Obtención de datos sobre la relación de gastos

Question

Tengo una lista de tickers (~11.500) en un archivo .txt/.csv y los datos de fondos que la acompañan de yahoo finance. Me pregunto si hay una forma razonablemente fácil/accesible de utilizar esta lista para obtener los ratios de gastos de yahoo finance o de cualquier otro sitio. ¿Se trata de escribir un C#/Javascript para consultar el YQL 11500 veces para http://finance.yahoo.com/q/pr?s=TICKER y luego almacenar los datos de la sección: Informe Anual Ratio de Gastos (neto): X.YZ% ?

Se agradece cualquier ayuda.

Mis mejores deseos

Answer 1

Versión en Python del código R de Brian:

El código de Brian toma automáticamente el primer ratio de gastos que encuentra, que es el que tú querías. Esta versión es un poco más explícita.

import urllib2, re
stockSymbols = [ "VDIGX", "VFIAX" ]
expenses = [ [ "Fund", "Most Recent Expense Ratio" ] ]
for stockSymbol in stockSymbols:
    page = urllib2.urlopen("http://finance.yahoo.com/q/pr?s=" + stockSymbol + "+profile" )
    data = page.read()
    row = re.findall("Annual Report Expense Ratio.*?</tr>", data)
    if len(row) > 0:
        ER = re.findall("<td.*?>(\d+\.\d+).*?</td>", row[0] )[0]
        expenses.append( [ stockSymbol, ER ] )
    else:
        print stockSymbol, "does not appear to be a fund with an expense ratio"
print "\n".join( i[0] + "," + i[1] for i in expenses )

Answer 2

Si estás construyendo un sistema técnico que quieres que sea fácilmente actualizable, entonces sí. una consulta en C# es probablemente tu mejor opción. Una búsqueda superficial en Yahoo revela que no hay tal funcionalidad, y el hecho de que nadie más haya respondido a esta pregunta sólo sirve para reforzar ese caso. Si necesita ayuda con la implementación (que no está en su pregunta) sólo hágamelo saber, y voy a poner un ejemplo de juguete. Buena suerte.

Answer 3

Una vez utilicé un código de SO para realizar una tarea similar. Aquí hay una pequeña modificación. Es lento pero no se necesita a menudo.

syms <- c('VDIGX','VFIAX')
library(RCurl)
library(stringr)
for(sym in syms){
  try({
    url <- paste0("http://finance.yahoo.com/q/pr?s=", sym,"+profile")
    profile <- getURL(url)
    row  <- str_extract(profile, "Expense Ratio.*?</tr>")
    cell <- str_extract(row, "<td.*</td>")
    mer <- str_replace_all( cell, "<.*?>", "" )
    cat(sym,cell," ")
  })
}