Kostenlose Historische EOD Daten

Ganz verdenken kann ich das Yahoo nicht. Damit, dass Leute über ne Api einfach nur Daten absaugen läßt sich halt kein Geld verdienen. Und das muss ein Unternehmen schließlich.

Ganz verdenken kann ich das Yahoo nicht. Damit, dass Leute über ne Api einfach nur Daten absaugen läßt sich halt kein Geld verdienen. Und das muss ein Unternehmen schließlich.

Ich spreche aber nicht von der API, sondern von der yahoo finance Seite. Aus historischen Gründen führe ich meine Portfolios dort. Gestern kamen wirre Zahlen, heute scheinen sie wieder zu stimmen... 

Hallo in die Runde,

da ich seit geraumer Zeit Trade Republic nutze und mich nun ebenfalls näher mit JupyterNotebook beschäftigen möchte, bin ich sowohl auf diesen Thread als auch auf diese interessante Github-Seite gestoßen: https://github.com/huseinzol05/Stock-Prediction-Models. Vielleicht nutzt dies bereits jemand von euch.

Die Notebooks von Github verwenden dabei historisch Daten, die per CSV eingelesen werden müssen. Da man bei Trade Republic über Lang & Schwarz handelt, wäre natürlich das anzapfen über https://www.ls-tc.de/ optimal. Ich habe gesehen, dass @atze2000 bereits etwas dazu mit Python programmiert hat. Leider habe ich es nicht geschafft, diese Datenabfrage über ls-tc.de in die JupyterNotbooks einzubauen.  Bei meinen ersten Versuchen über GoogleSheets (https://docs.google.com/spreadsheets/d/1...sp=sharing) kann ich per Web Scraping maximal aktuelle Daten ziehen, wobei noch ein Unmenge an Formatierungsaufwand nötig ist.

Falls jemand einen Ansatz hat oder mir hierzu ein paar Tipps geben könnte, wäre ich sehr dankbar.

Ps.:Eine Spende für die Kaffeekasse wäre natürlich selbstverständlich.


Viele Grüße

Stephan

Hi,
ich bin ein wenig verwirrt. Auf der Seite finde ich keine historischen Daten. Und das ist was du für das Training der ML Modelle bräuchtest. Ich sehe da nur Quotes und Trades von ihrer Plattform (keine Marktpreise). Die könnte man jeden Tag scrapen und irgendwann werden dann da genug historische Daten draus. Aber das ist nicht was du willst, denke ich?

Zum Rumspielen mit Jupyter würde ich das einfach ein Paar Beispiele von Yahoofinance oder Koytlin ziehen. Manuell (click download).

Zum Git Repository. Der Mann hat sich viel Mühe gemacht. Ich habe mir noch nicht alles angeschaut. Auf den ersten Blick sieht daas aber nach ziemlich Käse aus. Wildes stacken von aktuellen ML Techniken ohne Verstand (viele von den Prediction Techniken (STS, auto encoder) kommen so erstmal nur schlecht mit instationären Zeitreihen mit schlechter signal to noise ratio aus. Da muss man schon ein bisschen mehr machen. Die Reinforcement Learning Sachen habe ich mir noch nicht genau angesehen, es gibt bei RL aber da generell ein Problem, und das scheint er einfach zu ignorieren.

Ich wäre vorsichtig das mit echtem Geld zu verwenden. Muss es mir aber noch genauer anschauen.

Hallo Lancelot,

danke für deine schnelle Einschätzung und den wertovellen Hinweisen.

Entschuldige für meine etwas undifferenzierte Frage.

Zunächst würde ich gern irgendwie auf historische Daten von L&S zurückgreifen, allerdings habe ich außer dem Web Scraping von der Homepage keine Möglichkeit gefunden Daten von dort abzugreifen.
Wie du aber richtig vorgeschlagen hattest, würde ich sonst daraus selbst einen Datensatz für Jupyter aufbauen, falls es keine historischen Daten gäbe.

Weiterhin hätte ich gern ein vernünftiges und übersichtliches Auswertetool (bestenfalls in Jupyter). Ich bin nur zufällig auf das Github Repo gestoßen und wollte das mal testen. Richtigerweise sollte man niemals!! auf diese Vorhersagen vertrauen. Allerdings muss es doch eine paar Tools geben, die einem einen schönen Überblick geben und ggf. aus statistischen Kennwerten oder ähnlichem eine Tendenz ausspucken. Habt jemand ein Tipp für solch ein Programm zum Überblick, dass man empfehlen kann?

Es ist auch nur für den tieferen Einstieg und die Nutzung von Trade Republic gedacht. Ich möchte nicht gleich zum Börsenpropheten avancieren. Allerdings fehlte mit bisher hierfür eine schöne Marktzusammenfassung oder Anbindung (ggf. über eine API) zu Trade Republic. Aber vielleicht wisst ihr ja mehr dazu.

Kannst auch alternativ, wenn es ein paar € monatlich kosten darf bei iexcloud.io einen Zugang holen oder bei EODHistoricalData.com,
habe ich für die Portfoliosoftware die ich für mich gemacht habe auch gemacht,....

Hallo in die Runde,

da ich seit geraumer Zeit Trade Republic nutze und mich nun ebenfalls näher mit JupyterNotebook beschäftigen möchte, bin ich sowohl auf diesen Thread als auch auf diese interessante Github-Seite gestoßen: https://github.com/huseinzol05/Stock-Prediction-Models. Vielleicht nutzt dies bereits jemand von euch.

Die Notebooks von Github verwenden dabei historisch Daten, die per CSV eingelesen werden müssen. Da man bei Trade Republic über Lang & Schwarz handelt, wäre natürlich das anzapfen über https://www.ls-tc.de/ optimal. Ich habe gesehen, dass @atze2000 bereits etwas dazu mit Python programmiert hat. Leider habe ich es nicht geschafft, diese Datenabfrage über ls-tc.de in die JupyterNotbooks einzubauen.  Bei meinen ersten Versuchen über GoogleSheets (https://docs.google.com/spreadsheets/d/1...sp=sharing) kann ich per Web Scraping maximal aktuelle Daten ziehen, wobei noch ein Unmenge an Formatierungsaufwand nötig ist.

Falls jemand einen Ansatz hat oder mir hierzu ein paar Tipps geben könnte, wäre ich sehr dankbar.

Ps.:Eine Spende für die Kaffeekasse wäre natürlich selbstverständlich.


Viele Grüße

Stephan

Warum nimmst Du denn nicht einen richtigen Broker der Schnittstellen zu bewährter Handelssoftware bietet? Klar kann man auf'm Handy mal ne Order eingeben, das geht bei allen Brokern aber für was Ernsthaftes wäre mir das zu wenig.

Weil man sich eben auch nicht gleich in den Porsche setzt, wenn man beginnt Auto fahren zu lernen. Sondern man schaut, was da ist und nutzt erst einmal das und steigert sich dann.

Ahso, na Aktien kaufen und Sparpläne ausführen und HSBC-Zertis handeln geht ja. Ich dachte Du wolltest da eigene Software dran koppeln aber Du suchst wohl eher nach Daten um die unabhängig von dem Broker zu analysieren.

Genau das, einfach mal eine vernünftige Übersicht für die Markttendenzen mit eine paar Grafiken etc., wo eben auch historische Daten drin sind.
Das ganze Jupyter/Python-Ding ist eher Spielerei, aber mich interessiert einfach, ob solche Vorhersagen wirklich stimmen. Aber ich kann mir Vorstellen, dass manche Algorithmen schon Tendenzen richtig einordnen können.