第三章：数据获取——用 yfinance 搞定美股历史数据

做量化交易，数据就是你的石油。没有数据，再牛的模型也是空中楼阁。

这一章，我们来聊聊怎么用 Python 把美股数据拉下来。我用的工具是 yfinance，一个非常轻量的库。说实话，我刚开始做美股回测时，也试过各种付费数据源，后来发现 yfinance 对于大多数策略研究来说，完全够用。

3.1 安装与基本用法

先装库，一行命令搞定：

pip install yfinance

然后拉取单只股票的历史数据。比如苹果：

import yfinance as yf

# 下载 AAPL 从 2020-01-01 到 2023-12-31 的日线数据
aapl = yf.download("AAPL", start="2020-01-01", end="2023-12-31")
print(aapl.head())

返回的是一个 DataFrame，包含 Open、High、Low、Close、Volume、Adj Close 六列。嗯，这里要注意：Adj Close 是复权收盘价，做回测时一定要用它，否则分红拆股会把你坑惨。

3.2 多股票数据获取

单只股票太孤单，我们通常要处理一篮子股票。比如标普500的成份股。

yfinance 支持一次性传入多个 ticker：

tickers = ["AAPL", "MSFT", "GOOGL", "AMZN", "META"]
data = yf.download(tickers, start="2020-01-01", end="2023-12-31")
print(data.head())

返回的数据结构是 MultiIndex DataFrame。列名变成了两层：第一层是价格类型（Open、Close...），第二层是股票代码。

我个人习惯把它整理成更易用的格式。比如只取收盘价：

close_prices = data["Close"]
print(close_prices.head())

这样每列就是一只股票的收盘价序列，做相关性分析、协整检验都方便多了。

3.3 数据频率选择：日线 vs 分钟线

yfinance 默认返回日线数据。但如果你想做高频策略，就需要分钟线。

获取分钟线数据，加一个 interval 参数：

# 获取 1 分钟线数据
aapl_1min = yf.download("AAPL", period="5d", interval="1m")
print(aapl_1min.head())

# 获取 5 分钟线数据
aapl_5min = yf.download("AAPL", period="1mo", interval="5m")
print(aapl_5min.head())

这里有个限制：yfinance 的分钟线数据最多只能拉取过去 60 天。而且数据量很大，1 分钟线一天就有 390 根 K 线（美股交易时间 6.5 小时）。

3.4 数据清洗与预处理

数据拉下来之后，别急着用。先做三件事：

1. 检查缺失值：用 isnull().sum() 看看哪些列有空值
2. 处理停牌日：美股没有涨跌停，但有停牌。停牌日的价格会保持不变，或者直接缺失
3. 对齐时间戳：不同股票的交易时间可能略有差异，尤其是盘前盘后数据

我常用的清洗代码：

# 检查缺失值
print(close_prices.isnull().sum())

# 向前填充（停牌日沿用前一日价格）
close_prices_filled = close_prices.fillna(method='ffill')

# 删除仍然缺失的行（比如某只股票刚上市）
close_prices_clean = close_prices_filled.dropna(axis=1, how='any')

3.5 本章知识体系

下面这张图，帮你理清数据获取的完整流程：

从安装到清洗，每一步都有坑。但只要你按照这个流程走，数据质量就有保障。

3.6 实战小贴士

• 缓存数据：每次跑策略都重新下载数据太慢了。我习惯把数据存成 CSV 或 Parquet 格式，下次直接读取。
• 注意时区：yfinance 返回的时间是 UTC 时间。美股交易时间对应的是美东时间。做分钟线策略时，一定要转换时区。
• 限流问题：yfinance 没有官方 API Key，但频繁请求会被限流。我一般每次请求间隔 0.5 秒，批量下载时分批处理。