Cómo leer datos antiguos de MetaStock en Python

Resumen

El documento pregunta si se pueden cargar directamente en pandas archivos antiguos de MetaStock con datos de fin de día. Describe el formato como binario y señala que está asociado a varios tipos de archivo, pero no ofrece un procedimiento de decodificación ni detalles de implementación.

La respuesta aceptada dice que las bibliotecas habituales de Python no pueden leer directamente este formato antiguo, por lo que habría que convertir los datos a texto antes de importarlos. Sugiere obtener los datos a través de un proveedor compatible con Python como alternativa más sencilla. Es una respuesta breve y fechada, no una guía técnica: no muestra cómo hacer la conversión, no compara proveedores en detalle ni establece si herramientas posteriores admiten el formato.

Ideas clave

• Según la respuesta, los datos antiguos de MetaStock se guardan en un formato binario que las bibliotecas habituales de Python no pueden leer directamente.
• La solución alternativa propuesta es convertir los archivos a texto antes de importarlos en pandas.
• La respuesta sugiere usar un proveedor de datos con integración para Python como alternativa.
• El documento no ofrece un ejemplo de conversión ni pruebas más allá de la afirmación de quien responde.

Etiquetas

# Loading metastock data into panda data frames


# Loading metastock data into panda data frames












Most paid end-of-day data packages are available in metastock format. For analytics purposes, it will be nice if one can read the metastock data and load them into Python panda data frames. Is it possible to do this today?

The metastock format I am referring to is the legacy (pre-12.0) MetaStock file format. It is a binary file format and originated from the Computrac file format. There are four files associated with the format: MASTER, EMASTER, XMASTER, FDAT, and F.MWD.

## Answer by Rehan (score 1, accepted)

https://quant.stackexchange.com/a/32760

The binary data from MetaStock cannot be directly read into a pandas dataframe, or for the matter of fact, into any python library commonly known. For this you would need to convert it into text and then import, which simply complicates the process.

The easier way to do this, would be to use Quandl - although it costs slightly higher than MetaStock, it ties in very well to Python, and you can import the requisite data in a jiffy.

Se muestra íntegramente con atribución según la licencia de la fuente. Licencia: CC BY-SA 4.0 (Stack Exchange)

Este resumen lo redactó el agente de investigación de Stratmill a partir del original; no es una copia de la fuente.