数据源配置：美股数据源介绍与Bundle机制
做量化回测，数据就是你的弹药库。没有数据，策略写得再漂亮也是纸上谈兵。今天我们来聊聊Zipline的数据源配置，说白了就是——怎么把美股数据喂给Zipline吃。
一、美股数据源：三大主流选择
我个人习惯把数据源分成三类：免费的、半免费的、付费的。咱们一个一个说。
1. Yahoo Finance
老牌免费数据源。我刚开始做回测时就用它，简单粗暴。但有个问题——Yahoo Finance的数据质量不太稳定。我记得有一次回测结果异常，查了半天发现是某天的OHLC数据里出现了负值。嗯，这你受得了吗？
2. Alpha Vantage
这个数据源我比较推荐。免费额度够用（每分钟5次请求，每天500次），而且数据质量比Yahoo好不少。它提供实时数据和历史数据，支持美股、ETF、外汇等。
不过要注意——Alpha Vantage的API Key需要去官网申请，免费的就行。我曾经帮一个学员调试，他用了别人的Key，结果数据一直报错。所以，自己申请一个，别偷懒。
3. IEX Cloud
付费数据源，但物有所值。IEX Cloud的数据延迟低、质量高，适合做高频或准高频策略。它的免费层只有每月50000次调用，说实话不太够用。我建议如果预算允许，直接上付费版。
| 数据源 | 价格 | 数据质量 | 推荐场景 |
|---|---|---|---|
| Yahoo Finance | 免费 | 中等 | 学习、原型验证 |
| Alpha Vantage | 免费/付费 | 良好 | 日常回测 |
| IEX Cloud | 付费 | 优秀 | 生产环境、高频策略 |
二、Bundle概念：Zipline的数据仓库
Bundle是什么？你可以把它想象成一个「数据集装箱」。Zipline不会直接去Yahoo或Alpha Vantage拉数据，而是先把数据打包成Bundle，存在本地。回测时直接从Bundle里读，速度快得多。
为什么会这样设计？你想想看，每次回测都去远程拉数据，网络延迟、API限速、数据格式不一致……这些问题够你喝一壶的。Bundle机制说白了就是「一次下载，多次使用」。
内置Bundle有哪些？
Zipline自带几个Bundle，开箱即用：
- quandl：老牌Bundle，但Quandl被Nasdaq收购后，免费数据越来越少。我个人已经不推荐了。
- yahoo：对应Yahoo Finance数据源。简单，但质量一般。
- csvdir：从本地CSV文件读取数据。这个我经常用，适合自定义数据。
三、使用zipline ingest下载数据
下载数据就一个命令：zipline ingest。但别急着跑，先配置好数据源。
第一步，安装数据包：
pip install zipline zipline-bundle第二步，注册数据源。以Yahoo为例：
zipline bundles --register yahoo第三步，下载数据：
zipline ingest -b yahoo嗯，就这么简单。但我要提醒你——第一次下载可能会很慢。我记得有一次下载标普500的20年数据，花了将近两个小时。所以，建议你晚上睡觉前跑这个命令，第二天醒来数据就好了。
zipline ingest -b yahoo --tickers AAPL,MSFT,GOOGL。这样速度快很多。
四、自定义Bundle的准备工作
内置Bundle虽然方便，但总有不够用的时候。比如你想加入自己的因子数据、或者从其他数据源拉数据。这时候就需要自定义Bundle了。
自定义Bundle的核心是写一个Python脚本，告诉Zipline三件事：
- 数据从哪里来（数据源地址、API Key等）
- 数据长什么样（字段名、数据类型、时间频率）
- 数据怎么处理（清洗、对齐、去重）
我给大家一个最简单的模板：
# custom_bundle.py
import pandas as pd
from zipline.data.bundles import register
def my_bundle(environ,
asset_db_writer,
minute_bar_writer,
daily_bar_writer,
adjustment_writer,
calendar,
start_session,
end_session,
cache,
show_progress,
output_dir):
# 1. 读取数据（这里假设从CSV读）
df = pd.read_csv('my_data.csv')
# 2. 写入Zipline格式
daily_bar_writer.write(df)
# 3. 写入调整数据（分红、拆股等）
adjustment_writer.write()
# 注册Bundle
register('my_bundle', my_bundle)然后你就可以用zipline ingest -b my_bundle来下载了。
~/.zipline/custom_bundles/目录里，然后在~/.zipline/extension.py中import它。
五、知识体系总览
说了这么多，咱们用一张图来总结一下本章的核心逻辑：
这张图把整个数据流串起来了。你从数据源拉数据，打包成Bundle，用ingest下载到本地，最后在回测时调用。每一步都有坑，但每一步也都有解法。
好了，数据源配置就讲到这里。下一章我们会深入自定义Bundle的完整实现，包括如何写ingest脚本、如何处理分红拆股、如何加速数据下载。到时候我会分享一个我实际项目中用过的Bundle模板，保证你拿来就能用。