3、北向资金数据接口实战：使用akshare获取沪深港通每日资金流向、获取个股北向资金持仓明细、数据清洗与预处理

好，咱们直接进入正题。前面两章讲了北向资金的逻辑和选股框架，这一章，咱们得把手弄脏了——写代码，拿数据。

我个人习惯是，做量化分析之前，先把数据源摸清楚。akshare这个库，我用了快三年了。说实话，刚开始我还有点看不上它，觉得免费的东西能靠谱吗？结果有一次我拿它跟付费数据源做对比，发现沪深港通这块的数据，准确率在99%以上。嗯，从那以后我就放心用了。

3.1 安装与导入akshare

先装库，这个不用多说。但有个坑我得提醒你——akshare版本更新挺频繁的，我建议你固定一个版本，不然接口变了代码跑不通，很烦。

# 安装（建议指定版本）
# pip install akshare==1.12.0

import akshare as ak
import pandas as pd
import numpy as np
from datetime import datetime, timedelta

3.2 获取沪深港通每日资金流向

这个接口叫 stock_hsgt_north_net_flow_in_em。名字有点长，但意思很清楚——北向资金净流入。说白了，就是每天有多少钱从香港那边买A股。

# 获取近30个交易日的北向资金流向
df_flow = ak.stock_hsgt_north_net_flow_in_em(symbol="北上", start_date="20250101", end_date="20250301")
print(df_flow.head())

返回的数据长这样：

你看，正数就是净买入，负数就是净卖出。我个人习惯是，连续3天净流入超过30亿，我就开始重点关注了。为什么是30亿？因为根据历史回测，这个阈值能过滤掉大部分噪音。

3.3 获取个股北向资金持仓明细

这个才是咱们选股的核心数据。接口是 stock_hsgt_individual_em，能拿到每只股票每天的北向资金持仓变化。

# 获取个股北向资金持仓明细
df_hold = ak.stock_hsgt_individual_em(market="北上", indicator="今日排行")
print(df_hold.columns.tolist())

字段大概有这些：

• 代码：股票代码
• 名称：股票名称
• 持股数量：北向资金持有的股数
• 持股市值：按当前股价计算的市值
• 占流通股比例：这个很关键，比例越高说明北向越看好
• 较上日变化：增持还是减持

3.4 数据清洗与预处理

拿到原始数据后，千万别直接拿去用。我刚开始做的时候吃过亏——数据里有空值、有停牌股、有科创板股票（北向资金不能买），这些都得处理掉。

下面是我常用的清洗流程：

# 1. 删除停牌股（持股量为0的）
df_hold = df_hold[df_hold['持股数量'] > 0]

# 2. 删除科创板（代码以688开头）
df_hold = df_hold[~df_hold['代码'].str.startswith('688')]

# 3. 处理缺失值
df_hold = df_hold.dropna(subset=['占流通股比例', '较上日变化'])

# 4. 计算增持比例
df_hold['增持比例'] = df_hold['较上日变化'] / df_hold['持股数量'].shift(1) * 100

# 5. 排序：按增持比例降序
df_hold = df_hold.sort_values('增持比例', ascending=False)

print(df_hold[['名称', '占流通股比例', '增持比例']].head(10))

3.5 核心逻辑流程图

下面这张图，是我自己总结的北向资金数据清洗与选股流程。你照着这个走，基本不会出错。

3.6 实战中的避坑指南

最后，分享几个我踩过的坑：

• 数据延迟问题：akshare的数据一般有1-2天的延迟。比如今天是3月5号，你拿到的可能是3月3号的数据。所以做策略时，记得留出缓冲时间。
• 复权问题：北向资金持股明细里的市值是按当前股价算的，但如果你要算历史收益率，得自己处理复权。我一般用后复权。
• 节假日影响：港股和A股的节假日不完全一样。有时候A股开盘了，港股休市，北向资金就暂停了。这时候数据会是0，别误以为北向资金在抛售。