w' 转为 '1200m'、'1M' 转为 '7200m' - 结束日期处理：通过计算 end_date 到当前日期的天数差，额外增加 count 值，再截取所需数量 - 返回 JSON 解析后转为 pandas DataFrame，统一列名为 ['open', 'high', 'low', 'close', 'volume']

腾讯股票 API 调用机制

腾讯接口作为备用数据源，同时是 1 分钟线的唯一数据源：

# 腾讯日线/周线/月线 API
URL = f'http://web.ifzq.gtimg.cn/appstock/app/fqkline/get?param={code},{unit},,{end_date},{count},qfq'

# 腾讯分钟线 API
URL = f'http://ifzq.gtimg.cn/appstock/app/kline/mkline?param={code},m{ts},,{count}'

关键设计： - unit 参数映射：'1w' → 'week'，'1M' → 'month'，其他 → 'day' - 指数数据处理：指数返回字段名不含 'qfq' 前缀（如 'day' 而非 'qfqday'），代码中做了兼容处理 - 分钟线的最新收盘价通过 qt（实时行情）接口补充

基于源码 Ashare.py（master 分支，2025-12-24）

数据流/执行流程

股票代码 + 参数
  │
  ▼
get_price(code, end_date, count, frequency)
  │
  ├─ 1. 股票代码格式兼容处理
  │     '600519.XSHG' → 'sh600519'
  │     '000001.XSHE' → 'sz000001'
  │     'sh600519'    → 'sh600519'（保持不变）
  │
  ├─ 2. 根据 frequency 分派到不同获取函数
  │
  ├─ 3. HTTP GET 请求（新浪或腾讯 API）
  │     → JSON 文本响应
  │
  ├─ 4. JSON 解析 + DataFrame 构造
  │     → pd.DataFrame(columns=['time','open','close','high','low','volume'])
  │     → 数据类型转换（astype float）
  │     → 时间索引设置（pd.to_datetime）
  │
  └─ 5. 返回 DataFrame（DatetimeIndex + OHLCV 列）

基于源码 Ashare.py（master 分支，2025-12-24）

架构设计

整体架构

┌─────────────────────────────────────────────────────┐
│              用户接口层（User API Layer）              │
│   get_price(code, end_date, count, frequency)       │
├─────────────────────────────────────────────────────┤
│              代码适配层（Code Adapter Layer）          │
│   XSHG/XSHE → sh/sz 格式转换                         │
├─────────────────────────────────────────────────────┤
│              频率路由层（Frequency Router Layer）      │
│   日线/周线/月线 → get_price_sina (主) / _tx (备)     │
│   分钟线       → get_price_sina (主) / _tx (备)      │
│   1分钟线      → get_price_min_tx (仅腾讯)           │
├─────────────────────────────────────────────────────┤
│              数据源层（Data Source Layer）             │
│   新浪财经 API（money.finance.sina.com.cn）          │
│   腾讯股票 API（web.ifzq.gtimg.cn / ifzq.gtimg.cn） │
├─────────────────────────────────────────────────────┤
│              数据处理层（Data Processing Layer）       │
│   JSON 解析 → pandas DataFrame → 类型转换 → 索引设置 │
└─────────────────────────────────────────────────────┘

核心模块

• get_price()（统一入口函数） - 唯一对外暴露的函数，负责股票代码格式兼容处理、频率路由（日线/周线/月线走新浪+腾讯备用，分钟线走新浪+腾讯备用，1分钟线仅腾讯），以及 try-except 自动降级逻辑。
• get_price_sina()（新浪全周期获取） - 新浪财经 API 封装，支持全部周期（通过 scale 参数映射），包含 end_date 时的 count 增量计算逻辑，处理 JSON 响应并构造 DataFrame。
• get_price_day_tx()（腾讯日/周/月线获取） - 腾讯股票日线 API 封装，处理指数和股票的不同返回格式（qfqday vs day），构造 DataFrame。
• get_price_min_tx()（腾讯分钟线获取） - 腾讯股票分钟线 API 封装，解析 frequency 获取周期数，额外获取实时行情修正最新收盘价。

扩展机制

Ashare 不提供正式的扩展机制（无插件系统、无钩子、无中间件）。但基于其极简架构，用户可以通过以下方式定制：

1. 直接修改 Ashare.py：由于只有 70 行代码，用户可以直接修改源码添加新的数据源或数据字段。
2. 函数级覆盖：Python 的动态特性允许用户重新绑定 get_price 函数或其内部函数，实现自定义行为。
3. MCP 封装：社区已有 Ashare-MCP 项目，将 Ashare 封装为 MCP（Model Context Protocol）工具，支持 AI Agent 调用。

关键概念详解

get_price() 统一接口

• 定义： Ashare 唯一对外暴露的函数，接受股票代码、结束日期、数据条数和频率参数，返回 pandas DataFrame 格式的行情数据。
• 作用： 将不同数据源（新浪/腾讯）、不同周期（日/周/月/分钟）的差异化逻辑完全封装，对外提供统一的调用接口。用户只需关心"我要什么股票、什么周期、多少条数据"三个参数。
• 使用场景： 获取任意 A 股的行情数据，用于量化策略开发、技术分析、数据回测等。
• 代码示例：

# 基于官方 README 及源码（master 分支，2025-12-24）

from Ashare import *

# 获取上证指数最近 10 日日线数据
df = get_price('sh000001', frequency='1d', count=10)
print('上证指数日线行情\n', df)

# 获取贵州茅台最近 20 日日线数据
df = get_price('sh600519', frequency='1d', count=20)
print(df)

# 获取平安银行最近 10 条 15 分钟线数据（同花顺代码格式）
df = get_price('000001.XSHE', frequency='15m', count=10)
print('平安银行分钟线\n', df)

# 获取指定结束日期的日线数据
df = get_price('sh600519', end_date='2025-12-20', count=10, frequency='1d')
print(df)

基于官方 README 及源码（master 分支，2025-12-24）

双数据源热备（Dual Data Source Hot-Standby）

• 定义： Ashare 内置新浪财经和腾讯股票两个数据源，通过 try-except 机制实现自动故障切换。
• 作用： 当主力数据源（新浪）请求失败时（网络异常、接口变更、频率限制等），自动降级到备用数据源（腾讯），确保数据获取的高可用性。
• 使用场景： 在新浪财经 API 不稳定或临时不可用时，自动切换到腾讯股票 API 继续获取数据，用户无感知。
• 代码示例：

# 源码中的热备实现逻辑（基于 Ashare.py master 分支，2025-12-24）

def get_price(code, end_date='', count=10, frequency='1d', fields=[]):
    # ... 代码格式转换 ...

    if frequency in ['1d', '1w', '1M']:  # 日线/周线/月线
        try:
            return get_price_sina(xcode, ...)      # 主力：新浪接口
        except:
            return get_price_day_tx(xcode, ...)     # 备用：腾讯接口

    if frequency in ['1m', '5m', '15m', '30m', '60m']:  # 分钟线
        if frequency in '1m':
            return get_price_min_tx(xcode, ...)     # 1分钟线仅腾讯支持
        try:
            return get_price_sina(xcode, ...)       # 主力：新浪接口
        except:
            return get_price_min_tx(xcode, ...)     # 备用：腾讯接口

基于源码 Ashare.py（master 分支，2025-12-24）

多代码格式兼容（Multi-Code Format Compatibility）

• 定义： Ashare 支持多种常见的 A 股代码格式，内部自动转换为新浪/腾讯 API 要求的格式。
• 作用： 降低从其他量化平台（聚宽、同花顺等）迁移代码时的改造成本。用户无需手动将 600519.XSHG 转换为 sh600519。
• 使用场景： 从聚宽、同花顺等平台迁移量化策略时，直接复用原有的股票代码格式。
• 代码示例：

# 源码中的代码转换逻辑（基于 Ashare.py master 分支，2025-12-24）

# 以下三种格式获取同一只股票（贵州茅台）的数据
df1 = get_price('sh600519')           # 通达信格式
df2 = get_price('600519.XSHG')        # 同花顺/聚宽格式
df3 = get_price('sz000001')           # 通达信格式（深圳）
df4 = get_price('000001.XSHE')        # 同花顺/聚宽格式（深圳）

# 内部转换逻辑：
# '600519.XSHG' → 去掉后缀 → '600519' → 加上交易所前缀 → 'sh600519'
# '000001.XSHE' → 去掉后缀 → '000001' → 加上交易所前缀 → 'sz000001'

基于源码 Ashare.py（master 分支，2025-12-24）

多周期行情数据（Multi-Period Market Data）

• 定义： Ashare 支持日线（'1d'）、周线（'1w'）、月线（'1M'）和分钟线（'1m'、'5m'、'15m'、'30m'、'60m'）共 8 种周期。
• 作用： 覆盖量化分析中最常用的行情周期。日线用于中长期趋势分析，分钟线用于短线和日内策略。
• 使用场景： 构建多周期量化策略、技术指标计算（如 MACD、KDJ）、K 线形态识别。
• 代码示例：

# 基于官方 README 及源码（master 分支，2025-12-24）

from Ashare import *

# 日线数据（默认）
df_day = get_price('sh600519', frequency='1d', count=30)

# 周线数据
df_week = get_price('sh600519', frequency='1w', count=20)

# 月线数据
df_month = get_price('sh600519', frequency='1M', count=12)

# 5 分钟线数据
df_5min = get_price('sh600519', frequency='5m', count=100)

# 60 分钟线数据
df_60min = get_price('sh600519', frequency='60m', count=50)

基于官方 README 及源码（master 分支，2025-12-24）

同类技术横向对比

数据获取日期：2026-04-12。Stars/Forks 数据来自 GitHub API 实时查询。BaoStock 因无明确 GitHub 仓库，Stars 和 Forks 为估算值，基于社区观察标注 [置信度：低]。Tushare 仓库最后推送日期为 2024-03-13，表明开源版已约 2 年未更新。Ashare 的 BaoStock 对比数据中 License 标注为"估算" [置信度：低]。

适用场景分析

最佳场景

1. 量化交易入门学习：Ashare 的零配置、单函数 API 是量化入门的最佳选择。学习者无需注册账户、无需处理复杂的数据清洗逻辑，只需 get_price() 即可获得标准格式的行情数据，可将精力集中在策略开发而非数据获取上。[置信度：高]

2. 小型量化项目快速原型：需要快速验证某个交易思路或策略假设时，Ashare 可以在几分钟内搭建数据获取管道。70 行代码的极简架构意味着即使出问题也容易排查和修复。[置信度：高]

3. 股票数据获取教学：在编程教学场景中，Ashare 是演示"如何用 Python 获取股票数据"的理想工具。代码简洁、无配置门槛、输出标准格式，适合课堂教学和在线教程。[置信度：高]

4. MCP/AI Agent 数据集成：Ashare 的极简 API 使其成为 MCP（Model Context Protocol）封装的理想底层库。社区已有 Ashare-MCP 项目，将 get_price() 封装为 AI Agent 可调用的工具。[置信度：中]

不适用场景

1. 专业量化交易系统：缺乏 SLA 保障、数据验证机制、频率控制和错误重试策略。专业量化系统建议使用 Tushare Pro 或自建数据服务。

2. 需要基本面数据的项目：Ashare 仅提供 K 线行情数据，不支持财务报表、公司公告、指数估值、行业分类等基本面数据。需要基本面分析的场景建议使用 AKShare 或 Tushare。

3. 高频率实时数据需求：基于公开 API 的实现存在延迟，不适合需要实时或近实时数据的场景（如高频交易、实时监控系统）。

优缺点深度分析

优势

1. 极致的简洁性 - 整个库只有一个文件（70 行代码），只有一个对外函数。这是 Ashare 最大的差异化优势。相比 AKShare 的数百个函数和 Tushare 的复杂认证体系，Ashare 的学习成本几乎为零。[置信度：高]

2. 零配置零认证 - 无需 API Key、无需注册、无需积分。安装后直接使用，没有任何配置门槛。这是量化入门者最需要的特性。[置信度：高]

3. 双数据源热备 - 新浪 + 腾讯双源自动切换，提高了数据获取的可用性。新浪接口异常时自动降级到腾讯，用户无需手动干预。[置信度：高]

4. 多代码格式兼容 - 支持通达信、同花顺/聚宽两种主流代码格式，降低了从其他平台迁移的改造成本。[置信度：高]

劣势

1. 数据类型极其有限 - 仅提供 K 线行情数据（OHLCV），不支持财务报表、公告、指数、基金、期货等任何其他数据类型。功能覆盖面远小于 AKShare 和 Tushare。[置信度：高]

2. 无版本管理 - 没有正式版本号、Git Tag 或 Release。源码直接在 master 分支更新，用户无法追踪 API 变更，也无法固定依赖版本。这对生产环境使用构成风险。[置信度：高]

3. 无 License 声明 - 仓库中无 LICENSE 文件，法律上意味着默认适用版权法（All Rights Reserved），虽然 mpquant 大概率无意限制使用，但严格的合规场景下存在法律不确定性。[置信度：高]

4. 维护频率较低 - 最后一次 Git Push 为 2025-12-24（距今约 3.5 个月），虽然源码注释标注接口仍正常使用，但长期维护节奏不确定。[置信度：中]

风险点

1. 上游 API 不稳定 - 新浪和腾讯的公开 API 随时可能变更或关闭，无任何 SLA 保障。一旦上游 API 变更，Ashare 将无法正常工作，需要等待维护者更新源码。[置信度：高]

2. 无错误处理和重试机制 - 源码中的 try-except 仅做简单的数据源切换，没有请求超时设置、重试次数控制、异常信息记录等机制。在网络不稳定时可能导致静默失败。[置信度：高]

3. 无数据验证 - 返回的数据未经过完整性校验（如缺失值检查、日期连续性验证），用户需要自行验证数据质量。[置信度：高]

生态成熟度评估

• 插件/扩展数量： 无。Ashare 不提供插件系统。唯一的生态扩展是社区开发的 Ashare-MCP，将 Ashare 封装为 MCP 工具供 AI Agent 使用。[置信度：高]
• 第三方库支持： 低。Ashare 本身是底层工具，不依赖也不被其他主要库依赖。但其输出格式（pandas DataFrame）与整个 Python 数据科学生态天然兼容。[置信度：高]
• 企业采用案例： 未发现公开的企业采用案例。项目主要面向个人开发者和量化入门者。[置信度：高]
• 文档质量： 基础。README 提供了基本的使用示例和安装说明，但没有 API 文档、常见问题或架构说明。源码本身是自文档化的（70 行代码），可读性很高。[置信度：高]

生产环境就绪度评估

• 稳定性： 低。依赖公开的第三方 API，无 SLA 保障。新浪/腾讯接口可能因反爬虫策略、服务器维护或接口变更而中断。双数据源热备部分缓解了单点故障，但无法根治。[置信度：高]
• 性能表现： 基础。每次调用 get_price() 发起一个 HTTP GET 请求，无缓存机制。高频调用可能触发上游 API 的频率限制。对于单次获取少量数据的场景（如每日获取几只股票的日线），性能足够。[置信度：中]
• 监控/可观测性： 无。不提供日志、指标或错误追踪。请求失败时静默切换数据源，不记录失败详情。[置信度：高]
• 故障恢复： 基础。仅通过 try-except 实现数据源切换，无自动重试、指数退避或熔断机制。[置信度：高]
• 安全合规： 需关注。无 License 声明存在法律风险。此外，通过 HTTP（非 HTTPS）访问新浪财经 API，数据传输未加密。[置信度：高]

学习曲线评估

• 前置知识要求：
• Python 基础（变量、函数调用、import）
• pandas 基本操作（DataFrame 查看和简单处理）

• A 股市场基本概念（股票代码、K 线、交易所）

• 入门时间估计： 5-10 分钟。pip install ashares 安装后，from Ashare import * 导入，调用 get_price() 即可获取数据。无需阅读文档。

• 精通时间估计： 1-2 小时。需要阅读源码（仅 70 行），理解双数据源切换逻辑、频率参数映射、代码格式转换等细节。由于库本身功能有限，精通更多是指理解其局限性和适用边界。

总结与建议

Ashare 是一个定位极端明确的工具：为量化入门者和快速原型开发提供最简化的 A 股行情数据获取方式。70 行代码、1 个函数、零配置的设计理念在同类工具中独树一帜。双数据源热备机制在一定程度上弥补了公开 API 的不稳定性。

推荐使用： 量化交易入门学习者、需要快速验证交易策略假设的个人开发者、Python 金融数据获取教学场景、MCP/AI Agent 的轻量级数据层。

谨慎使用： 专业量化交易系统（建议使用 Tushare Pro）、需要基本面数据的分析项目（建议使用 AKShare）、对数据稳定性和完整性有高要求的生产环境。

综合评分： 6.0/10。在其定位（极简 A 股行情数据获取）上表现出色，但功能覆盖面过于有限，缺乏版本管理、License 声明和生产级保障机制。适合作为入门工具和快速原型构建，不适合作为生产系统的核心数据层。

信息来源与版本说明

• 分析基于版本： 源码 master 分支（2025-12-24 最后更新），无正式版本号
• 信息获取日期： 2026-04-12
• 信息来源列表：
• GitHub 仓库 mpquant/Ashare
• Ashare 源码 Ashare.py
• GitHub API - mpquant/Ashare（Stars: 3,348, Forks: 610）
• GitHub API - akfamily/akshare（Stars: 18,194, Forks: 3,032）
• GitHub API - waditu/tushare（Stars: 14,742, Forks: 4,420）
• 从0开始学量化：使用Ashare获取A股数据 — 知乎
• 2026年量化数据源终极选型 — 知乎
• AKShare、baostock、Ashare和Pytdx获取股票行情数据的完全指南 — 百度开发者社区