moex-iss 0.1.2

Modern Python client for Moscow Exchange ISS API

MOEX ISS Python Client

Modern Python client for Moscow Exchange ISS API.

Проект предназначен для загрузки, хранения и анализа данных Московской биржи в задачах:

• quantitative trading
• backtesting
• machine learning
• feature engineering
• market research
• automated trading systems

Клиент предоставляет удобный интерфейс для работы с:

• историческими данными
• OHLCV свечами
• рыночными данными
• инструментами MOEX
• shares
• futures
• research datasets

---

Features

Core

✅ Python 3.11+
✅ REST ISS API client
✅ Sync API (requests)
✅ Async API (httpx)
✅ Automatic pagination
✅ Retry mechanism
✅ Rate limiting
✅ JSON parsing
✅ Pandas integration
✅ Parquet export
✅ Unit tests
✅ Mock HTTP testing

---

Architecture

Проект построен как модульный Python клиент:

moex_iss/

├── client.py          # Основной ISS клиент
├── async_client.py    # Async версия клиента
├── auth.py            # MOEX Passport authentication
├── session.py         # HTTP session layer
│
├── endpoints.py       # ISS URL builder
├── parser.py          # JSON parser
├── pagination.py      # Pagination logic
├── dataframe.py       # Pandas adapters
│
├── limiter.py         # Request rate limiter
├── models.py          # Data models
├── exceptions.py      # Custom exceptions

---

Installation

Clone repository

git clone <repository>

cd moex_iss

---

Create virtual environment

Windows

python -m venv .venv

.venv\Scripts\activate

Linux

python3 -m venv .venv

source .venv/bin/activate

---

Install dependencies

Runtime:

pip install -r requirements.txt

Development:

pip install -r requirements-dev.txt

Quant research:

pip install -r requirements-quant.txt

Install package:

pip install -e .

---

Quick Start

Basic client

from moex_iss import ISSClient


client = ISSClient()


data = client.get(
    "/engines"
)


print(data)

---

Historical Data

Example: SBER history

from moex_iss import ISSClient


client = ISSClient()


df = client.history_df(
    engine="stock",
    market="shares",
    board="TQBR",
    security="SBER",
    from_date="2025-01-01",
    till_date="2025-02-01"
)


print(df.head())

Example:

TRADEDATE     SECID     CLOSE     VOLUME

2025-01-01    SBER      250.5     100000
2025-01-02    SBER      252.0     120000

---

Candles

Получение OHLCV данных:

df = client.candles_df(
    security="SBER",
    interval=60
)

Поддерживаемые интервалы:

1    minute
10   minutes
60   minutes
24   daily

Result:

                     open high low close volume

2025-01-01 10:00     250  253 248 252   50000

Данные готовы для:

• indicators
• feature engineering
• machine learning
• backtesting

---

MOEX ISS Endpoints

Пример корректных endpoint:

Engines:

https://iss.moex.com/iss/engines.json

Markets:

https://iss.moex.com/iss/engines/stock/markets.json

Candles:

https://iss.moex.com/iss/engines/stock/markets/shares/boards/TQBR/securities/SBER/candles.json

Важно:

/iss/markets.json

не является существующим ISS endpoint.

---

Pagination

MOEX ISS ограничивает размер ответа.

Клиент автоматически поддерживает:

start=0
start=100
start=200
...

Пример:

for row in client.iter_history(
    engine="stock",
    market="shares",
    board="TQBR",
    security="GAZP"
):

    print(row)

Большие датасеты загружаются без переполнения памяти.

---

Parquet Export

Для хранения исторических данных используется формат Parquet.

Требуется:

pyarrow

Пример:

from pathlib import Path

from moex_iss import ISSClient


Path("data").mkdir(
    exist_ok=True
)


client = ISSClient()


df = client.candles_df(
    "SBER",
    interval=10
)


df.to_parquet(
    "data/sber_10m.parquet"
)

Результат:

data/

└── sber_10m.parquet

Чтение:

import pandas as pd


df = pd.read_parquet(
    "data/sber_10m.parquet"
)

---

Async API

Для параллельной загрузки:

from moex_iss import AsyncISSClient


async with AsyncISSClient() as client:

    data = await client.get_json(
        "https://iss.moex.com/iss/engines.json"
    )

Использование:

• multiple instruments
• monitoring
• batch download
• realtime polling

---

Rate Limiting

Защита от ограничения MOEX ISS:

client = ISSClient(
    rate_limit=5
)

означает:

5 requests / second

---

Authentication

Для приватных данных:

from moex_iss import ISSClient
from moex_iss import ISSConfig


config = ISSConfig(
    username="login",
    password="password"
)


client = ISSClient(
    config
)

Поддерживается:

• MOEX Passport
• cookie authentication
• session persistence

---

Error Handling

Клиент использует собственные исключения:

from moex_iss.exceptions import (
    ISSServerError,
    ISSAuthenticationError,
    ISSRateLimitError
)

Пример:

try:

    data = client.get_json(url)


except ISSServerError:

    reconnect()

---

Examples

examples/

├── 03_get_candles.py
├── 06_async_download.py
└── 07_export_parquet.py

Запуск:

python examples/03_get_candles.py

или:

python examples/07_export_parquet.py

---

Testing

Запуск:

pytest -v

Coverage:

pytest \
--cov=moex_iss \
--cov-report=term-missing

HTML:

pytest \
--cov=moex_iss \
--cov-report=html

---

Development

Formatting:

black .

Lint:

ruff check .

Type checking:

mypy moex_iss

---

Quant Pipeline

Типичный workflow:

MOEX ISS

    |
    v

ISSClient

    |
    v

Pandas DataFrame

    |
    v

Parquet Storage

    |
    v

Feature Engineering

    |
    v

Model

    |
    v

Backtesting

    |
    v

Trading System

---

Planned Features

Market Data

• order book
• trades
• quotes

Futures

• FORTS instruments
• futures candles
• open interest

Analytics

• volatility indicators
• returns calculation
• technical indicators
• microstructure features

Infrastructure

• parquet export
• parquet cache layer
• incremental updates
• Redis cache
• Docker support
• CI/CD pipeline

---

Requirements

Recommended:

Python >=3.11

Main dependencies:

requests
httpx
pandas
numpy
pyarrow
pydantic
tenacity

---

License

Apache License 2.0

Copyright (c) 2026

Licensed under the Apache License, Version 2.0.

You may obtain a copy of the License at:

https://www.apache.org/licenses/LICENSE-2.0

---

Disclaimer

Проект предназначен для исследовательских и образовательных целей.

Перед использованием в реальной торговле необходимо учитывать:

• комиссии
• спреды
• проскальзывание
• ликвидность инструментов
• ограничения API
• рыночные режимы
• риск управления капиталом