一、前言

在开始实验前，我们首先需要决定输入资料的型态，昨天说过了资料可分为

• 股价类型的「技术面」
• 营运类型的「基本面」

我们暂时先不看「基本面」资料，把重点放在「技术面」资料上。

二、技术资料一览

• 开盘价(Open)
• 最高价(High)
• 最低价(Low)
• 收盘价(Close)
• 买卖价差（Spread）
• 成交量（Trading_Volume）
• 成交金额（Trading_money）
• 交易笔数（Trading_turnover）

三、取得资料

还记得前天的FinMind，
我们稍微修改一下，改成取得ETF50的1月至8月的股票资料。

import pandas as pd
import datetime
import requests

etf50_df = pd.read_csv("data/ETF50.csv")
etf50_id = etf50_df.loc[:, "STOCK_ID"].astype(str)

frames = []
for id in etf50_id:
    url = "https://api.finmindtrade.com/api/v4/data"
    parameter = {
        "dataset": "TaiwanStockPrice",
        "start_date": datetime.datetime(2021, 1, 1, 0, 0).strftime("%Y-%m-%d"),
        "end_date": datetime.datetime(2021, 8, 31, 0, 0).strftime("%Y-%m-%d"),
        "data_id": id,
    }

    data = requests.get(url, params=parameter)
    data = data.json()
    df = pd.DataFrame(data["data"])

    frames.append(df)

result_df = pd.concat(frames)
result_df = result_df.reset_index(drop=True)

result_df.to_csv("data/2021-08-31-etf50-tech.csv", index=False, header=True)
result_df.head()

四、就这样?

是的，今天的文章到这边就结束了，
一来昨天的论文笔记花了太多时间结果没存稿了，
二来今天有个白痴花太多时间研究技术指标，结果原本要做的资料清理来不及做。

往好的方面想，现在有存稿了...

总而言之，之後开始做资料清理，我们明天见。

参考

• LSTM & XGBOOST分析股票