4、数据获取：获取期货行情数据（Tushare/JoinQuant）、获取现货指数数据、数据对齐与清洗。

数据获取，说白了就是给策略找「食材」。

你策略再牛，模型再漂亮，拿到的数据是脏的、错的、缺的，那结果就是垃圾进垃圾出。我见过太多人花90%时间调参数，却不愿意花10%时间检查数据源。嗯，这里要敲黑板——数据质量决定了你的策略天花板。

4.1 期货行情数据怎么拿？

我个人习惯用Tushare和JoinQuant两个平台。为什么？因为稳定，而且接口设计得比较人性化。

Tushare获取期货日线数据

先注册账号，拿到token。然后装库、调接口。代码长这样：

import tushare as ts

# 设置token
ts.set_token('你的token')
pro = ts.pro_api()

# 获取螺纹钢主力连续合约日线
df_futures = pro.fut_daily(
    ts_code='RB9999.XSGE',  # 螺纹钢主力连续
    start_date='20240101',
    end_date='20241231',
    fields='trade_date,open,high,low,close,vol,amount'
)

print(df_futures.head())

这里有个坑——主力连续合约不是真实合约。它是把不同月份的主力合约拼接起来的。你直接拿它算基差，会出问题。我曾经在回测里用主力连续算套利收益，结果发现换月那天基差跳了2%，差点把策略搞崩。

JoinQuant获取数据

如果你在JoinQuant平台上跑策略，可以直接用它的API：

from jqdata import *

# 获取螺纹钢2010合约日线
df_jq = get_price(
    'RB2010.XSGE', 
    start_date='2024-01-01', 
    end_date='2024-12-31',
    frequency='daily',
    fields=['open', 'close', 'high', 'low', 'volume', 'money']
)

JoinQuant的好处是数据已经做过复权处理，但坏处是——它默认后复权。做套利时，后复权会把分红、配股等因素算进去，反而会扭曲基差。我个人建议用不复权数据，自己手动处理。

4.2 现货指数数据怎么拿？

现货数据比期货难拿。为什么？因为现货没有统一的交易所，数据分散在各个平台。

常见的现货数据源：

• Wind/Choice：最全，但收费。如果你在机构，直接拉API就行。
• Tushare指数数据：免费，但更新有延迟。
• 中证指数公司官网：可以手动下载CSV，但没法自动化。
• 聚宽/米筐：平台自带指数数据，方便回测。

拿沪深300指数举个例子：

# Tushare获取沪深300指数
df_index = pro.index_daily(
    ts_code='000300.SH',
    start_date='20240101',
    end_date='20241231',
    fields='trade_date,open,high,low,close,vol'
)

这里要注意——指数点位和期货价格的单位不一样。指数是点数，期货是元/吨（商品）或指数点（金融）。你直接拿它们相减算基差，数值会很大。我一般会做归一化处理，或者直接用百分比基差。

4.3 数据对齐与清洗——最磨人的一步

数据对齐，说白了就是让期货和现货的日期对上。

期货有夜盘，现货没有。所以期货的交易日和现货的交易日不完全重合。比如周五晚上期货还在交易，但现货已经收盘了。你拿周五夜盘的期货价格去对周五白天的现货价格，时间戳就不对。

对齐规则：

• 期货日线数据，取15:00收盘价（日盘收盘），不要用夜盘收盘。
• 如果某天现货休市（比如节假日），期货即使有交易，也要剔除。
• 如果期货某天没有交易（比如涨停跌停），用前一天的收盘价填充？不，我建议直接剔除。

代码实现：

import pandas as pd

# 假设df_futures和df_index都已经有了
# 合并两个DataFrame，以现货日期为准
df_merged = pd.merge(
    df_futures[['trade_date', 'close']].rename(columns={'close': 'futures_close'}),
    df_index[['trade_date', 'close']].rename(columns={'close': 'index_close'}),
    on='trade_date',
    how='inner'  # 只保留两边都有的日期
)

# 计算基差
df_merged['basis'] = df_merged['futures_close'] - df_merged['index_close']
df_merged['basis_pct'] = df_merged['basis'] / df_merged['index_close'] * 100

数据清洗的常见问题：

问题类型	表现	处理方法
缺失值	某天期货或现货数据为空	直接删除该行，不要填充
异常值	价格突然跳涨/跳跌超过5%	检查是否除权除息，否则剔除
重复值	同一天出现多条记录	保留第一条，删除重复
时间戳错位	期货日期和现货日期不匹配	用merge的inner模式强制对齐

4.4 本章知识体系

下面这张图，是我自己画的数据获取流程。你看一遍，基本就知道每一步该做什么了。

你看，整个流程其实不复杂。但每一步都有细节。我个人建议你先把数据拿到手，然后花一天时间做清洗和对齐。别急着跑策略——数据干净了，策略才有意义。

嗯，数据获取这块就讲这么多。记住一句话：数据质量决定策略上限。你花在清洗上的每一分钟，都会在回测结果里回报你。