4. 金融数据获取：用Tushare搞定股票数据

做量化交易，数据就是你的弹药。没有干净的数据，再牛的策略也是白搭。

我个人习惯用Tushare来获取A股数据。这玩意儿开源免费，数据覆盖面广，社区也活跃。你想想看，从日线到分钟线，从基本面到技术指标，基本都能拿到。

4.1 Tushare 快速上手

先装包，再注册。就这么简单。

pip install tushare

装完之后，去 tushare.pro 注册个账号，拿到你的 token。嗯，这里要注意，token 相当于你的钥匙，别泄露了。

import tushare as ts

# 初始化
pro = ts.pro_api('你的token')

# 获取股票日线数据
df = pro.daily(ts_code='000001.SZ', start_date='20230101', end_date='20231231')
print(df.head())

跑一下，数据就出来了。是不是很简单？

4.2 数据清洗与预处理

拿到的数据，说白了就是原材料。直接拿来用？不行。你得先洗一洗。

常见问题：

• 缺失值：某天停牌，数据是 NaN
• 异常值：价格突然跳空，可能是数据错误
• 重复值：同一时间戳出现多条记录

我在项目中遇到过最坑的一次：某只股票因为分红除权，价格直接跳了20%。我没处理，直接跑回测，结果策略显示年化收益300%...后来才发现是数据没复权。

# 处理缺失值：向前填充
df.fillna(method='ffill', inplace=True)

# 处理重复值
df.drop_duplicates(subset=['trade_date'], keep='last', inplace=True)

# 复权处理（推荐使用后复权）
df = pro.daily(ts_code='000001.SZ', start_date='20230101', end_date='20231231', adj='qfq')

4.3 数据存储：CSV vs HDF5

数据洗好了，得存起来。两种主流方式：CSV 和 HDF5。

特性	CSV	HDF5
可读性	高（文本文件，直接打开看）	低（二进制文件）
存储效率	低（占用空间大）	高（压缩存储）
读写速度	慢（尤其数据量大时）	快（支持索引）
适用场景	小数据量、调试阶段	大数据量、生产环境

我个人习惯：调试用 CSV，正式跑用 HDF5。为什么？CSV 方便查看，HDF5 性能好。

# 存储为 CSV
df.to_csv('stock_data.csv', index=False)

# 存储为 HDF5
df.to_hdf('stock_data.h5', key='daily_data', mode='w')

# 读取 HDF5
df_loaded = pd.read_hdf('stock_data.h5', key='daily_data')

4.4 本章知识体系

下面这张图，帮你理清整个流程：

说白了，整个流程就是：拿数据 → 洗干净 → 存起来。每一步都有坑，但踩过一次就记住了。

---