ichoice-data

iChoice/EMQuantAPI 金融市场数据查询工具。通过东方财富Choice量化接口(EMQuantAPI Python SDK)获取中国及全球市场数据,包括:(1)宏观经济数据(GDP/CPI/PMI/社融/M2等),(2)债券收益率曲线(国债/国开/中票/城投/银行债各期限各评级),(3)股票指数行情(A股/海外/申万行业)及估值(PE),(4)资金利率(DR/SHIBOR/IRS),

SKILL.md

GitHub

iChoice Data Query

通过 EMQuantAPI (Choice量化接口) 获取金融市场数据。

Environment

  • 账号: xylczh0181 / 密码: ef465509
  • 指标映射表: /Users/fanshengxia/Desktop/ichoice_data/ichoice/数据指标.xlsx

SDK 路径(按优先级搜索)

机器 路径
主机 (fanshengxia) /Users/fanshengxia/Desktop/ichoice_data/ichoice/EMQuantAPI_Python/python3
备用路径 ~/Desktop/ichoice_data/ichoice/EMQuantAPI_Python/python3
通用搜索 见下方 setup_emquant() 自动检测函数

首次使用新机器:安装 SDK

# 在 SDK python3 目录下运行一次,创建 .pth 文件使 Python 能找到 EmQuantAPI
cd /path/to/EMQuantAPI_Python/python3
python3 installEmQuantAPI.py
# 成功输出: "Success: EmQuantAPI installed."

安装原理:installEmQuantAPI.py 在 site-packages 下写入 EmQuantAPI.pth,内容为 SDK 绝对路径。之后无需手动添加 sys.path。

Critical: Execution Requirements

iChoice API 登录和数据获取耗时较长,必须遵循以下规则:

  1. Bash timeout 必须设置 timeout=300000(5分钟)或更长。首次登录需下载配置文件(ChoiceToHQ.xml等),总耗时可达2-3分钟。
  2. 将所有逻辑写在单个 Python 脚本中运行,使用 python3 << 'EOF' ... EOF 格式。不要分步调用。
  3. 多代码长周期数据分开获取:对多个证券代码获取长时间序列时(如10年),逐个代码调用 c.csd(),避免单次请求过大。
  4. 始终使用 Ispandas=1 返回 DataFrame,便于处理。
  5. 始终在 finally 块中调用 c.stop() 确保退出。

Portable Setup Function(跨机器通用)

每个脚本开头必须调用此函数,它会自动检测并注册 SDK,在新机器上也能工作:

import sys, os, subprocess

def setup_emquant():
    """自动检测并注册 EmQuantAPI SDK,跨机器可移植。"""
    # 1. 已安装则直接返回
    try:
        import EmQuantAPI
        return True
    except ImportError:
        pass

    # 2. 搜索候选路径
    home = os.path.expanduser("~")
    candidates = [
        # 主机已知路径
        f"{home}/Desktop/ichoice_data/ichoice/EMQuantAPI_Python/python3",
        # 其他常见位置
        f"{home}/Desktop/ichoice/EMQuantAPI_Python/python3",
        f"{home}/ichoice/EMQuantAPI_Python/python3",
        f"{home}/Documents/ichoice/EMQuantAPI_Python/python3",
        f"{home}/Downloads/EMQuantAPI_Python/python3",
    ]
    # 也搜索 Desktop 子目录(深度2)
    desktop = os.path.join(home, "Desktop")
    if os.path.isdir(desktop):
        for d1 in os.listdir(desktop):
            p = os.path.join(desktop, d1, "ichoice", "EMQuantAPI_Python", "python3")
            if os.path.isdir(p):
                candidates.insert(0, p)  # 优先尝试

    sdk_dir = None
    for path in candidates:
        if os.path.isfile(os.path.join(path, "EmQuantAPI.py")):
            sdk_dir = path
            break

    if sdk_dir is None:
        print("ERROR: EmQuantAPI SDK not found. Please place SDK at:")
        print("  ~/Desktop/ichoice_data/ichoice/EMQuantAPI_Python/python3/")
        print("Then run: cd <sdk_dir> && python3 installEmQuantAPI.py")
        return False

    # 3. 注册路径
    if sdk_dir not in sys.path:
        sys.path.insert(0, sdk_dir)

    # 4. 自动安装 .pth(让以后无需 sys.path)
    try:
        pth_installed = any(
            os.path.isfile(os.path.join(p, "EmQuantAPI.pth"))
            for p in sys.path if "site-packages" in p
        )
        if not pth_installed:
            subprocess.run(
                [sys.executable, "installEmQuantAPI.py"],
                cwd=sdk_dir, capture_output=True
            )
            print(f"SDK auto-installed from: {sdk_dir}")
    except Exception:
        pass  # 安装失败不影响本次运行

    return True

Standard Script Template

import sys, os, subprocess
import pandas as pd

# ── 环境初始化(必须在 import EmQuantAPI 之前) ──
def setup_emquant():
    try:
        import EmQuantAPI; return True
    except ImportError:
        pass
    home = os.path.expanduser("~")
    desktop = os.path.join(home, "Desktop")
    candidates = [
        f"{home}/Desktop/ichoice_data/ichoice/EMQuantAPI_Python/python3",
        f"{home}/Desktop/ichoice/EMQuantAPI_Python/python3",
        f"{home}/ichoice/EMQuantAPI_Python/python3",
    ]
    if os.path.isdir(desktop):
        for d in os.listdir(desktop):
            p = os.path.join(desktop, d, "ichoice", "EMQuantAPI_Python", "python3")
            if os.path.isdir(p): candidates.insert(0, p)
    sdk_dir = next((p for p in candidates if os.path.isfile(os.path.join(p, "EmQuantAPI.py"))), None)
    if not sdk_dir:
        print("ERROR: EmQuantAPI SDK not found."); return False
    sys.path.insert(0, sdk_dir)
    try:
        if not any(os.path.isfile(os.path.join(p, "EmQuantAPI.pth")) for p in sys.path if "site-packages" in p):
            subprocess.run([sys.executable, "installEmQuantAPI.py"], cwd=sdk_dir, capture_output=True)
    except Exception: pass
    return True

if not setup_emquant():
    exit(1)

from EmQuantAPI import c

# ── 登录 ──
result = c.start("UserName=xylczh0181,Password=ef465509,ForceLogin=1")
if result.ErrorCode != 0:
    print(f"Login failed: {result.ErrorMsg}"); exit()
print("Login OK")

try:
    # === Fetch data here ===
    data = c.csd("000300.SH", "CLOSE", "2025-01-01", "2025-01-31", "Ispandas=1")
    if isinstance(data, pd.DataFrame):
        print(data)
    else:
        print(f"Error: {data.ErrorCode}, {data.ErrorMsg}")
finally:
    c.stop()
    print("Logout done")

Data Query Patterns

Pattern 1: EDB (宏观/债券收益率/EDB指标)

用于 EMM/EMG/EMI/E 开头的指标代码。覆盖宏观经济、债券收益率曲线、部分资金利率。

# 单指标
data = c.edb("EMM00087117", "Ispandas=1")

# 多指标+日期范围
data = c.edb("EMM00072301,EMM00073348", "StartDate=2024-01-01,EndDate=2025-01-31,Ispandas=1")

# 仅最新值
data = c.edb("E1000180", "IsLatest=1,Ispandas=1")

⚠️ EDB 返回 DataFrame 的格式(必读)

c.edb(..., "Ispandas=1") 返回的 DataFrame 不是以日期为索引,而是以指标代码为索引:

              DATES   RESULT
CODES
E1000180  2026/01/04  1.8427   ← 索引是指标码,不是日期!
E1000180  2026/01/05  1.8584

正确的解析方式(必须按此操作,否则报错):

data = c.edb("E1000180", "StartDate=2023-01-01,EndDate=2026-02-26,Ispandas=1")
df = data[['DATES', 'RESULT']].copy()
df['DATES'] = pd.to_datetime(df['DATES'], format='%Y/%m/%d')   # 格式固定为 YYYY/MM/DD
df['RESULT'] = pd.to_numeric(df['RESULT'], errors='coerce')     # 必须转 float,否则 idxmax/min 报错
df = df.set_index('DATES').rename(columns={'RESULT': 'value'})
df = df.dropna().sort_index()

常见错误:

  • ❌ pd.to_datetime(df.index) → 报错,index 是指标代码字符串
  • ❌ df['RESULT'].idxmax() 不转 numeric → TypeError: reduction operation 'argmax' not allowed
  • ❌ df.columns = ['yield'] → 先要 data[['DATES','RESULT']] 提取,不能直接改列名

Pattern 2: CSD Time Series (行情序列)

用于带交易所后缀的证券代码(.SH/.SZ/.GI/.FX/.IB/.SWI等)。

# 单代码
data = c.csd("000300.SH", "CLOSE", "2025-01-01", "2025-01-31", "Ispandas=1")

# 多代码短周期可以合并
data = c.csd("000300.SH,000905.SH", "CLOSE", "2025-01-01", "2025-01-31", "Ispandas=1")

# 多代码长周期(>1年):逐个获取,避免超时
for code in ["000300.SH", "000905.SH"]:
    data = c.csd(code, "CLOSE", "2016-01-01", "2026-01-31", "Ispandas=1")

常用字段: CLOSE, OPEN, HIGH, LOW, VOLUME, AMOUNT, PETTM

Pattern 3: CSS Cross-Section (截面数据)

data = c.css("000001.SZ,600519.SH", "CLOSE,VOLUME", "TradeDate=2025-01-20,Ispandas=1")

Pattern 4: Sector Components (指数成分)

data = c.sector("000300.SH", "2025-01-20", "Ispandas=1")

Pattern 5: Trading Calendar

dates = c.tradedates("2025-01-01", "2025-01-31", "")
# dates.Data 返回交易日列表

offset = c.getdate("20250120", -3, "Market=CNSESH")
# 往前推3个交易日

Pattern 6: 债券估值数据 (中债/中证估值)

获取单只债券的估值指标,包括全价、净价、修正久期、收益率等。

# 债券估值字段说明:
# DIRTYCNBD  - 估价全价(中债估值中心)
# NETCNBD    - 估价净价(中债估值中心)
# MODIDURACNBD - 估价修正久期(中债估值中心)
# YIELDCNBD  - 估价收益率(%)(中债估值中心)
# DIRTYCSI   - 估价全价(中证指数有限公司)
# NETCSI     - 估价净价(中证指数有限公司)
# YIELDCSI   - 估价收益率(%)(中证指数有限公司)
# MODIDURACSI - 估价修正久期(中证指数有限公司)

# ⚠️ 重要: CredType=1 是必须的参数,不要添加 Ispandas=1

# 获取单只债券估值
data = c.css("102480862.IB", "MODIDURACNBD,YIELDCNBD", "EndDate=2026-02-12,CredType=1")
# 返回格式: data.Data = {'102480862.IB': [1.0342, 1.7781]}

# 获取多只债券久期和收益率
data = c.css("102480862.IB,102481397.IB", "MODIDURACNBD,YIELDCNBD", "EndDate=2026-02-12,CredType=1")
# 返回格式: data.Data = {'102480862.IB': [1.0342, 1.7781], '102481397.IB': [1.1102, 1.7903]}

# 获取完整估值字段
data = c.css("102480862.IB", "DIRTYCNBD,NETCNBD,MODIDURACNBD,YIELDCNBD", "EndDate=2026-02-12,CredType=1")

重要提示:

  • CredType=1 是必须的参数
  • 不要添加 Ispandas=1 参数(会导致返回None)
  • 返回数据格式: {债券代码: [字段1值, 字段2值, ...]}
  • 建议使用前一个交易日的日期(EndDate),当天数据可能尚未更新

Indicator Code Lookup

Data Type Function Code Format Example
宏观经济 c.edb() EMM/EMG/EMI+number EMM00087117 (GDP)
债券收益率 c.edb() E/EMM+number E1000180 (国债10Y)
A股指数行情 c.csd() code.SH/SZ 000300.SH (沪深300)
海外指数 c.csd() code.GI SPX.GI (标普500)
申万行业 c.csd() code.SWI 801780.SWI (银行)
外汇汇率 c.csd() code.FX/IB USDCNY.IB
资金利率(市场) c.csd() code.IB/IR DR007.IB, Shibor3M.IR
资金利率(EDB) c.edb() E/EMM+number E1715081 (7天逆回购)
商品期货 c.csd() code.SHF/DCE/INE AU0.SHF (沪金)
商品(EDB) c.edb() EMI/EMM+number EMI01618427 (原油)
国债期货 c.csd() TSM/TFM/TM.CFE TM.CFE (10Y国债期货)
债券指数 c.csd() code.CS/CSI/EI CBA00121.CS
债券估值 c.css() code.IB/SH/SZ MODIDURACNBD (久期), YIELDCNBD (收益率)
指数成分 c.sector() code.SH 000300.SH

Quick Reference: Common Indicators

宏观:

  • GDP同比: EMM01526652 (现价), EMM00000012 (不变价)
  • CPI同比: EMM00072301 | PPI同比: EMM00073348
  • PMI: EMM00121996 | 工业增加值同比: EMM00008445
  • M2同比: EMM00087086 | 社融当月: EMM00088684
  • MLF1年: EMM00650875

债券收益率(EDB):

  • 国债30Y: E1000183 | 国债10Y: E1000180 | 国债5Y: EMM00166462 | 国债1Y: E1000172
  • 国开10Y: E1701714 | 国开5Y: E1701710 | 国开3Y: E1701708
  • 中票AAA 3Y: E1000590 | 中票AA+ 3Y: E1000621
  • 城投AAA 3Y: E1702579 | 城投AA 3Y: E1702615
  • 同业存单AAA 1Y: E1706149
  • 二级资本债AAA- 3Y: E1705908

指数行情(CSD, CLOSE):

  • 沪深300: 000300.SH | 中证500: 000905.SH | 中证1000: 000852.SH
  • 上证50: 000016.SH | 创业板指: 399006.SZ | 万得全A: 800000.EI
  • 标普500: SPX.GI | 纳斯达克: IXIC.GI | 日经225: N225.GI

资金利率(CSD, CLOSE):

  • DR001: DR001.IB | DR007: DR007.IB
  • SHIBOR3M: Shibor3M.IR | FR007 IRS 1Y: FR007_1Y.IB

外汇(CSD, CLOSE):

  • 美元指数: USDX.FX | 美元兑人民币: USDCNY.IB | 离岸人民币: USDCNH.FX

商品(CSD, CLOSE):

  • 沪金: AU0.SHF | 原油: scm.INE | 螺纹钢: RB0.SHF | 豆粕: M0.DCE

⚠️ 查询指标代码的首选方式:先读取 references/indicator_codes.md

使用规则:

  • 遇到任何债券收益率(国债/国开/城投/信用债)、利率、宏观指标代码需求时,必须先 Read references/indicator_codes.md 获取准确代码,禁止凭记忆猜测
  • Quick Reference 仅为常用指标的便捷索引,不代表全量指标

For full 453 indicator code mappings: Read references/indicator_codes.md

For complete API function reference: Read references/api_reference.md

Chart Generation Notes

生成中文图表时设置字体:

import matplotlib
matplotlib.use('Agg')
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['PingFang SC', 'Heiti TC', 'STHeiti']
plt.rcParams['axes.unicode_minus'] = False

Key Notes

  • Wind .SI → Choice .SWI (申万行业)
  • Wind 881001.WI (万得全A) → Choice 800000.EI
  • 部分指标无Choice对应码:南华指数, USDCNYM.IB, 螺纹钢期货Wind码
  • Ispandas=1 返回 DataFrame,否则返回 EmQuantData 对象
  • Rate limits: css/csd 700次/分钟, edb 单次最多100个指标
  • 务必在脚本结束时调用 c.stop() 释放连接

DataFrame 列格式速查

函数 索引 列名 DATES 格式 数值列
c.edb() 指标代码(如 E1000180) DATES, RESULT "YYYY/MM/DD" 字符串 RESULT(需 pd.to_numeric())
c.csd() 证券代码(如 000300.SH) DATES, CLOSE 等 "YYYY/MM/DD" 字符串 直接可用

两者的 DATES 列都是字符串,统一用:

df['DATES'] = pd.to_datetime(df['DATES'], format='%Y/%m/%d')

edb() 的 RESULT 列必须转 numeric 才能做数值运算:

df['RESULT'] = pd.to_numeric(df['RESULT'], errors='coerce')

环境问题排查

错误 原因 解决
ModuleNotFoundError: EmQuantAPI SDK 未注册 运行 installEmQuantAPI.py 或用 setup_emquant()
OSError: dlopen ... no such file .pth 指向旧路径 重新运行 installEmQuantAPI.py
DateParseError: E1000180 对 edb 结果错误使用 pd.to_datetime(df.index) 改用 pd.to_datetime(df['DATES'])
TypeError: argmax not allowed RESULT 列未转 numeric 加 pd.to_numeric(df['RESULT'])