yfinance库中Adj Close列缺失问题的技术解析
2025-05-13 02:05:12作者:申梦珏Efrain
背景介绍
yfinance是一个流行的Python库,用于从Yahoo Finance获取金融市场数据。近期有用户发现,在使用yfinance 0.2.52版本时,获取的数据中缺少了"Adj Close"(调整后收盘价)这一列,而之前的版本中这一列是存在的。
问题本质
这个问题实际上不是bug,而是yfinance库从0.2.51版本开始引入的一项功能改进。新版本默认启用了auto_adjust=True参数,这意味着所有获取的价格数据都已经是经过调整后的价格,因此不再需要单独的"Adj Close"列。
技术原理
在金融市场数据中,"调整后收盘价"是一个重要概念,它考虑了公司行为(如股票分割、股息支付等)对股价的影响。传统上,数据提供商会提供原始收盘价和调整后收盘价两列数据。
yfinance 0.2.51版本之前的做法是:
- 获取原始数据(包含Open、High、Low、Close等)
- 同时获取调整因子
- 单独计算并提供Adj Close列
新版本的做法是:
- 直接获取已经调整过的价格数据
- 不再需要单独计算Adj Close
- 所有价格数据(Open、High、Low、Close)都已经是一致的调整后价格
解决方案
对于依赖"Adj Close"列的老代码,有两种处理方式:
- 使用旧版行为:显式设置
auto_adjust=False参数
df = yf.download(tickers, start='2025-1-25', end='2025-1-30',
group_by="ticker", auto_adjust=False)
- 适应新版行为:直接使用Close列,因为它已经是调整后的价格
最佳实践建议
- 对于新项目,建议直接使用新版行为,因为所有价格数据都已经过调整,更加一致
- 对于维护现有项目,可以暂时使用
auto_adjust=False保持兼容性 - 在迁移到新版时,应该检查所有使用Adj Close的地方,考虑是否可以直接使用Close列
版本兼容性说明
这一变化从yfinance 0.2.51版本开始引入,影响了以下方面:
- 默认行为变化:
auto_adjust参数默认值从False改为True - 数据结构变化:当auto_adjust=True时,不再提供Adj Close列
- 数据一致性:所有价格列都使用相同的调整因子
总结
yfinance库的这一变化实际上是一个功能改进,它简化了数据结构并提高了数据一致性。开发者需要了解这一变化,并根据项目需求选择合适的参数配置。对于大多数新项目,推荐使用默认的新版行为,这样可以避免处理原始价格和调整后价格之间的不一致问题。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
暂无简介
Dart
669
155
Ascend Extension for PyTorch
Python
219
236
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
660
308
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.81 K
React Native鸿蒙化仓库
JavaScript
259
322
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.19 K
653
仓颉编程语言运行时与标准库。
Cangjie
141
878