第二课：环境搭建——Python量化生态与数据源实战

说实话，很多新手在因子挖掘这条路上栽跟头，不是策略不对，而是环境没搭好。我见过太多人花了两周写代码，最后发现是pandas版本冲突导致结果对不上。嗯，这节课我们就来把地基打牢。

2.1 Python量化生态：三驾马车

做因子挖掘，说白了就是跟数据打交道。Python里最趁手的工具，我个人习惯用这三样：

• Pandas：处理表格数据的瑞士军刀。我项目中90%的数据清洗工作都靠它。
• NumPy：数值计算的底层引擎。因子计算里的矩阵运算，背后都是它。
• Statsmodels：统计建模的专家。做因子有效性检验时，你离不开它。

你想想看，这三样东西配合起来，基本能覆盖因子挖掘从数据清洗到回测验证的全流程。

2.2 数据源获取：Tushare vs AKShare

数据是因子挖掘的粮食。国内常用的两个数据源，我分别说说它们的脾气。

特性	Tushare	AKShare
数据质量	高，经过校验	中，部分数据需清洗
获取方式	需要token，有积分限制	免费，无需注册
更新频率	实时+历史	偏历史数据
适合场景	专业研究、高频因子	学习、快速验证

我个人习惯是：学习阶段用AKShare，零门槛上手快；正式研究用Tushare，数据干净省心。曾经有一次，我用AKShare拉了一年的日线数据，结果发现某只股票有三天停牌但数据没标记，差点导致因子计算全错。从那以后，我每次都会做数据完整性检查。

2.2.1 快速上手代码

# 安装（建议用国内镜像）
pip install tushare akshare pandas numpy statsmodels -i https://pypi.tuna.tsinghua.edu.cn/simple

# AKShare获取股票日线
import akshare as ak
df = ak.stock_zh_a_hist(symbol="000001", period="daily", 
                        start_date="20230101", end_date="20231231")
print(df.head())

# Tushare获取（需要先注册获取token）
import tushare as ts
ts.set_token('你的token')
pro = ts.pro_api()
df = pro.daily(ts_code='000001.SZ', start_date='20230101', 
               end_date='20231231')
print(df.head())

2.3 本地数据库搭建：SQLite

数据量大了以后，每次都从网络拉取太慢。我的做法是：建一个本地数据库，把数据存下来，后续分析直接从本地读。

为什么选SQLite？说白了就三点：

• 零配置，不需要安装数据库服务器
• 一个文件就是一个库，方便迁移
• Python内置支持，import sqlite3就能用

2.3.1 实战：搭建你的第一个因子数据库

import sqlite3
import pandas as pd

# 创建数据库文件
conn = sqlite3.connect('factor_data.db')
cursor = conn.cursor()

# 创建股票日线表
cursor.execute('''
CREATE TABLE IF NOT EXISTS daily_data (
    ts_code TEXT,
    trade_date TEXT,
    open REAL,
    high REAL,
    low REAL,
    close REAL,
    vol REAL,
    PRIMARY KEY (ts_code, trade_date)
)
''')

# 批量插入数据（假设df是pandas DataFrame）
df.to_sql('daily_data', conn, if_exists='append', index=False)

# 查询验证
query_df = pd.read_sql("SELECT * FROM daily_data WHERE ts_code='000001.SZ'", conn)
print(query_df.head())

conn.close()

2.4 本章知识体系总览

下面这张图，是我自己总结的因子挖掘环境搭建路线。你跟着走，基本不会迷路。

2.5 环境验证清单

搭建完环境后，我建议你跑一遍这个验证脚本，确保所有组件都能正常工作：

import pandas as pd
import numpy as np
import statsmodels.api as sm
import akshare as ak
import sqlite3

print("Pandas版本:", pd.__version__)
print("NumPy版本:", np.__version__)
print("Statsmodels版本:", sm.__version__)

# 测试数据获取
df = ak.stock_zh_a_hist(symbol="000001", period="daily", 
                        start_date="20240101", end_date="20240110")
print("数据获取成功，共{}条记录".format(len(df)))

# 测试数据库写入
conn = sqlite3.connect('test.db')
df.to_sql('test_table', conn, if_exists='replace')
result = pd.read_sql("SELECT COUNT(*) as cnt FROM test_table", conn)
print("数据库写入成功，记录数:", result['cnt'][0])
conn.close()

print("✅ 环境搭建完成，一切正常！")

好了，环境搭好了，数据源也通了。接下来你就可以开始真正的因子挖掘了。记住：工欲善其事，必先利其器。这一步虽然枯燥，但值得你花时间做扎实。

---