AKShare-基金数据-基金规模
共 5089字，需浏览 11分钟
·
2021-07-05 06:16
作者寄语
亚当斯密(1776)在其著作《国富论》中指出，分工和专业化是提升效率的原因，而分工和专业化的一大制约因素是市场的广狭程度，也即市场规模程度，所以扩大市场规模程度对于增加财富是有好处的。穆勒(1848)32从节约成本的角度谈到了扩大规模的好处。马歇尔(1890)33系统地阐述了规模经济理论，他指出企业在长期可以选择扩大规模，增加不动产，从而使企业在较低的成本下增加产量，获得规模经济效用，但同时指出若企业规模扩大导致垄断，将降低企业经营效率。Chandler(1999)指出，“规模经济是指当生产或经销单一产品的单一经营单位因规模扩大而减少了生产或经销的单位成本时而导致的经济”。正如传统工业一样，基金行业也存在规模经济的可能性，随着基金规模的扩大，基金中一些固定成本和随着规模扩大而没同比例扩大的部分给基金带来了费用上的节省，从而增加了基金的利润，这样在计算基金净值时对基金的净值有了JH的影响。
更新接口
"fund_em_aum" # 基金规模-基金规模详情 "fund_em_aum_trend" # 基金规模-基金规模走势
基金规模
基金规模详情
接口: fund_em_aum
目标地址: http://fund.eastmoney.com/Company/lsgm.html
描述: 获取天天基金网-基金数据-基金规模
限量: 单次返回所有基金规模数据
输入参数
| 名称 | 类型 | 描述 |
|---|---|---|
| - | - | - |
输出参数
| 名称 | 类型 | 描述 |
|---|---|---|
| 序号 | int64 | - |
| 基金公司 | object | - |
| 成立时间 | object | - |
| 全部管理规模 | float64 | 注意单位: 亿元 |
| 全部基金数 | int64 | - |
| 全部经理数 | int64 | - |
| 更新日期 | object | - |
接口示例
import akshare as ak
fund_em_aum_df = ak.fund_em_aum()
print(fund_em_aum_df)
数据示例
序号 基金公司 成立时间 全部管理规模 全部基金数 全部经理数 更新日期
0 1 易方达基金管理有限公司 2001-04-17 14413.25 392 61 06-28
1 2 天弘基金管理有限公司 2004-11-08 12243.93 199 33 06-24
2 3 广发基金管理有限公司 2003-08-05 9865.64 442 68 06-23
3 4 汇添富基金管理股份有限公司 2005-02-03 9296.03 309 50 06-24
4 5 南方基金管理股份有限公司 1998-03-06 8947.93 418 65 06-24
.. ... ... ... ... ... ... ...
164 165 北京高华证券有限责任公司 2004-10-18 NaN 0 0 None
165 166 平安证券股份有限公司 1996-07-18 NaN 4 3 None
166 167 东海证券股份有限公司 1993-01-16 NaN 2 1 None
167 168 国海证券股份有限公司 1993-06-28 NaN 2 1 None
168 169 汇泉基金管理有限公司 2020-06-15 NaN 1 2 None
基金规模走势
接口: fund_em_aum_trend
目标地址: http://fund.eastmoney.com/Company/lsgm.html
描述: 获取天天基金网-基金数据-基金规模走势
限量: 单次返回所有基金规模走势数据
输入参数
| 名称 | 类型 | 描述 |
|---|---|---|
| - | - | - |
输出参数
| 名称 | 类型 | 描述 |
|---|---|---|
| date | object | - |
| value | float64 | - |
接口示例
import akshare as ak
fund_em_aum_trend_df = ak.fund_em_aum_trend()
print(fund_em_aum_trend_df)
数据示例
date value
0 2016-06-30 7.795280e+12
1 2016-09-30 8.572922e+12
2 2016-12-31 8.966215e+12
3 2017-03-31 8.964740e+12
4 2017-06-30 9.887788e+12
5 2017-09-30 1.085338e+13
6 2017-12-31 1.141607e+13
7 2018-03-31 1.205598e+13
8 2018-06-30 1.256286e+13
9 2018-09-30 1.307637e+13
10 2018-12-31 1.285114e+13
11 2019-03-31 1.349216e+13
12 2019-06-30 1.321250e+13
13 2019-09-30 1.332581e+13
14 2019-12-31 1.463123e+13
15 2020-03-31 1.624671e+13
16 2020-06-30 1.649092e+13
17 2020-09-30 1.717224e+13
18 2020-12-31 1.953767e+13
19 2021-03-31 2.116346e+13
20 2021-06-28 2.233053e+13
现在加入“数据科学家”星球，即可享VIP快速提问通道，数据接口、金融量化、机器学习、Python编程等Albert King直播课程，快来加入知识星球吧～
