3、数据获取基础：认识金融数据（OHLCV），使用ccxt获取交易所行情数据，数据清洗与预处理
做量化交易，第一件事是什么？
不是写策略，不是回测，而是——拿到干净的数据。
我见过太多人，策略写得花里胡哨，结果数据源就有问题。跑出来的曲线漂亮得不行，实盘一上去就崩。说白了，数据是地基，地基不稳，楼盖得再高也得塌。
3.1 认识OHLCV：金融数据的“通用语言”
如果你打开任何一个交易所的K线图，看到的无非就是这几样：
- O - Open（开盘价）：这一根K线开始时的价格
- H - High（最高价）：这一根K线内的最高成交价
- L - Low（最低价）：这一根K线内的最低成交价
- C - Close（收盘价）：这一根K线结束时的价格
- V - Volume（成交量）：这一根K线内的成交数量
嗯，就这么简单。但简单不代表不重要。
我个人习惯把OHLCV看作是金融数据的“原子单位”。任何技术指标，均线、MACD、RSI，底层都是拿这五个字段算出来的。你想想看，如果连原始数据都拿不对，后面算出来的指标能靠谱吗？
核心要点：OHLCV是时间序列数据。每一行代表一个时间切片（比如1分钟、1小时、1天）。时间戳 + 这五个字段，构成了最基础的行情数据。
3.2 使用ccxt获取交易所行情数据
ccxt这个库，我愿称之为“量化交易者的瑞士军刀”。它统一了上百家交易所的API接口。你不需要去记币安的API怎么调，也不用管OKX的签名算法怎么写。ccxt全给你封装好了。
安装很简单：
pip install ccxt然后我们来拿数据。以币安为例，获取BTC/USDT的1小时K线：
import ccxt
import pandas as pd
# 初始化交易所
exchange = ccxt.binance()
# 获取K线数据
# 参数：交易对，时间周期，起始时间（毫秒时间戳），获取条数
ohlcv = exchange.fetch_ohlcv('BTC/USDT', '1h', limit=100)
# 转成DataFrame
df = pd.DataFrame(ohlcv, columns=['timestamp', 'open', 'high', 'low', 'close', 'volume'])
# 时间戳转成可读时间
df['timestamp'] = pd.to_datetime(df['timestamp'], unit='ms')
print(df.head())跑一下，你就能看到最近100个小时的BTC行情了。
小提示：fetch_ohlcv的limit参数，不同交易所上限不一样。币安最多能拿1000根。如果你要拿历史数据，需要循环请求，每次往前推时间。
我曾经在做一个跨交易所套利项目时，需要同时拉5家交易所的数据。如果没有ccxt，光对接API就得写一周。用ccxt，一下午就搞定了。这就是工具的力量。
3.3 数据清洗与预处理：别让脏数据毁了你的策略
数据拿到手，别急着用。先看看有没有坑。
我遇到过最典型的问题：交易所偶尔会返回空值。比如网络波动，某一根K线没拿到。如果你不处理，策略直接报错。
常见的清洗步骤：
- 检查缺失值：看看有没有NaN
- 检查重复值：有时候网络重试会导致重复数据
- 检查异常值：比如成交量突然为0，或者价格出现离谱的跳变
- 排序：确保时间戳是从早到晚排列的
代码示例：
# 1. 检查缺失值
print(df.isnull().sum())
# 2. 删除缺失值（或者用前值填充）
df = df.dropna()
# 3. 检查重复值
print(df.duplicated(subset=['timestamp']).sum())
# 4. 删除重复值
df = df.drop_duplicates(subset=['timestamp'])
# 5. 按时间排序
df = df.sort_values('timestamp')
# 6. 重置索引
df = df.reset_index(drop=True)
print(f"清洗后数据量: {len(df)} 条")警告：千万不要直接删除缺失值就完事了。有时候缺失是因为交易所那根K线确实没有交易（比如流动性极差的币种）。这种情况下，用前一根K线的价格填充可能更合理。具体怎么处理，取决于你的策略逻辑。
还有一个坑：不同交易所的时间戳精度不一样。有的用毫秒，有的用秒。我建议统一转成毫秒时间戳，避免后续对齐数据时出问题。
3.4 本章知识体系总览
下面这张图，是我自己画的知识结构。你可以把它当作一个检查清单：学完这一章，你至少应该能看懂这张图里的每一个环节。
总结一下：这一章我们干了三件事——认识了OHLCV是什么，学会了用ccxt从交易所拉数据，以及怎么把脏数据洗干净。这三步走完，你手里就有了一份可以用于策略开发的“干净”行情数据。
嗯，数据获取这块，其实没什么高深的技术。但细节决定成败。我见过有人因为时间戳没对齐，回测时信号全部偏移了一根K线，结果亏了几十万。所以，别嫌麻烦，每一步都检查一遍。
公众号:蓝海资料掘金营，微信deep3321