Comment puis-je stocker les données de L'API Bloomberg dans une base de données Pandas?

j'utilise tia ( https://github.com/bpsmith/tia/blob/master/examples/datamgr.ipynb )

il télécharge déjà des données comme une base de données panda de bloomberg. Vous pouvez télécharger l'historique de plusieurs tickets en un seul appel et même télécharger quelques données de référence de bloombergs (Central Bank date meetings, holidays for a certain country, etc)

et vous venez de l'installer avec pip. Ce lien est plein d'exemples mais à télécharger les données historiques sont aussi faciles que:

import pandas as pd
import tia.bbg.datamgr as dm

mgr = dm.BbgDataManager()
sids = mgr['MSFT US EQUITY', 'IBM US EQUITY', 'CSCO US EQUITY']
df = sids.get_historical('PX_LAST', '1/1/2014', '11/12/2014')

et df est une base de données pandas.

j'Espère que ça aide

je viens de publier ceci qui pourrait aider

http://github.com/alex314159/blpapiwrapper

ce n'est pas très intuitif de déballer le message, mais c'est ce qui fonctionne pour moi, où strData est une liste de champs bloomberg, par exemple ['PX_LAST',' PX_OPEN']:

fieldDataArray = msg.getElement('securityData').getElement('fieldData')
size = fieldDataArray.numValues()
fieldDataList = [fieldDataArray.getValueAsElement(i) for i in range(0,size)]
outDates = [x.getElementAsDatetime('date') for x in fieldDataList]
output = pandas.DataFrame(index=outDates,columns=strData)
for strD in strData:
    outData = [x.getElementAsFloat(strD) for x in fieldDataList]
    output[strD] = outData
output.replace('#N/A History',pandas.np.nan,inplace=True)
output.index = output.index.to_datetime()
return output

j'ai utilisé pybbg pour faire ce genre de choses. Vous pouvez l'obtenir ici:

https://github.com/bpsmith/pybbg

importer le paquet et vous pouvez alors faire (c'est dans le code source, bbg.py fichier):

banner('ReferenceDataRequest: single security, single field, frame response')
req = ReferenceDataRequest('msft us equity', 'px_last', response_type='frame')
print req.execute().response

les avantages:

• facile à utiliser; boilerplate minimal, et analyse les indices et les dates pour vous.

• ça bloque. Puisque vous mentionnez R, je suppose que vous utilisez ceci dans une sorte d'environnement interactif, comme IPython. C'est donc ce que vous voulez , plutôt que d'avoir à perdre avec des rappels.

• il peut également faire historique (c.-à-d. séries de prix), intrajournalier et en vrac demande de données (pas de données de tique encore).

inconvénients:

• ne fonctionne que sous Windows, pour autant que je sache (vous devez avoir BB workstationg installé et en cours d'exécution).

• suivant ce qui précède, cela dépend de l'api OLE 32 bits pour Python. cela ne fonctionne qu'avec la version 32 bits - il vous faudra donc 32 bits python et 32 bits ole bindings

• il y a des bogues. Dans mon expérience, lors de la récupération de données pour un certain nombre d'instruments, il a tendance à pendre IPython. Pas sûr de ce que provoque cette.

basé sur le dernier point, je suggérerais que si vous recevez de grandes quantités de données, vous les récupérez et les stockez dans une feuille excel (un instrument par feuille), puis importez-les. read_excel n'est pas efficace pour faire cela; vous devez utiliser L'ExcelReader (?) de l'objet, puis itérer sur les feuilles. Sinon, l'utilisation de read_excel va rouvrir le fichier chaque fois que vous lisez une feuille; ce peut prendre les âges.

Tia https://github.com/bpsmith/tia est le meilleur que j'ai trouvé, et je les ai tous essayés... Il vous permet de faire:

import pandas as pd
import datetime
import tia.bbg.datamgr as dm
mgr = dm.BbgDataManager()
sids = mgr['BAC US EQUITY', 'JPM US EQUITY']
df = sids.get_historical(['BEST_PX_BPS_RATIO','BEST_ROE'],
                         datetime.date(2013,1,1),
                         datetime.date(2013,2,1),
                         BEST_FPERIOD_OVERRIDE="1GY",
                         non_trading_day_fill_option="ALL_CALENDAR_DAYS",
                         non_trading_day_fill_method="PREVIOUS_VALUE")
print df

#and you'll probably want to carry on with something like this
df1=df.unstack(level=0).reset_index()
df1.columns = ('ticker','field','date','value')
df1.pivot_table(index=['date','ticker'],values='value',columns='field')
df1.pivot_table(index=['date','field'],values='value',columns='ticker')

La mise en cache est sympa aussi.

les Deux https://github.com/alex314159/blpapiwrapper et https://github.com/kyuni22/pybbg faire le travail de base (merci les gars!) mais ont des problèmes avec de multiples titres / champs ainsi que des dérogations que vous inévitablement besoin.

La seule chose que cette https://github.com/kyuni22/pybbg a qui tia n'a pas est de bds(sécurité, champ).

Vous pouvez également utiliser pdblp (Disclaimer: je suis l'auteur). Il y a un tutoriel montrant la fonctionnalité similaire disponible ici https://matthewgilbert.github.io/pdblp/tutorial.html , la fonctionnalité pourrait être réalisée en utilisant quelque chose comme

import pdblp
con = pdblp.BCon()
con.start()
con.bdh(['IBM US Equity', 'MSFT US Equity'], ['PX_LAST', 'OPEN'],
        '20061227', '20061231', elms=[("periodicityAdjustment", "ACTUAL")])

il existe maintenant une API Bloomberg appropriée pour python qui n'utilise pas COM. Il a tous les crochets pour vous permettre de répliquer la fonctionnalité de L'Addin Excel, avec l'avantage évident d'un bon langage de programmation endpoint. Les objets request et response sont assez mal documenté, et sont assez obtus. Néanmoins, les exemples dans L'API sont bons, et certains jouer en utilisant le module d'inspection et l'impression des messages de réponse devrait vous mettre à jour. Malheureusement, la norme la licence de terminal ne fonctionne que sur Windows. Pour *nix, vous aurez besoin d'une licence de Serveur (encore plus chère). Je l'ai utilisé assez largement.

https://www.bloomberg.com/professional/support/api-library /