如何通过yfinance获取10秒间隔的历史逐笔股票数据？

首先明确：yfinance本身不提供逐笔（tick）级历史数据，它能获取的最高频历史数据是1分钟级，且该数据的可获取时间范围有限（通常仅能拿到最近几天到几十天的1分钟数据，不同标的略有差异）。针对你的10秒间隔分析需求，有两种可行思路：

1. 用yfinance的1分钟数据聚合为10秒间隔 #

这是最直接的变通方案，先获取1分钟级数据，再通过重采样生成10秒粒度的数据。示例代码：

import yfinance as yf
import pandas as pd

# 目标标的，以AAPL为例
ticker = yf.Ticker("AAPL")
# 获取最近5天的1分钟级数据，period和interval可按需调整
min_data = ticker.history(period="5d", interval="1m")

# 重采样为10秒间隔，根据分析需求选择聚合规则
ten_sec_data = min_data.resample('10S').agg({
    'Open': 'first',    # 10秒窗口内首个开盘价
    'High': 'max',      # 10秒窗口内最高价
    'Low': 'min',       # 10秒窗口内最低价
    'Close': 'last',    # 10秒窗口内最后收盘价
    'Volume': 'sum'     # 10秒窗口内成交量总和
}).dropna()  # 剔除非交易时间的空数据行

注意：若需要更早期的高频数据，yfinance无法满足，需更换其他数据源。

2. 换用支持逐笔数据的数据源 #

如果必须基于真实逐笔数据生成10秒间隔分析，yfinance无法实现，可选择以下类型的服务：

• 经纪商API：比如IBKR的TWS API，可获取实时和历史逐笔数据，适合拥有经纪账户的用户。
• 第三方数据API：比如Polygon.io、Alpha Vantage，部分服务提供免费额度的逐笔/高频历史数据。
• 离线数据集：部分金融数据服务商提供历史逐笔数据的离线包，下载后可本地处理为10秒间隔数据。

额外注意事项 #

• 高频数据量远大于日度数据，美股一个交易日（6.5小时）的10秒间隔数据就有2340条记录，处理时需注意内存占用和计算效率。
• 重采样或基于逐笔数据生成10秒窗口时，要注意时间戳对齐（比如按交易时间而非自然时间），以及数据清洗（去重、补全缺失值等）。

内容的提问来源于stack exchange，提问作者quant