不用手工维护代码表
股票、ETF、基金、指数、货币、加密货币的代码与元数据（名称、国家、行业、板块、市值等）以 pandas DataFrame 一次性返回。省掉的是「从各处网页抄代码再校对」这类无法复现的工作。
JerBouma / 证券数据库
FinanceDatabase 中文实战：先建可解释、可去重、可复现的标的池
FinanceDatabase 是一个用 Python 查询金融证券的开源库，收录 30 万+ 证券（股票、ETF、基金、指数、货币、加密货币）的代码与元数据。它把「按国家/行业/市值筛选证券、按名称搜索证券」整理成一套简洁 API，适合量化研究者、金融数据工程师与想快速批量找股票代码的用户。
项目来源
JerBouma/FinanceDatabase 仓库页面（MIT 许可，30 万+ 证券）；star 数以页面实际显示为准，采集日期 2026-09-08。
查看固定版本源码
开源证券数据库MIT，覆盖 30 万+ 证券
简洁 APIselect / search / show_options 三类方法
七类数据股票/ETF/基金/指数/货币/加密货币
官方证据仓库 README / PyPI（2026-09 核验）
事实核验卡（核验日期 2026-09-29）
- FinanceDatabase 版本
- 2.4.0（PyPI 与 GitHub Release，2026-06-02 发布）
- Python 版本
- 3.11.9（本站实测）；包要求 ≥3.10, <3.16
- 数据库快照
- GitHub main 分支 compression/*.bz2（main 最后提交 2026-09-27）
- 核验日期
- 2026-09-29
- Equities 行数
- 112,718 行 × 21 列
- ETF 行数
- 36,481 行 × 9 列
- 数据来源
- raw.githubusercontent.com/JerBouma/FinanceDatabase/main/compression/
- 最后验证时间
- 2026-09-29（本机 venv 实跑，输出已归档）
以上数字来自本站 2026-09-29 在 Windows + Python 3.11.9 + financedatabase 2.4.0 下的真实运行输出，不是从文章里转抄的；数据文件由上游持续更新，行数会变，以官方 PyPI 与 GitHub Release 为准。采集时 GitHub star 约 9,374（2026-09-29）。
FinanceDatabase · What it solves
FinanceDatabase 能解决什么问题？
它把「找证券代码、按条件筛选证券、按名称搜索证券」整理成一条可复现的数据查询链路，让证券列表获取更轻量。下面先看它挡掉的三类重复劳动，再看具体任务该调哪个函数。
筛选条件写成代码
按国家、行业、板块、市值筛选股票列表，条件写在调用参数里而不是手工勾选。同一段筛选逻辑可以在不同时间重跑，结论可追溯。
只记得名字也能查
用 search() 按名称模糊搜索，不需要先背下精确代码。search() 是类方法，先在目标类上调用，结果就不会混入别的资产类别。
| 你要做的事 | 对应调用 | 返回什么 | 适用场景 | 注意点 |
|---|---|---|---|---|
| 一次性列出某类全部证券 | Equities().select() 等 无参数 select() | 该类证券列表（代码 + 元数据列） | 先看全貌、统计行业或国家分布 | 总量在 30 万+ 量级，整表拉取较慢，先筛选更实际 |
| 按国家筛股票 | Equities().select(country="...") | 该国股票列表 | 只看单一市场、做区域对比 | 国家名按官方文档的英文写法传参 |
| 按行业或板块筛 | Equities().select(sector=... / industry=...) | 同行业股票列表 | 行业轮动研究、同业对照 | 行业分类口径由上游数据决定，以官方数据为准 |
| 按市值分档筛 | Equities().select(market_cap=...) | 对应市值档位的股票列表 | 大盘 / 中小盘风格切分 | 市值字段可能滞后于当日行情，别当作实时值 |
| 按名称模糊搜索 | Equities().search(name="...") | 匹配到的证券列表 | 只记得名称、不记得代码 | 不加限定会跨类别匹配，建议配合 database= |
| 搭多资产标的池 | ETFs / Funds / Indices / Currencies / Cryptos 各类 | 各类证券的代码与元数据 | ETF、指数、外汇、加密一起做对照 | 各类之间不做去重，代码含义不完全通用 |
一句话定位：本库解决的是「标的从哪来」，不解决「标的价格是多少」。拿到代码之后的行情环节，见下方「拿到代码之后还差什么」一节。
FinanceDatabase · How it works
三步理解：从安装到拿到一份证券清单
首页只保留跑通所需的主干；每步给出命令与预期看到的结果，细节见 API 手册与首次运行页。
1. 安装并导入
通过 pip 安装后，用 import financedatabase as fd 导入。它声明的直接依赖只有一个（financetoolkit），但实测会连带装上 pandas 3.0、numpy 2.4、scikit-learn、yfinance 等 35 个包，所以务必装进虚拟环境。
2. 展示或筛选
先 Equities().select() 看一类证券的全貌，再用 Equities().select() 按国家、行业、板块、市值收窄范围。两步都在 Python 里完成；但要注意每次实例化资产类都会去 GitHub 取数据文件，实测 equities.bz2 单个文件就有 14.9 MB。
3. 拿代码去查行情
本库不提供价格。拿到代码后要另接行情数据源（同类开源项目或券商接口），这一步的成本常被低估，见下方对照表。
建环境并安装
python -m venv .venv建虚拟环境，激活后执行pip install financedatabase。预期输出：pip 拉取 financedatabase 与 pandas 并提示安装成功。确认装到了当前解释器
python -c "import financedatabase as fd; print(fd.__file__)"。预期输出：打印出该包的安装路径；若报 ModuleNotFoundError，说明装到了另一个解释器环境。拉一份股票清单
equities = fd.Equities().select()后print(equities.shape)。预期输出：形如 (行数, 列数) 的形状元组，行数是该类证券条数。收窄成一个筛选结果
fd.Equities().select(country="United States", sector="Technology")。预期输出：仅包含该国该行业股票的 DataFrame，列与 无参数 select()一致。
预期与现实：首次整表拉取会明显偏慢，属数据量决定的正常现象；如果长时间无返回，先排查网络能否访问上游数据源，再排查是否装到了错误的解释器环境。
自检顺序：先确认解释器、再确认网络、最后才怀疑库本身——前两步能解释绝大多数「导入成功却查不出东西」的情况。
自检顺序：先确认解释器、再确认网络、最后才怀疑库本身——前两步能解释绝大多数「导入成功却查不出东西」的情况。
FinanceDatabase · Coverage
API 手册 与七类证券速览
无参数 select() 负责「列出」，select 负责「按条件收窄」，search 负责「按名字找」。七类证券各有一套 show / select 函数，函数名以官方 README 为准。下表把「拿到什么结果」与「什么时候别用它」放在同一行，方便直接过滤掉不合适的选项。
| 证券类别 | 主要函数 | 覆盖内容 | 适用场景 | 注意点 |
|---|---|---|---|---|
| 股票 Equities | Equities().select() | 代码、名称、国家、行业、板块、市值等 | 选股池搭建、行业与地区分布研究 | 只有元数据，没有价格与成交量 |
| ETF | ETFs().select() | ETF 代码与元数据 | 被动投资标的池、与个股做对照 | ETF 与股票列表分开，不做跨类去重 |
| 基金 Funds | Funds().select() | 基金代码与元数据 | 基金筛选、同类基金横向列表 | 分类口径以官方数据为准 |
| 指数 Indices | Indices().select() | 指数代码与元数据 | 基准对照、指数清单维护 | 不含成分股名单与历史点位 |
| 货币 Currencies | Currencies().select() | 货币 / 外汇对代码 | 外汇标的清单、多币种记账 | 不含汇率报价 |
| 加密货币 Cryptocurrencies | Cryptos().select() | 加密货币代码与元数据 | 加密标的清单 | 不同交易所的代码差异以官方为准 |
| 货币市场 Moneymarkets | Moneymarkets().select() | 货币市场工具清单 | 现金管理与短端工具研究 | 覆盖范围以官方 README 为准 |
读表方式：先按「你要拿到的结果」挑类别，再决定用无参数的 select() 还是带条件的 select()；如果只记得名字，直接走
两个容易踩的点：一是整表拉取在 30 万+ 量级下偏慢，研究时先收窄条件再取更实际；二是元数据只描述标的、不反映当日行情，市值这类字段出现滞后属正常现象，需要当日口径时请回到行情源核对。函数名、字段与覆盖范围的最终解释以官方仓库与数据源为准。
search()，不必先猜类别。API 参数的完整对照见「API 手册」页。两个容易踩的点：一是整表拉取在 30 万+ 量级下偏慢，研究时先收窄条件再取更实际；二是元数据只描述标的、不反映当日行情，市值这类字段出现滞后属正常现象，需要当日口径时请回到行情源核对。函数名、字段与覆盖范围的最终解释以官方仓库与数据源为准。
FinanceDatabase · Setup and route
自建数据管道，还是先用一句话把问题问清楚？
同一个目标——拿到一份可用的证券清单与行情——两条路线的准备成本完全不同。两侧结构对称列出，便于直接比较。
装 Python 环境→装 financedatabase→写筛选代码→另接行情源
灵活度最高：筛选逻辑、更新节奏、字段口径都在自己手里；代价是环境、依赖与行情源都要自己维护。
# 1. 安装与导入
pip install financedatabase
import financedatabase as fd
# 2. 展示一类证券
equities = fd.Equities().select()
# 3. 按国家 / 行业筛选
us_tech = fd.Equities().select(country="United States",
sector="Technology")
# 4. 拿代码去配行情源（本库不含价格）
print(us_tech[["name", "symbol", "sector"]])
前置条件：本机 Python 环境 + pip 可联网；行情环节需另外选定数据源并处理其访问限制。
安装客户端→一句话提出任务
这条路线的数据源、额度、网络与市场覆盖由各技能自身决定，彼此不同，也不代表本数据库已被集成。
- 能先做什么：用自然语言提出「看某只标的最近的行情与指标状态」这类问题，不必先搭环境。
- 拿不到什么：每次结果取决于当次调用的技能与数据源，不保证与你自建的字段口径一致。
- 可控性差异：筛选逻辑不可版本化，也无法像代码那样 diff 两次结果。
- 什么时候转向自建：需要固定字段口径、需要批量跑几万条标的、需要纳入版本管理与复现流程时。
边界：本机已核验的技能目录覆盖财经数据、选股、技术分析、量化研究等方向，属于独立路线；本库与本机技能路线之间无已证实集成，也不存在互相替代关系。
免部署 demo
一句话提出任务的实拍长什么样
下面这张截图是本机对话的实拍：一句话发起任务，直接返回带数字的结果。它不是本数据库的运行结果，而是「免部署提问」这一类路线的准备成本参照；两者之间无已证实集成，仅供研究。
| 同一件事的环节 | 自建路线的动作 | 提问路线的动作 | 主要差异 | 什么时候必须自建 |
|---|---|---|---|---|
| 确定标的 | 写 search() 或 Equities().select() 拿到代码 | 直接在问题里写出名称或代码 | 自建结果可落库复用，提问结果随对话留存 | 标的需要每天批量刷新 |
| 取行情 | 另选数据源并写取数代码 | 由当次调用的技能负责取数 | 字段口径与可得性由各自数据源决定 | 需要固定字段口径与历史回溯 |
| 算指标 | 自己写均线、MACD、波动率等计算 | 在问题里要求算某个指标 | 自建可复现，提问依赖当次输出 | 指标定义需要与研究口径一致 |
| 批量执行 | 循环调用，结果可写入文件或数据库 | 通常按单次任务提问 | 规模差异明显，批量化是自建强项 | 标的数量在数百以上 |
| 结果留存 | 输出文件、入库、进版本管理 | 以对话记录形式留存 | 可审计性不同 | 结论需要被复核或对外引用 |
| 上手成本 | 环境 + 依赖 + 数据源三件事 | 装客户端后直接提问 | 前期成本与长期可控性互为代价 | 长期重复使用且要求稳定口径 |
怎么用这张表：横向看「必须自建」那一列——命中任意一行就该走自建路线；六行都不命中，提问路线更省时间。
After the code
拿到证券代码之后还差什么：行情要另接
这是 FinanceDatabase 最容易被误解的一点——它是标的清单，不是行情终端。下面把常被拿来搭配的几类数据源放在一起对照，帮助判断还要补哪一环。
| 行情来源类型 | 定位 | 通常能拿到 | 通常拿不到 | 适合场景 | 注意点 |
|---|---|---|---|---|---|
| 同类开源工具箱（如 FinanceToolkit 等） | 与证券清单配套的分析工具箱 | 财务指标、比率类数据与分析口径 | 不一定覆盖所有市场与全部频率 | 基本面研究、比率计算 | 能力边界以各项目官方文档为准 |
| 通用行情接口库（如 yfinance 等） | 面向公开行情接口的取数库 | 日线等历史行情与部分基本面字段 | 不保证实时性，接口可用性受上游影响 | 研究型回测、教学演示 | 上游服务条款与限流以官方为准 |
| 国内财经数据接口库（如 akshare 等） | 面向国内市场的接口集合 | 国内行情、宏观、基金等类别数据 | 字段口径与海外数据源不一致 | A 股与国内市场研究 | 接口可用性与字段变更以官方为准 |
| 综合数据平台（如 OpenBB 等） | 多数据源聚合的访问层 | 多源数据统一入口与多种调用方式 | 默认能力取决于所配数据源 | 需要多源切换与统一出口 | 数据源授权与配额以官方为准 |
| 券商 / 交易所接口 | 交易与行情的一手通道 | 权限内行情与交易能力 | 通常要求开户、鉴权与合规流程 | 实盘与准生产环境 | 接入门槛与费用以各家官方为准 |
| 自建数据仓库 | 自己落库的行情与元数据集 | 任意口径的历史数据，含复权与对齐处理 | 需要自己解决采集、清洗与更新 | 长期稳定复现的研究流程 | 维护成本会随时间上升 |
| 本机技能路线 | 免部署的提问式入口 | 按问题返回当次的数据结果 | 不提供可版本化的数据表 | 快速验证一个想法 | 与本数据库无已证实集成 |
判断顺序：先问自己「要不要把这份数据落到本地」——要落库就从自建数据仓库那一行开始选；只是临时看一眼，通用行情接口库或本机技能路线更直接。各来源的收费、限流与授权条款一律以官方说明为准，本站不作承诺。
一个常见误区：把「拿到了标的代码」当成「可以开始回测」。标的、行情、对齐口径与成本假设是四件独立的事，缺任何一件，回测结论都站不住。
一个常见误区：把「拿到了标的代码」当成「可以开始回测」。标的、行情、对齐口径与成本假设是四件独立的事，缺任何一件，回测结论都站不住。
FAQ for newcomers
新手最常问的七个问题：一句答 + 去哪看细节
这些问题官方 README 往往答得比较简略，下面给出一句可直接用的回答与需要继续确认的边界。
| 问题 | 一句话回答 | 需要继续确认的边界 | 细节页 |
|---|---|---|---|
| 免费吗？ | 仓库以开源许可发布（以仓库 LICENSE 文件为准） | 许可只覆盖代码与数据文件本身；上游数据源的使用条款另算 | 边界页 |
| 有中文文档吗？ | 官方资料以英文为主（以仓库文档为准） | 本站是中文导航，不等于官方中文文档，函数与参数请回到官方核对 | 下载部署页 |
| 能查 A 股吗？ | 覆盖范围以官方数据为准，国内标的建议与国内数据源交叉确认 | 不要假定国内外市场全覆盖；先小范围试查再决定是否依赖 | 证券类别页 |
| 数据多久更新一次？ | 以官方仓库的发布节奏为准，本库不承诺实时 | 元数据类字段（如市值）本身就可能滞后于当日行情 | 证券类别页 |
| 能取实时行情吗？ | 不能。本库不含价格、成交与实时行情 | 需要行情必须另接数据源，见本页「拿到代码之后还差什么」 | 边界页 |
| 和国内行情接口库什么区别？ | 定位不同：本库是标的清单与元数据，国内接口库偏行情与数据接口集合 | 两者可以组合使用：本库定标的，接口库取数 | 证券类别页 |
| 商用可以吗？ | 以仓库许可与上游数据源条款为准 | 本站不构成法律意见；对外发布前请自行确认授权范围 | 边界页 |
| 一定要写代码吗？ | 是。它是 Python 库，没有图形界面 | 只想出图或看结论，可先用提问式路线验证想法，再决定是否自建 | 首次运行页 |
为什么这些问题值得单独列：它们大多不在 README 的显著位置，却直接决定选型——免费与否关系到能不能商用、有没有中文文档关系到上手速度、能不能取实时行情关系到它在流程里的位置。上表给的是可直接使用的判断方向，落地前请回到官方仓库、PyPI 页面与各数据源条款逐项确认，本站内容不替代官方文档。
Who fits
谁适合用 FinanceDatabase，谁不适合？
边界比功能更需要先确认——选错工具的时间成本远高于读一段说明。
适合：要批量标的清单的人
做行业分布统计、搭选股池、维护跨市场标的表，需要一份可重复执行的清单来源。把筛选条件写成代码后，下次直接重跑即可。
适合：要把口径固定下来的人
研究结论需要被复核，标的范围与筛选条件必须可追溯。代码化的筛选流程天然满足这一点，也便于进版本管理。
不适合：只想看行情的人
只关心价格走势与技术指标的话，本库帮不上忙——它不含行情。这种情况直接用行情接口或提问式路线更快。
不适合：需要中文界面的人
官方资料以英文为主，库也没有图形界面。如果没有 Python 基础，前期学习成本会明显高于收益。
不适合：要求实时与权威行情
标的清单可以来自本库，但用于实盘判断的行情与财务数据，应来自具备授权与稳定性的正式数据源。
看清一件事：许可与数据是两回事
代码许可宽松，不代表上游数据可以任意分发。对外发布含数据的成果前，先确认上游条款，以官方说明为准。
适合：做跨市场对照的人
同一套调用可以拿到不同国家与不同类别证券的列表，做地区或资产类别横向对照时，不需要为每个市场单独找一份代码表，字段也基本一致。
不适合：网络受限的环境
查询依赖访问上游数据源，内网隔离或代理策略严格的机器上可能长时间无返回。这类环境需要先确认网络出口，再谈能不能用。
用之前先做一次小范围试查
不要一上手就拉全表。先用一个熟悉的行业或市场跑一次筛选，确认字段、返回体量与耗时都符合预期，再把这套流程扩到正式研究里。
决策口诀：要清单、要口径、要复现——用它；要价格、要实时、要中文界面——换工具。两条都想占的常见做法是分工：标的清单由本库定时生成并入库，行情与指标交给专门的行情源处理，两边各写各的更新逻辑。
Measured
七类数据实测规模：每一类到底有多少行？
下面这张表是本站 2026-09-29 用 pip 装到的 2.4.0 实跑出来的，不是从文档里转抄的。「远端首次加载」指没有本地缓存、需要先从 GitHub 取 .bz2 数据文件的那一次；「本地缓存加载」指把数据文件放进 site-packages/compression/ 之后。
| 数据类别 | 实测行数 × 列数 | 字段数 | 远端首次加载 | 本地缓存加载 | 主要用途 |
|---|---|---|---|---|---|
| 股票 Equities | 112,718 × 21 | 21 列 | 16.6 秒 | 2.9 秒 | 按国家/行业/市值建池、跨市场对照 |
| ETF ETFs | 36,481 × 9 | 9 列 | 3.3 秒 | 0.3 秒 | 被动标的口径、主题与行业暴露 |
| 基金 Funds | 57,853 × 8 | 8 列 | 4.1 秒 | 0.6 秒 | 主动型产品清单、与 ETF 分开看 |
| 指数 Indices | 91,181 × 7 | 7 列 | 3.4 秒 | 0.4 秒 | 找基准代码、做对照 |
| 货币 Currencies | 2,556 × 5 | 5 列 | 1.4 秒 | 0.0 秒 | 计价货币与外汇对识别 |
| 加密货币 Cryptos | 3,367 × 6 | 6 列 | 1.3 秒 | 0.0 秒 | 加密标的清单 |
| 货币市场 Moneymarkets | 1,367 × 5 | 5 列 | 1.2 秒 | 0.0 秒 | 现金管理与短端工具 |
合计 305,523 行。七个
.bz2 数据文件加起来约 19.2 MB，全部来自 raw.githubusercontent.com 的 compression/ 目录——也就是说，「装完就能离线用」并不成立，首次查询必须能连上这个地址。加载耗时随网络波动，上表是本站单次实测值，不代表你的机器。Deep dives
跑通之后往哪走：中国市场适配、数据质量审计与工具链
「能查到一份清单」只是第 0 步。真正决定结论对不对的，是字段口径、去重方式和能力边界——这三件事各有一页专门做实测，而不是停留在 API 说明。
做 A 股 / 港股：代码与字段怎么对
实测 country="China" 命中 6,775 行，但这些标的分散在 34 个交易所里——country 表示公司所属国家，不是上市地。这一页给出 .SS/.SZ/.HK 与各数据源的代码映射、跨市场重复标的的识别方法，以及一个反直觉的实测结论：按主上市地去重不能用 only_primary_listing。
先做数据质量审计，再谈筛选
同一家公司会在多个交易所出现，ISIN 只有 9,406 个不同取值却覆盖 112,718 行，industry 缺失 35.54%，market_cap 是六档标签而不是市值数字。symbol 是索引不是列——用 search(symbol="TSLA") 会打印一句提示然后返回全部 112,718 行。
拿到代码之后接什么工具
本库不提供行情、财报与实时数据。下游可以接 yfinance、AKShare、OpenBB 或回测框架；官方的衔接入口是 to_toolkit()，实测调用耗时 40.1 秒并返回 Toolkit 对象，且不带 FMP API Key 时只能用 Yahoo Finance 的 5 年基本面数据。
FAQ
常见问题
FinanceDatabase 是什么？
基于 Python 的开源金融证券数据库，通过 select / search / show_options 三类方法 查询股票、ETF、基金、指数、货币、加密货币等类别的代码与元数据，结果以 pandas DataFrame 返回。函数名与参数以官方 README 为准。
它提供行情价格吗？
不提供。只有证券的代码与元数据（名称、国家、行业、板块、市值等），不含价格、成交量与实时行情；实际行情需另接数据源，来源对照见本页「拿到证券代码之后还差什么」。以官方 README 为准。
需要编程基础吗？
需要。它是库而不是软件，要用 Python 调用 API 查询证券，面向有 Python 基础或愿意先学一段的用户。如果只想直接看结论，可先用免部署的提问路线验证想法。
安装后导入报 ModuleNotFoundError 怎么办？
多数情况是装到了另一个解释器环境。先按首次运行页给出的导入自检命令确认包的安装路径；若报错，改用 python -m pip install 配合完整包名安装，保证装进同一个解释器。具体依赖版本约束以 PyPI 页面为准。
支持哪些证券类别？
股票、ETF、基金、指数、货币（外汇）、加密货币、货币市场七类，每类有对应的 show / select 函数；各类之间不做跨类去重。完整清单以官方 README 为准。
能在这个数据库之上直接做回测吗？
不能单独完成。它只负责标的清单，回测还需要行情数据、回测框架与撮合/成本假设三块，按研究口径自行选择组合，以所用各组件的官方文档为准。
它和本机技能路线是什么关系？
无已证实集成。本机技能目录覆盖财经数据、选股、技术分析与量化研究等方向，属于独立路线；本库与它之间没有官方集成证据，也没有互相替代的官方说明。