使用akshare获取机构推荐池数据

使用akshare获取机构推荐池数据

1. 机构推荐池接口stock_institute_recommend简介

功能描述
该接口用于获取新浪财经的机构推荐池数据，涵盖最新投资评级、目标价、行业分类等关键指标。数据来源为专业金融机构（券商、基金等）发布的股票评级报告，反映市场主流机构对个股的价值判断。

核心参数

输出字段

• 股票代码、股票名称、最新评级（如“买入”、“增持”）、目标价、评级日期、行业
• 辅助指标：综合评级、平均涨幅（反映机构预期收益）

数据价值

• 投资信号：识别机构集中推荐的股票，捕捉市场共识
• 行业分析：通过行业关注度指标挖掘资金偏好行业

2. 调用接口获取机构推荐池数据

步骤与代码示例

import akshare as ak
import pandas as pd

# 获取“最新投资评级”数据
df_recommend = ak.stock_institute_recommend(symbol="最新投资评级")

# 数据清洗：过滤无效值 & 按评级日期排序
df_clean = df_recommend.dropna(subset=["最新评级"])
df_clean["评级日期"] = pd.to_datetime(df_clean["评级日期"])
df_sorted = df_clean.sort_values("评级日期", ascending=False)
# df_sorted = df_recommend.sort_values("评级日期", ascending=False)

# 查看最新5条记录
print(df_sorted[["股票代码", "股票名称", "最新评级", "评级日期"]].head())

       股票代码  股票名称 最新评级       评级日期
0    600000  浦发银行   买入 2025-07-17
181  600312  平高电气   增持 2025-07-17
153  688160  步科股份   增持 2025-07-17
154  603071  物产环能   买入 2025-07-17
155  688136  科兴制药   买入 2025-07-17

3. 评级分布统计与饼图可视化

3.1 统计各评级类别数量

# 按评级类型分组计数
rating_counts = df_sorted["最新评级"].value_counts()
print(rating_counts)

最新评级
买入    5756
增持    1252
中性      54
Name: count, dtype: int64

3.2 使用Matplotlib绘制饼图

import matplotlib.pyplot as plt

# 设置中文显示（解决标签乱码）
plt.rcParams["font.sans-serif"] = ["SimHei"]  # 中文字体
plt.rcParams["axes.unicode_minus"] = False   # 修复负号显示

# 饼图参数配置
labels = rating_counts.index.tolist()
sizes = rating_counts.values
explode = (0.1, 0, 0) # 突出显示"买入"类别
colors = ["#FF9999", "#66B3FF", "#99FF99", "#FFCC99"]

# 绘制饼图
fig, ax = plt.subplots(figsize=(10, 6))
ax.pie(
    sizes,
    explode=explode,
    labels=labels,
    colors=colors,
    autopct="%1.1f%%",    # 显示百分比
    # autopct=lambda p: f'{p:.1f}%',  # 显示百分比
    shadow=True,           # 添加阴影
    startangle=90          # 起始角度
)

# 添加标题与图例
ax.set_title("机构推荐池股票评级分布", fontsize=14)
ax.legend(
    labels,
    title="评级类型",
    loc="center left",
    bbox_to_anchor=(1, 0.5)
)

# 标注总数
plt.text(-1.5, -1.2, f"总股票数: {len(df_sorted)}", fontsize=12)
plt.tight_layout()
plt.savefig("rating_pie.png", dpi=300)
plt.show()

关键注意事项

1. 数据时效性

   • 接口数据每日更新，建议在交易日下午16:00后调用获取最新评级
   • 历史数据需结合stock_institute_recommend_detail接口补充

2. 常见问题

   • 中文乱码：务必配置plt.rcParams字体参数（见3.2节代码）
   • 数据缺失：部分股票无机构评级，需用dropna()过滤
   • 接口限制：单次调用返回全部数据，避免高频请求（建议间隔>60秒）

3. 扩展应用

   • 评级跟踪：结合历史数据计算评级上调/下调比例，捕捉预期变化
   • 行业对比：复用代码将indicator改为行业关注度，分析行业热度分布

完整代码依赖：akshare>=1.15.73, pandas, matplotlib。示例数据截至2025-07-17，实际运行以本地环境为准。本文仅作代码调用示例，与实际投资无关。