2、数据源探秘：主流数据提供商及API接口对比
做行情数据接入，第一步就是选数据源。这步选错了，后面清洗、存储、计算全白搭。我这些年接触过的数据提供商不下十家，今天挑四个最主流的——Wind、Bloomberg、东方财富、新浪财经，跟大家聊聊它们的脾气秉性。
2.1 四大数据源，谁是谁？
先给个全景图。这四家代表了两种路线：专业金融终端和互联网数据源。Wind和Bloomberg是前者，贵但全；东方财富和新浪财经是后者，免费但糙。
核心区别一句话：Wind和Bloomberg是「给你鱼吃」，东方财富和新浪是「给你渔网自己捞」。
我个人习惯把数据源分成三层：
- L1层（实时行情）：Tick级数据，毫秒延迟。Wind和Bloomberg做得好。
- L2层（历史数据）：日线、分钟线、财务数据。四家都能提供，但质量天差地别。
- L3层（衍生数据）：因子、研报、舆情。只有Wind和Bloomberg有。
2.2 Wind（万得）——国内金融数据的老大
Wind在国内的地位，相当于Bloomberg在全球。我入行第一年，公司花20万买了个Wind终端，当时觉得贵，后来发现真香。
API接口：Wind提供Python/C++/Java接口，叫WindPy。安装后通过COM组件调用。
# 安装：pip install windpy
from WindPy import w
w.start()
# 获取股票日线数据
data = w.wsd("000001.SZ", "open,high,low,close,volume", "2024-01-01", "2024-12-31")
print(data.Data)
优点：
- 数据全：A股、港股、期货、债券、基金，基本全覆盖
- 质量高：数据经过人工校验，很少出现空值或异常
- 速度快：本地终端缓存，查询毫秒级响应
缺点：
- 贵：个人版一年几千，机构版十几万起步
- 封闭：API只能在Windows上用，Linux用户得装虚拟机
- 限制多：并发请求有限制，我试过同时拉100只股票的历史数据，直接被封了半小时
避坑指南：我曾经在项目里用Wind拉全市场5000只股票的分钟线，结果跑了三天三夜。后来发现是没开多线程。记住：Wind的API是单线程的，要并发必须自己写线程池。
2.3 Bloomberg（彭博）——全球金融数据的标准
Bloomberg是华尔街的标配。我有个朋友在量化基金，每天上班第一件事就是打开Bloomberg Terminal。说实话，个人开发者基本用不起，但了解它没坏处。
API接口：Bloomberg提供blpapi（Python版），通过SAPI（Server API）或DPI（Desktop API）连接。
# 安装：pip install blpapi
import blpapi
session = blpapi.Session()
session.start()
# 获取IBM股票数据
request = session.createRequest("HistoricalDataRequest")
request.getElement("securities").appendValue("IBM US Equity")
request.getElement("fields").appendValue("PX_LAST")
request.getElement("fields").appendValue("VOLUME")
session.sendRequest(request)
优点：
- 全球覆盖：美股、欧股、外汇、大宗商品，没有它拿不到的
- 数据规范：字段命名全球统一，比如
PX_LAST代表收盘价 - 实时性强：延迟在微秒级，高频交易的首选
缺点：
- 贵到离谱：一个终端年费2万美元起，API授权另算
- 学习曲线陡：API文档几百页，我第一次看差点放弃
- 依赖硬件：必须连Bloomberg的专用服务器，不能随便迁移
小技巧：如果你只是偶尔用Bloomberg数据，可以试试它的Excel插件。很多分析师就是这么干的——在Excel里拉数据，然后导出CSV给我。嗯，虽然土，但管用。
2.4 东方财富（Choice）——免费里的战斗机
东方财富的Choice终端，是很多小团队的首选。免费版就能用，付费版一年几千块。我刚开始做个人量化时，全靠它撑场面。
API接口：东方财富提供akshare（第三方库）和官方emdat接口。注意，官方接口需要注册开发者账号。
# 使用akshare（推荐，开源免费）
import akshare as ak
# 获取A股日线数据
df = ak.stock_zh_a_hist(symbol="000001", period="daily",
start_date="20240101", end_date="20241231")
print(df.head())
优点：
- 免费：基础数据完全免费，高级数据（如Level-2）才收费
- 易用：akshare封装得很好，一行代码就能拉数据
- 社区活跃：遇到问题去GitHub提issue，一般当天就有人回复
缺点：
- 数据质量参差不齐：我遇到过复权数据算错的情况，得自己校验
- 频率限制：免费版每分钟最多请求60次，多了会被封IP
- 字段不统一：不同接口返回的列名不一样，清洗时很头疼
避坑指南：我曾经用akshare拉期货数据，发现某天的收盘价是0。查了半天，原来是那天该品种没交易，但接口返回了空值而不是NaN。从此我养成了习惯：拉完数据先做空值检查。
2.5 新浪财经——轻量级选手
新浪财经的API，说白了就是爬虫接口。它没有官方SDK，全靠开发者自己解析JSON。优点是快，缺点是随时可能改接口。
API接口：直接HTTP GET请求，返回JSON格式。
import requests
import json
# 获取股票实时行情
url = "https://hq.sinajs.cn/list=sh600519,sz000001"
headers = {"Referer": "https://finance.sina.com.cn"}
resp = requests.get(url, headers=headers)
print(resp.text)
# 返回格式：var hq_str_sh600519="贵州茅台,1700.00,1698.50,..."
优点：
- 零成本：完全免费，连注册都不需要
- 速度快：CDN加速，延迟在100ms以内
- 简单：一个GET请求搞定，适合快速原型开发
缺点：
- 不稳定：接口说改就改，我遇到过凌晨突然返回格式变了，导致整个数据管道崩溃
- 数据有限：只有实时行情和简单K线，没有财务数据
- 法律风险：严格来说，商业使用可能涉及侵权
小技巧：新浪的接口适合做「数据源兜底」。比如Wind宕机了，可以临时切到新浪顶上。但千万别把它当主数据源——你想想看，万一它哪天不干了，你的系统就瘫了。
2.6 四家对比，一张表说清楚
| 维度 | Wind | Bloomberg | 东方财富 | 新浪财经 |
|---|---|---|---|---|
| 价格 | 高（万级/年） | 极高（万美元/年） | 免费/低（千级/年） | 免费 |
| 数据范围 | 国内全市场 | 全球全市场 | 国内主流 | 国内实时 |
| 数据质量 | 高 | 极高 | 中 | 低 |
| API易用性 | 中（需学习） | 难（文档厚） | 易（akshare） | 极易（HTTP） |
| 实时性 | 秒级 | 微秒级 | 秒级 | 秒级 |
| 适合场景 | 机构量化 | 全球交易 | 个人/小团队 | 快速原型 |
2.7 我的选择建议
如果你问我怎么选，我的答案是：看预算和场景。
- 预算充足（10万+/年）：Wind做主力，Bloomberg做全球数据补充。我上一家基金公司就是这么配的。
- 预算有限（1万以内）：东方财富+新浪财经组合。东方财富拉历史数据，新浪拉实时行情。
- 个人开发者：先用akshare跑起来，等数据量大了再考虑付费。
核心原则：永远不要只依赖一个数据源。我见过太多团队因为Wind宕机导致交易暂停。至少准备两个数据源，一个主用，一个备用。
2.8 数据源接入架构图
下面这张图是我在实际项目中用过的数据源接入架构。你看，数据从不同源进来，经过统一格式转换，最后落到同一个存储层。这样即使某个源挂了，切换起来也很快。
这张图里，最关键的是「统一数据接入层」。你想想看，四个数据源返回的字段名都不一样——Wind叫close，Bloomberg叫PX_LAST，东方财富叫收盘。不统一的话，下游清洗逻辑得写四套，维护成本翻倍。
好了，数据源这块就聊到这儿。下一章我们深入清洗环节，聊聊那些年我们踩过的数据坑。