Получение свечей из Algopack через библиотеку moexalgo

В качестве примера выгрузим исторические дневные свечи по акциям Сбербанка (SBER) за весь 2025 год с использованием библиотеки moexalgo и API Algopack

Зачем это может быть нужно

Дневные свечи — это основа для технического анализа и бэктестинга торговых стратегий. Они содержат цены открытия, закрытия, максимум, минимум и объём торгов за день.

Описание метода API

Метод candles() библиотеки moexalgo позволяет получать исторические свечи с различными таймфреймами:

1min, 10min, 1h, 1d (день), 1w (неделя), 1m (меясц)

Особенности и ограничения:

Лимит на выдачу данных: 10000 строк
Данные доступны с момента листинга инструмента на бирже (чаще всего)
Большие периоды нужно делить на меньшие

# Установка библиотеки (если еще не установлена)
#!pip install moexalgo

from moexalgo import Ticker, session
import pandas as pd

# Авторизация (замените на ваш токен из личного кабинета https://data.moex.com/products/algopack)
session.TOKEN = 'eyJhbGciOiJSUzI1NiIsInR5cCIgOiAiS...ваш_токен'

# Создаем объект тикера
sber = Ticker('SBER')

# Получаем дневные свечи за 2025 год
candles_data = sber.candles(
    start='2025-01-01',    # Начальная дата
    end='2025-12-31',      # Конечная дата
    period='1d'            # Дневные свечи
)

# Преобразуем в DataFrame для удобной работы
df = pd.DataFrame(candles_data)

# Выводим общую информацию о данных
print(f"Всего получено записей: {len(df)}")
print(f"Период: с {df['begin'].min()} по {df['end'].max()}")

# Сохраняем данные в CSV файл (опционально)
df.to_csv('sber_candles_2025.csv', index=False)
print("Данные сохранены в файл sber_candles_2025.csv")

Всего получено записей: 318
Период: с 2025-01-03 00:00:00 по 2025-12-30 23:59:58
Данные сохранены в файл sber_candles_2025.csv

df

	open	close	high	low	value	volume	begin	end
0	280.00	272.25	280.41	271.80	1.185357e+10	43086870	2025-01-03 00:00:00	2025-01-03 23:59:59
1	270.88	274.37	274.41	270.07	7.737094e+09	28454750	2025-01-06 00:00:00	2025-01-06 23:59:59
2	273.07	277.00	277.87	273.07	7.356165e+09	26634660	2025-01-08 00:00:00	2025-01-08 23:59:59
3	276.71	271.80	278.77	270.73	1.449133e+10	52952880	2025-01-09 00:00:00	2025-01-09 23:59:59
4	272.31	278.77	279.53	270.27	1.962313e+10	71154220	2025-01-10 00:00:00	2025-01-10 23:59:59
...	...	...	...	...	...	...	...	...
313	300.26	302.51	302.60	300.02	7.471306e+09	24760307	2025-12-26 00:00:00	2025-12-26 23:59:58
314	302.66	302.63	303.20	302.51	5.536735e+08	1827803	2025-12-27 00:00:00	2025-12-27 23:59:57
315	302.60	302.55	302.83	301.37	9.408030e+08	3113900	2025-12-28 00:00:00	2025-12-28 23:59:57
316	303.00	299.70	306.20	298.50	1.568448e+10	51927078	2025-12-29 00:00:00	2025-12-29 23:59:59
317	300.50	299.90	300.99	299.08	5.995707e+09	19986979	2025-12-30 00:00:00	2025-12-30 23:59:58

318 rows × 8 columns

# Установка библиотеки (если еще не установлена)
#!pip install matplotlib

import matplotlib.pyplot as plt

ax = df.set_index('begin')['close'].plot(figsize=(14, 6), color='#2962FF', linewidth=1.5)
ax.grid(alpha=0.3, linestyle='--', linewidth=0.5)
ax.set_ylabel('Цена')
plt.tight_layout()
plt.show()

Зачем это может быть нужно​

Описание метода API​

Зачем это может быть нужно

Описание метода API