怎么用 Python 获取股票 PB、PE 历史数据：去哪找数据指南

怎么用 Python 获取股票 PB、PE 历史数据：去哪找数据指南

需要先说明一点：A 股个股的历史 PE/PB 数据可以免费获取，配合 Python 仅需几行代码即可完成调用。更需要注意的不是数据难找，而是同一只股票在不同来源给出的 PE 数值往往对不上——有的是动态 PE，有的是静态 PE，有的是滚动 PE（TTM）。因此，弄清口径比找到数据更为关键。

以下按来源分类，逐条说明各渠道能提供什么、有哪些限制、是否需要付费，供你按需选择。

A 股免费易用来源：建议优先尝试

1. AKShare：免注册、免 token，pip 安装即可使用

• 链接：AKShare 股票数据文档
• 数据内容：接口 stock_a_indicator_lg 可直接返回个股的历史 PE、PE-TTM、PB、股息率、总市值，按交易日排列；底层数据来自乐咕乐股网。另有接口 stock_zh_valuation_baidu，支持选择近一年、三年、五年、十年或全部时间范围。
• 使用方式：在 Python 中执行 pip install akshare，随后几行代码即可拉取。免费、开源，无需令牌。
• 注意事项：由于依赖第三方网站（乐咕乐股、百度），上游改版时接口可能临时失效，建议关注库的更新。
• 配套资源：AKShare 数据字典 可查询全部金融数据接口，免费使用。

2. Tushare Pro：覆盖全市场逐日数据，设有积分门槛

• 链接：Tushare Pro 每日指标文档
• 数据内容：接口 daily_basic 包含 pe、pe_ttm、pb 字段，覆盖全市场，按日提供。
• 注意事项（重要）：需注册获取 token，并有积分要求——文档标注至少需 2000 积分才可调用，5000 积分后无总量限制。单次最多返回约 6000 条，需循环获取。若使用免费额度拉取全市场完整历史，额度可能不足。

3. 乐咕乐股网：AKShare 的部分数据源头

• 链接：legulegu.com
• 数据内容：网页可直接查看 A 股个股及整体市场（上证、深证、创业板、科创板）的 PE/PB 历史走势，含权重值与中位数。AKShare 取用的即为该站数据。
• 注意事项：网页可供查看，商用许可请以官方页面为准。

4. AData：开源免费备选方案

• 链接：GitHub - 1nchaos/adata
• 数据内容：免费开源，融合多个数据源，主打行情、K 线、概念数据。估值字段（PE/PB）的覆盖程度请以仓库文档为准，建议先确认再使用。

A 股研究级来源：口径统一、可引用

5. CSMAR（国泰安）：学术级、口径统一，需机构订阅

• 链接：data.csmar.com
• 数据内容：A 股估值、财务面板数据，口径统一，可用于论文引用。
• 注意事项：通常需要高校或机构图书馆订阅，或按数据集申请购买；可使用 edu 邮箱注册并绑定机构。个人免费获取全样本基本不可行，具体以官方页面为准。

6. CnOpenData：含财务报表，可推算估值

• 链接：cnopendata.com 上市公司财务报表
• 数据内容：A 股上市公司财务报表、财务指标数据，可据此自行计算估值。
• 注意事项：多数数据集需按集申请，可能收费，具体免费范围以官方页面为准。

现成数据集与可复现代码：适合无需自行编码的场景

7. 百度飞桨 AI Studio · 开放数据集

• 链接：aistudio.baidu.com/datasetoverview
• 数据内容：提供上千个开放数据集，并附可直接运行的 notebook（如官方 LSTM 预测 A 股走势教程）。
• 注意事项：可在站内搜索“股票 / A 股 / 行情”等关键词；某个数据集是否确实包含历史 PE/PB，需逐一打开查看，许可以各数据集页面为准。

8. 和鲸社区（Heywhale）

• 链接：heywhale.com
• 数据内容：国内数据科学平台，提供数据集与可复现的实战项目。
• 注意事项：同样需站内搜索，确认是否包含历史估值的股票数据集；下载与许可以平台页面为准。

美股 / 港股 / 全球来源：免费但存在局限

9. yfinance：以当前快照为主，非历史序列

• 参考链接：algotrading101 yfinance 指南
• 数据内容：stock.info 中包含 trailingPE（滚动 PE）、forwardPE（预期 PE）、priceToBook（市净率）等字段，覆盖美股、港股及全球市场。
• 关键注意事项：返回的多为当前时点快照，不直接提供历史 PE/PB 时间序列。如需历史数值，需自行通过“历史价格 × 股数 / 账面价值”反算，或按月循环抓取。此外接口稳定性一般，存在限流。免费。

10. Kaggle：现成 CSV 数据集，以美股居多

• US Stock Market Data：kaggle.com/datasets/mohammedobeidat/us-stock-market-data
• S&P 500 Companies with Financial Information：kaggle.com/datasets/franoisgeorgesjulien/s-and-p-500-companies-with-financial-information
• 数据内容：现成 CSV，含基本面与技术面数据，多为美股。
• 注意事项：下载需要 Kaggle 账号。各数据集覆盖的年限、字段及是否包含历史 PE/PB，请下载前逐一查看说明。

常见误区与注意事项

1. 口径不一致是最易出现的问题

PE 分为动态、静态、滚动（TTM）等口径，还需关注是否包含亏损股的负值、采用何种复权方式、是否剔除停牌。不同来源的算法不同，数值自然存在差异。在合并使用多个来源前，应先统一口径，否则会影响结论的可靠性。

2. 接口可能失效

依赖第三方网站的接口（如 AKShare），在上游改版后可能无法使用，建议持续关注库的更新。

3. 许可与商用范围

各数据集与网站的使用许可不尽相同，能否商用、能否再分发，应以各自官方页面为准，不要默认“免费即可随意使用”。CSMAR、CnOpenData 等通常绑定机构权限。

4. 下载前确认字段

对于 Kaggle、AI Studio、和鲸等平台的数据集，应先确认其覆盖的年限及是否包含所需字段，避免下载后才发现缺少历史 PE/PB。

难以确定时，可委托专业检索

面对上述众多来源，哪个真正可用、哪个存在限制、哪个口径符合你的需求，往往需要逐一核实。如果你不希望逐个接口尝试后才发现无法获取完整历史，或担心混用不同来源导致结论偏差——

数聚天成 DeepSData 提供数据可得性深度检索服务。你只需说明需要查找的股票范围（A 股 / 美股 / 港股）、目标年份以及所需的 PE 口径（动态 / 静态 / TTM），我们会代为检索，并如实反馈数据能否找到、哪条路径更为高效。我们不承诺必然命中，也不代为下载第三方原始数据，仅就可得性给出客观结论。

在正式投入前，可先由我们协助摸清数据的可获取情况。