一、前言

在開始實驗前，我們首先需要決定輸入資料的型態，昨天說過了資料可分為

• 股價類型的「技術面」
• 營運類型的「基本面」

我們暫時先不看「基本面」資料，把重點放在「技術面」資料上。

二、技術資料一覽

• 開盤價(Open)
• 最高價(High)
• 最低價(Low)
• 收盤價(Close)
• 買賣價差（Spread）
• 成交量（Trading_Volume）
• 成交金額（Trading_money）
• 交易筆數（Trading_turnover）

三、取得資料

還記得前天的FinMind，
我們稍微修改一下，改成取得ETF50的1月至8月的股票資料。

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、就這樣?

是的，今天的文章到這邊就結束了，
一來昨天的論文筆記花了太多時間結果沒存稿了，
二來今天有個白癡花太多時間研究技術指標，結果原本要做的資料清理來不及做。

往好的方面想，現在有存稿了...

總而言之，之後開始做資料清理，我們明天見。

參考

• LSTM & XGBOOST分析股票