第三章 金融数据获取：把市场装进你的数据库

做量化交易，第一步就是搞数据。这就像盖房子要先打地基，数据质量直接决定策略的生死。我见过太多人花几个月写策略，结果数据源一换，回测曲线直接崩盘——说白了，数据获取这个环节，再怎么重视都不为过。

这一章，我带你搞定三件事：股票数据怎么拿、经济数据怎么拿、拿完之后怎么存。咱们用 Python 里最趁手的两个库——yfinance 和 pandas-datareader，再加点存储技巧，把整个流程跑通。

3.1 用 yfinance 拿股票数据

yfinance 这个库，我用了快五年了。它底层接的是 Yahoo Finance 的接口，免费、稳定、覆盖广。美股数据尤其全，A股也能拿到大部分，但港股偶尔会缺字段。

安装很简单，一行命令搞定：

pip install yfinance

来，直接上手。拿苹果公司（AAPL）最近一年的日线数据：

import yfinance as yf

# 下载数据
aapl = yf.download('AAPL', start='2023-01-01', end='2024-01-01')
print(aapl.head())

输出长这样：

Date	Open	High	Low	Close	Volume
2023-01-03	130.28	131.74	128.12	129.93	73456700
2023-01-04	128.90	130.39	127.52	129.62	63245600

你看，Open、High、Low、Close、Volume 全齐了。做技术分析完全够用。

tickers = ['AAPL', 'MSFT', 'GOOGL']
data = yf.download(tickers, start='2023-01-01', end='2024-01-01')
# data['Close'] 就是三只股票的收盘价矩阵

嗯，这里要注意一点：yfinance 默认返回的是调整后的价格（Adjusted Close），已经考虑了分红和拆股。我个人建议直接用调整价做回测，更贴近真实收益。

3.2 用 pandas-datareader 拿经济数据

股票数据只是半边天。做量化策略，宏观经济数据往往能提供大方向。比如利率变化影响估值、CPI 数据影响消费板块——这些因子，有时候比技术指标还管用。

pandas-datareader 就像一个数据中转站，它帮你从 FRED（美联储经济数据库）、世界银行、雅虎财经等源拉数据。安装：

pip install pandas-datareader

举个例子，拿美国联邦基金利率（FRED 代码：FEDFUNDS）：

import pandas_datareader.data as web
import datetime

start = datetime.datetime(2020, 1, 1)
end = datetime.datetime(2024, 1, 1)

rate = web.DataReader('FEDFUNDS', 'fred', start, end)
print(rate.head())

输出：

DATE	FEDFUNDS
2020-01-01	1.55
2020-02-01	1.58
2023-07-01	5.12

你看，从 2020 年的 1.55% 到 2023 年的 5.12%，这中间的变化，对股市的影响是巨大的。

除了 FRED，世界银行的数据也很实用。比如拿中国的 GDP 增长率：

gdp = web.DataReader('NY.GDP.MKTP.KD.ZG', 'worldbank', start=2010, end=2023)
print(gdp.loc['CN'])  # 只看中国

3.3 数据存储：CSV 还是 HDF5？

数据拿到了，总不能每次都重新下载吧？存下来才是王道。我常用的两种格式：CSV 和 HDF5。

CSV： 简单、通用、人类可读。适合小数据量、调试阶段、或者需要跟别人分享的场景。

# 保存
aapl.to_csv('aapl_2023.csv')

# 读取
df = pd.read_csv('aapl_2023.csv', index_col=0, parse_dates=True)

HDF5： 二进制格式，读写快、压缩率高、支持复杂数据结构。适合大数据量、生产环境。

# 保存
aapl.to_hdf('market_data.h5', key='aapl', mode='a')

# 读取
df = pd.read_hdf('market_data.h5', key='aapl')

我个人的经验是：

• 数据量小于 100MB，用 CSV 就行，省心
• 超过 100MB，或者你有几十只股票、几年数据，果断上 HDF5
• 如果你需要频繁读写（比如每天增量更新），HDF5 的优势更明显

最后，给你一个完整的示例，把今天学的串起来：

import yfinance as yf
import pandas_datareader.data as web
import pandas as pd
from datetime import datetime

# 1. 获取股票数据
sp500 = yf.download('^GSPC', start='2020-01-01', end='2024-01-01')

# 2. 获取经济数据（联邦基金利率）
start = datetime(2020, 1, 1)
end = datetime(2024, 1, 1)
fed_rate = web.DataReader('FEDFUNDS', 'fred', start, end)

# 3. 合并到同一个 DataFrame
# 注意：股票数据是日频，利率是月频，需要对齐
sp500['FedRate'] = fed_rate.reindex(sp500.index, method='ffill')

# 4. 存储到 HDF5
sp500.to_hdf('sp500_with_fed.h5', key='sp500', mode='w')

print("数据获取与存储完成！")
print(sp500.tail())

你看，整个流程其实不复杂。但就是这些基础操作，决定了你后续策略开发的效率。数据拿对了、存好了，后面写策略的时候才能心不慌。