- **功能描述**：获取Tushare因子库里各因子的数值
- **返回限量**：单次请求最大返回6000行
- **接口权限**：独立权限，需单独开通
- **说明**：
> 1. 本接口是基于daily的时间序列数值；
> 2. 因子值由`ts_code`、`factor_name`和`trade_date`三个字段确定唯一记录，由于返回行数的限定，至少传递两个参数才能够完整获取参数所限定的所有因子值；
> 3. 不同因子的数值量纲不同，在使用时需注意因子的具体含义和适用范围；

## 输入参数：

| 名称 | 类型 | 必选 | 描述 |
| - | - | - | - |
| ts_code | str | N | 股票代码 |
| factor_name | str | N | 因子名称（基于因子列表的名称） |
| trade_date | str | N | 交易日期：YYYYMMDD格式 |
| start_date | str | N | 开始日期：YYYYMMDD格式 |
| end_date | str | N | 结束日期：YYYYMMDD格式 |

> ts_code和factor_name至少要输入一个参数；

## 输出参数：

| 名称 | 类型 | 默认显示 | 描述 |
| - | - | - | - |
| factor_name | str | Y | 因子名称 |
| ts_code | str | Y | 证券代码 |
| trade_date | str | Y | 交易日期，格式YYYYMMDD |
| factor_value | float | Y | 因子值 |

## 示例：

### 示例1：获取某支股票某个交易日所有的因子值

传递`ts_code`参数可指定特定股票，传递`trade_date`参数可指定特定交易日。

> 这里20260901浦发银行的因子有192行，因子库列表接口目前指示因子数量为232个(2026/09/02运行结果)，由此可见并不是所有的股票各个因子有值；

```python
import tushare as ts
pro = ts.pro_api()

df = pro.factor_value(ts_code='600000.SH', trade_date='20260901')
df
```

输出结果：

```xml
  factor_name ts_code trade_date  factor_value
0 alpha101_14 600000.SH 20260901  -3.016901e-01
1 alpha101_38 600000.SH 20260901  -8.213578e-01
2 sigma_1320d_000001  600000.SH 20260901  1.121016e-02
3 amount_ma_20d 600000.SH 20260901  6.362222e+08
4 alpha101_101  600000.SH 20260901  8.429119e-01
... ... ... ... ...
187 alpha101_1  600000.SH 20260901  -3.281504e-02
188 alpha101_9  600000.SH 20260901  -1.900000e-01
189 bias_turn_21d_252d  600000.SH 20260901  -1.939240e-01
190 return_252d 600000.SH 20260901  -2.821329e-01
191 alpha101_35 600000.SH 20260901  0.000000e+00
192 rows × 4 columns
```

### 示例2：获取某支股票某个因子所有历史值

通过传递`ts_code`和`factor_name`组合可获取某支股票某个因子所有历史值。

```python
df = pro.factor_value(ts_code='600000.SH', factor_name='MACD')
df
```

输出结果：

```xml
  factor_name ts_code trade_date  factor_value
0 MACD  600000.SH 20100104  0.000000
1 MACD  600000.SH 20100105  0.078848
2 MACD  600000.SH 20100106  -0.083021
3 MACD  600000.SH 20100107  -0.411731
4 MACD  600000.SH 20100108  -0.481885
... ... ... ... ...
4042  MACD  600000.SH 20260826  -1.019095
4043  MACD  600000.SH 20260827  -1.040388
4044  MACD  600000.SH 20260828  -1.194412
4045  MACD  600000.SH 20260831  -0.891341
4046  MACD  600000.SH 20260901  -0.249090
4047 rows × 4 columns
```

### 示例3：获取某个交易日某个因子所有股票的值

通过传递`trade_date`和`factor_name`可获取某个交易日某个因子所有股票的值，这种场景可用于对不同股票进行横向对比。

```python
df = pro.factor_value(trade_date='20260901', factor_name='MACD')
df
```

输出结果：

```xml
  factor_name ts_code trade_date  factor_value
0 MACD  000001.SZ 20260901  9.061484
1 MACD  600201.SH 20260901  -3.388144
2 MACD  000002.SZ 20260901  -0.558980
3 MACD  600202.SH 20260901  0.124472
4 MACD  000006.SZ 20260901  0.541549
... ... ... ... ...
5548  MACD  600195.SH 20260901  0.010409
5549  MACD  600196.SH 20260901  -5.574448
5550  MACD  600197.SH 20260901  -0.539697
5551  MACD  600198.SH 20260901  0.278474
5552  MACD  600199.SH 20260901  -0.435533
5553 rows × 4 columns
```

### 示例4：获取某个交易日所有股票因子值，并进行透视分析

因子值由`ts_code`、`factor_name`和`trade_date`三个字段确定唯一记录，且仅传递任意一个参数均不能够将该参数限定的记录完整查询并获取到。上述三个示例演示了这三个参数两两组合获取数据。本示例演示如何依据因子列表循环迭代获取某一交易日所有股票的所有因子值，并将结果合并成一个大的DataFrame，最后对这个DataFrame进行透视分析。

```python
import pandas as pd

lst_factors = pro.factor_list()
lst_factor_values = []
for factor in lst_factors['factor_name']:
    df = pro.factor_value(factor_name=factor, trade_date='20260901')
    lst_factor_values.append(df)
df_combined = pd.concat(lst_factor_values, ignore_index=True)
df_pivoted = df_combined.pivot(index='ts_code', columns='factor_name', values='factor_value').reset_index()
df_pivoted
```

输出结果：

```xml
  factor_name ts_code MACD  adjusted_sharpe_750d  alpha101_1  alpha101_10 alpha101_101  alpha101_11 alpha101_12 alpha101_13 alpha101_14 ... volume_alpha_300d_000001  volume_alpha_300d_000300  volume_beta_120d_000300 yoy_net_asset yoy_net_profit  yoy_ocf yoy_revenue yoy_roa yoy_roe yoy_total_asset
0 000001.SZ 9.061484  10363.309559  -0.032815 0.216937  0.771704  0.751078  -0.20 -0.377838 0.249763  ... 0.002886  0.002116  0.677587  0.761905  -0.004877 0.795504  -0.063262 0.587284  0.545215  0.511492
1 000002.SZ -0.558980 -5825.507539  -0.032815 0.505045  0.659341  1.499649  0.02  -0.175495 -0.580189 ... 0.008843  0.008242  1.155166  0.031746  0.748704  NaN -0.379559 0.898608  0.905057  0.034476
2 000006.SZ 0.541549  781.026677  0.276894  0.496757  0.766284  0.347328  0.02  -0.639099 -0.180354 ... 0.005221  0.005293  0.183762  0.307061  -0.965812 NaN -0.793852 0.180211  0.190825  0.485042
3 000007.SZ 2.652965  2486.584822 -0.032815 0.562342  0.221402  0.161407  0.00  -0.759099 0.203621  ... 0.006872  0.006491  0.839228  0.333881  -1.094127 NaN 0.145048  0.155756  0.164693  0.383802
4 000008.SZ 0.504163  841.563706  -0.032815 0.483784  0.588235  0.873699  -0.03 -0.222523 0.325086  ... NaN NaN NaN 0.051450  0.426663  NaN 0.006928  0.856847  0.877985  0.051259
... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
5548  920978.BJ -0.218878 NaN -0.032815 0.161261  0.351262  0.291066  -0.28 -0.067748 -0.242891 ... 0.002462  0.002109  0.571580  0.855683  0.066839  NaN 0.299364  0.557562  0.553111  0.790770
5549  920981.BJ 1.105317  270.097142  0.430754  0.576216  -0.260980 0.375780  0.01  -0.708108 -0.062644 ... 0.011334  0.011076  0.533789  0.453932  1.031041  NaN 0.373963  0.844808  0.878737  0.876687
5550  920982.BJ -6.294590 926.663269  0.500000  0.009189  0.499888  0.299269  -2.53 -0.296216 -0.591400 ... 0.005954  0.005663  0.304068  0.862981  -0.338755 0.492325  -0.112385 0.332205  0.344050  0.839292
5551  920985.BJ 0.028715  201.156243  -0.032815 0.252072  0.580913  0.593308  -0.16 -0.627387 -0.717185 ... 0.007263  0.007072  0.995508  0.021529  -6.412283 NaN -0.707610 0.030098  0.015040  0.363736
5552  920992.BJ 0.006789  324.404670  -0.032815 0.796757  0.725953  0.290438  -0.40 -0.382883 -0.588990 ... 0.000450  0.000297  0.806843  0.500274  -0.043741 0.895833  0.052419  0.565463  0.561760  0.474644
5553 rows × 223 columns
```

## 说明：

`factor_value`是Tushare因子库的核心数据接口，用于获取Tushare因子库中各因子的具体数值。该接口与`factor_list`（因子列表接口）配合使用——`factor_list`提供因子的元数据信息（名称、分类、算法逻辑），`factor_value`则提供具体的因子数值。

因子值由ts_code、factor_name和trade_date三个字段确定唯一记录，由于返回行数的限定，至少传递两个参数才能够完整获取参数所限定的所有因子值；

Tushare接口文档：因子值（factor_value）

`factor_value`是Tushare因子库的核心数据接口，用于获取Tushare因子库中各因子的具体数值。该接口与`factor_list`（因子列表接口）配合使用——`factor_list`提供因子的元数据信息（名称、分类、算法逻辑），`factor_value`则提供具体的因子数值。

首席数据运营官

数据库

后端

大数据

Tushare因子库数据接口factor_value，支持按股票代码、因子名称及交易日灵活查询因子数值。单次最多返回6000行，需至少传入两个参数才能完整获取数据。该接口提供四种查询模式：单股单日全部因子、单股单因子历史序列、单日单因子全市场横向对比，以及通过循环迭代获取全市场全因子透视分析，适用于量化研究中的因子回测与横截面分析。

2026上云采购 | AI焕新·智启新局

bigdata-class

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

Tushare因子库数据接口factor_value，支持按股票代码、因子名称及交易日灵活查询因子数值。单次最多返回6000行，需至少传入两个参数才能完整获取数据。该接口提供四种查询模式：单股单日全部因子、单股单因子历史序列、单日单因子全市场横向对比，以及通过循环迭代获取全市场全因子透视分析，适用于量化研究中的因子回测...

Tushare接口文档：因子值（factor_value）-腾讯云开发者社区-腾讯云

Tushare接口文档：因子值（factor_value）

Tushare接口文档：因子值（factor_value）

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐