第二章：金融市场基础与数据获取

各位同学，欢迎来到第二章。

做量化交易，说白了就是跟数据打交道。你策略再牛，模型再花哨，数据源出了问题，一切都是白搭。我见过太多人把精力全花在调参上，结果数据预处理阶段就埋了雷——嗯，这种坑我自己也踩过不少。

这一章，我们先把地基打牢。我会带你快速过一遍三大主流市场（股票、期货、加密货币）的核心差异，然后手把手教你用 yfinance 拉数据，最后重点讲数据清洗与预处理。这部分内容虽然基础，但绝对是实战中出问题最多的地方。

2.1 三大市场：股票、期货、加密货币

先聊聊这三个市场的特点。你不需要成为每个领域的专家，但得知道它们各自「脾气」如何。

股票市场

股票市场是最传统的。交易时间固定（比如A股是9:30-15:00），有涨跌停限制，流动性相对较好。我个人习惯把股票数据当作强化学习入门的第一块试验田——因为数据相对干净，规律性也强。

期货市场

期货就有点不一样了。它有杠杆，可以做多也可以做空，而且有交割日。我记得刚接触期货时，最让我头疼的就是「换月」问题——主力合约会变，价格会有跳空。如果你直接把不同合约的数据拼在一起，回测结果会非常离谱。

加密货币市场

加密货币嘛，7×24小时交易，没有涨跌停，波动极大。我在项目中遇到过最夸张的情况：一个小时内价格上下波动30%。这种数据对强化学习模型来说，既是机会也是挑战。另外，加密货币的数据源质量参差不齐，有些交易所的数据甚至会有时间戳错乱的问题。

特性	股票	期货	加密货币
交易时间	固定时段	近乎全天（有夜盘）	7×24小时
杠杆	无（或低）	有	有
数据频率	日/分钟	分钟/ tick	秒级/ tick
数据质量	高	中高	中低

2.2 使用 yfinance 获取历史数据

yfinance 是我最常用的免费数据源之一。它从 Yahoo Finance 拉数据，覆盖股票、ETF、指数、期货等。虽然免费，但数据质量在大多数场景下够用。

安装很简单：

pip install yfinance

获取数据的基本用法：

import yfinance as yf

# 下载苹果股票2023年全年的日线数据
data = yf.download('AAPL', start='2023-01-01', end='2023-12-31')
print(data.head())

你可能会问：为什么选 yfinance 而不是其他库？我个人觉得它最大的优点是「零配置」——不需要 API key，不需要注册，一行代码就能拿到数据。对于快速原型验证来说，非常方便。

不过要注意一点：yfinance 返回的数据是 pandas DataFrame，列名是 Open、High、Low、Close、Volume 等。如果你同时下载多只股票，它会返回一个 MultiIndex 的 DataFrame，处理起来稍微麻烦一些。

2.3 数据清洗与预处理

数据拉下来之后，别急着扔进模型。先做清洗。这一步做不好，后面全是白费功夫。

处理缺失值

缺失值在金融数据里很常见。比如节假日没有交易数据，或者某些交易所的数据源偶尔断流。我见过最离谱的情况：某只股票因为停牌，连续20个交易日的收盘价全是 NaN。

常见的处理方法有三种：

• 直接删除：如果缺失值很少，直接 drop 掉最省事。
• 向前填充：用上一个有效值填充。适合处理非交易日的缺失。
• 插值：用前后值做线性插值。适合处理短时间内的数据断裂。

# 检查缺失值
print(data.isnull().sum())

# 向前填充
data.fillna(method='ffill', inplace=True)

# 或者直接删除
data.dropna(inplace=True)

重采样

重采样就是把数据从一种时间频率转换成另一种。比如把分钟线重采样成小时线，或者把日线重采样成周线。

为什么需要重采样？因为强化学习模型的训练频率和交易频率不一定匹配。你想想看，如果你做的是日频交易，却用分钟级数据训练模型，计算量会非常大，而且容易过拟合到噪声上。

# 将日线数据重采样为周线
weekly_data = data.resample('W').agg({
    'Open': 'first',
    'High': 'max',
    'Low': 'min',
    'Close': 'last',
    'Volume': 'sum'
})

这里要注意：重采样时，不同字段的聚合方式不一样。开盘价取第一个，收盘价取最后一个，最高价取最大值，最低价取最小值，成交量取总和。这个逻辑不难，但容易搞混。

数据标准化

强化学习模型对输入数据的尺度很敏感。如果价格从几十到几万不等，模型训练会非常不稳定。我一般会做 Z-score 标准化：

from sklearn.preprocessing import StandardScaler

scaler = StandardScaler()
scaled_data = scaler.fit_transform(data[['Close']])

标准化之后，数据均值为0，标准差为1。这样模型就能更快收敛。

2.4 本章知识体系

下面这张图总结了本章的核心逻辑。你可以把它当作一个「数据流水线」来看：

2.5 本章小结

这一章我们聊了三个市场的核心差异，学会了用 yfinance 拉数据，也掌握了缺失值处理和重采样的基本方法。说实话，这些内容看起来简单，但我在实际项目中见过太多人在这里翻车。

记住一句话：数据质量决定了模型的上限。你花再多时间调参，也弥补不了数据上的硬伤。