积分商城

最新搜索： 深入浅出ARM7 NUC97 24C16源码 DAC8830 自动切换量程 趣味编程100例
您现在的位置是：首页 > 技术资料 > 基于Python的互联网金融数据采集
推荐星级：
  • 1
  • 2
  • 3
  • 4
  • 5

基于Python的互联网金融数据采集

更新时间：2019-12-25 11:44:02 大小：1000K 上传用户：songhuahua查看TA发布的资源 标签：python互联网金融数据采集 下载积分：1分 评价赚积分 （如何评价?） 打赏 收藏 评论(0) 举报

资料介绍

互联网金融数据中潜藏着未知的知识价值,但也存在着巨量的数据冗余。通过Python可以进行互联网金融数据的获取、解析、提取关键信息并进行存储,其方式方法是灵活多样的,可采用的开源库也比较多。获取数据时要遵守法律和道德规范,使用Python时可以依据实际的研究内容来决定需要采集的数据。Python是互联网数据的获取工具,也是进行互联网金融数据分析的基石。


部分文件列表

文件名 大小
基于Python的互联网金融数据采集.pdf 1000K

【关注视频号领20积分】   【关注公众号立即送20积分】

部分页面预览

（完整内容请下载后查看）
No.5s 圆园17  
叶合作经济与科技曳  
金融 / 投资  
基于 Python 的互联网金融数据采集  
□文 / 王 蕾 1 安英博 1 刘佳杰 2  
（1.河北金融学院；2.河北兴冀工程项目管理有限公司 河北·保定）  
［提要］ 互联网金融数据中潜藏着未知的知识价值，但也存在着巨量的数据冗余。通过 Python 可以进行  
互联网金融数据的获取、解析、提取关键信息并进行存储，其方式方法是灵活多样的，可采用的开源库也比较  
多。获取数据时要遵守法律和道德规范，使用 Python 时可以依据实际的研究内容来决定需要采集的数据。  
Python 是互联网数据的获取工具，也是进行互联网金融数据分析的基石。  
关键词：Python；互联网金融；数据采集；数据解析  
成果来源：河北省教育厅课题（QN2015151）；保定市科技局课题（16ZF180）；河北省智慧金融应用技术研发  
中心课题（XZJ2017003）；河北省科技厅软科学研究计划项目（17450903D）  
中图分类号：F83 文献标识码：A  
收录日期：2017 年 3 月 17 日  
伴随着互联网的发展与移动应用的普及，互联网  
金融得到了长足的发展，伴随而来的是规模巨大的数  
据，金融从业者要通过数据挖掘、大数据分析获取有  
价值的信息，完成精准营销，进而降低营销成本，提高  
业绩。这时，一项重要的前置工作就是数据的采集，以  
便于后续的数据分析，尤其是实时数据分析。  
一、互联网金融数据来源  
要进行金融大数据分析，其数据来源可划分为内  
部数据来源和外部数据来源两种。内部数据来源是互  
联网金融企业内部数据库，较易得到，但是数据库中  
的数据往往不能直接用于分析，需要进行数据整合、  
清洗和转换等才能被使用。分析企业内部数据可以较  
虽然我国已经在逐步建立健全全国性信用信息  
共享平台。但仍缺乏银行、企业和环保部门三者之间  
的绿色信息共享平台，我国的信息共享平台还不够完  
善。2016 年，发改委与国家开发银行签署了《关于落  
实联合奖惩措施的合作备忘录》。据备忘录要求，全国  
信用信息共享平台将与国开行开展信用信息共享，实  
时共享各类信用信息。这表示信息共享在开发性金融  
领域加快落地。尽管现在我国拥有全国性信用信息平  
三方合作的绿色信息共享平台，借鉴国外发达国家绿  
色信贷和信息共享的先进经验，建立符合我国国情的  
信息共享平台，改变银行“信息不对称”的现状，避免  
银行欺上瞒下，推动银行绿色信息的公开化，有利于  
银行与公司贷款信息的透明化，从而促进经济可持续  
发展，形成经济与环境的良性循环。  
主要参考文献：  
台，但这一平台起步较晚，尚不完善。特别是在银行、 ［1］武迪，武传利.英国个人征信的经验及对我国的启  
企业和环保部门的绿色信息共享这一方面还有很大 示［J］.金融实务，2009.8.  
的提升空间。为此，建议国家强调重视银行、企业和环 ［2］汪继宁.对金融业统一征信平台搭建的思考—  
保部门三者信息共享平台对于绿色发展的作用，建立 基于银行、证券、保险信息共享的探索［J］. 征信，  
——  
健全绿色信息共享平台，发挥“互联网+”的强大优势， 2013.3.  
对绿色信贷的执行进行动态追踪，引导银行自愿进行 ［3］孙鹏.双渠道供应链的信息共享策略及协调机制  
绿色信贷的信息披露。  
总之，银行、企业、环保部门之间应加紧协调合 ［4］梁伟.非银行信用信息共享长效机制探讨［J］.征  
作，明确各方权利和义务，建设银行、企业、环保部门 信，2015.8.  
研究［D］.天津大学，2014.  
- 47 -  
好地对客户进行细分、了解金融产品组合特点，预测  
金融产品发展趋势，辅助进行金融决策，但从了解整  
个行业的发展角度来讲这并不够，需用到外部金融数  
据。外部金融数据的来源有多种形式：一是通过与数  
据拥有方签署合作协议来获取所需金融数据；二是购  
买金融数据库等方式来获取；三是通过数据采集工具  
来自行采集获取。第三种数据采集方式的优点是可以  
私人定制所需数据，缺点是对技术要求较高，同时不  
能违反网络数据采集的法律和相关道德约束，如应当  
遵守 Robots Exclusion Protocol，否则可能会引发与  
quests+Beautiful Soup+re 的架构来完成，使用 requests  
库可以自动提交网络请求和自动爬取 HTML 页面，使  
用 Beautiful Soup 库和 re 正则表达式可解析 HTML  
页面和提取页面关键信息；如果是较大规模数据的采  
集则可使用 scraper 架构或者 Portia 架构来完成。下  
面进行互联网金融数据采集的实证分析，针对淘宝网  
站的“大码女装”销售情况进行分析，需要获取商品名  
称、价格、销售量、产地、商家等信息。首先应查看其网  
站根目录之下的 robots.txt 文件，以得知该网站通过爬  
虫来获取数据时有哪些限制。接下来制定搜索策略，  
“酷米客”与“车来了”之间数据纠纷类似的法律事件、 获取 HTML 页面信息，解析 HTML 文档，提取商品名  
产生隐私数据泄露、影响服务器性能等一系列问题。  
二、互联网金融数据的分类  
称、价格、销售量等关键信息，最后存储商品信息。  
（一）搜索策略的确定。以某 URL 为入口，分析最  
终 URL 队列形成方式以确定搜索策略。分析发现，其  
检索结果被放置于具有页码的多个页面，观察其 URL  
所具备的特点 http：//s.taobao.com/search?q=”大码女  
装”&s=页码 * 每页商品显示数量，鉴于此可以确定此  
商品 URL 队列的获取原则。循环遍历次数为页面数  
量或自定义数量，为了不造成对网站服务器的负担，  
模拟了人类的访问频率，每获取一个页面信息，随即  
进行解析和存储并休眠 2 秒。try-catch 处理了异常，  
提高了程序的健壮性。确定搜索策略后就要遍历得到  
页面信息。每次遍历实现对单个 HTML 页面信息的获  
取、解析和存储。页面信息的获取调用了自定义方法  
getHTML （），页面信息的解析调用了自定义方法  
parseHTML（）。核心代码如下所示：  
在利用数据采集工具自行采集互联网金融数据  
时会遇到多种类别的数据。按照行业领域划分，包括  
股票、证券、债券、期货等理财数据，P2P 数据，众筹数  
据，电子商务数据，微博、微信、贴吧等社交平台互联  
网金融评论数据，新闻财经数据等。从数据自身的结  
构类型角度进行划分，包括数字、短文本、长文本、图  
片、音频、视频等。日期、价格、指数等多为数字或者短  
文本，评论、新闻等多为长文本，图片、音频、视频等随  
着通讯技术和互联网金融的发展也将成为互联网金  
融数据的重要来源。  
三、互联网数据采集手段  
针对上述外部数据采集中的第三种数据采集方  
式，即通过数据采集工具自行采集互联网数据的手段  
进行探讨。互联网数据的采集可采用网络爬虫，又称  
网页蜘蛛或网络机器人，其按照一定的规则，自动地  
抓取来自网络的程序或脚本。指定 URL 并不断从当  
前页面上抽取新的 URL 放入队列，直到满足一定的  
停止条件。网络爬虫在访问一个超文本链接时，可以  
从 HTML 标签中自动获取指向其他网页的地址信息，  
其间可依据关键词对所有相关网页信息进行存贮、解  
析和存储。常用的爬虫策略包括深度优先搜索策略、  
广度优先搜索策略和最佳优先搜索策略。页面内容和  
链接的重要性的不同会导致链接访问顺序的不同，其  
重要性评价方式包括基于内容评价、基于链接结构评  
价、基于增强学习和基于语境图的爬行等。  
for i in range（页面数量）：  
time.sleep（2）  
try：  
url=start_url+st（r 每页商品数量 *i）  
html=getHTML（url）  
parseHTML（html，goodslist）  
saveGoodsLis（t goodslist，file_path）  
except：  
continue  
（二）获取 HTML 页面信息。获取 HTML 页面信息  
需要获取 HTML 页面的源代码，可以调用 requests 库  
的 ge（t url）方法，此方法是获取网页的常用方法之一，  
url 作为其参数指明了要获取的资源路径，返回的页  
面信息被存储为 Response 对象中。Response 对象的  
text 即为 HTML 的页面内容。requests 还包括 pos（t ）、  
head（）等方法。使用 requests.ge（t url）.text 可以获得  
url 地址所对应的 HTML 文档内容；使用 f.write（re原  
quests.ge（t url）.content）可以将 url 所指向资源以二进  
制的形式获得并保存至本地电脑，该资源可以是文  
本、图片、音频、视频等。以下为 getHTML（）方法中部  
四、基于 Python 的金融数据采集  
C++、C#、Java、Python 等程序设计语言都可以作  
为网络爬虫的开发语言来进行互联网金融数据的采  
集。Python 作为一种开源语言提供了丰富的 API 和工  
具，可以使用 C 语言、C++等来编写扩充模块，也可以  
使用第三方库，具有较高的灵活性，故采用 Python 来  
进行互联网金融数据的采集。在使用 Python 进行数  
据采集时，如果是小规模数据采集，可以使用 re原  
- 48 -  

相关下载

全部评论(0)

暂无评论
评论赚积分>>

上传资源 上传优质资源有赏金

热门标签

更多>>

最新上传

  • 打赏
  • 30日榜单

热门下载

推荐下载

本站上的所有资源均为源于网上收集或者由用户自行上传，仅供学习和研究使用，无任何商业目的，版权归原作如有侵权，请 来信指出，本站将立即改正。

ICP许可证号：京ICP证070360号     21IC电子网 2000- 版权所有

京ICP备11013301号

京公网安备 11010802024343号