第3章数据获取实战

第1章：数据获取实战——用Python拿下融资融券历史余额

做量化交易，数据是命根子。这话我常跟团队新人讲。

融资融券余额这个指标，说白了就是市场情绪的体温计。余额往上走，说明大家看好后市，敢借钱买股票；余额往下掉，说明资金在撤退，市场偏冷。但光看一天的数据没用，你得拿到历史数据，才能看出趋势。

这一章，我就带你手把手把沪深两市的融资融券历史余额数据拉下来。咱们用两个主流库——Tushare和Akshare，一个偏专业，一个偏易用，你都可以试试。

1.1 数据源选型：Tushare vs Akshare

先说说这两个库的区别。我个人的习惯是：

Tushare：数据质量高，字段全，但需要注册获取token，而且有积分限制。适合做严肃研究。
Akshare：开源免费，不用注册，上手快。适合快速验证想法。

你可能会问：「那我该用哪个？」嗯，我的建议是——都学。因为实际项目中，我经常两个混着用。比如Tushare拿不到某些历史数据时，Akshare能补上。

核心结论：Tushare适合深度分析，Akshare适合快速原型。两个都装，不亏。

1.2 环境准备与安装

先确保你的Python环境是3.8以上。我遇到过有人用Python 2.7跑Akshare，结果各种报错……嗯，别踩这个坑。

# 安装两个库
pip install tushare akshare pandas

# 验证安装
import tushare as ts
import akshare as ak
print("安装成功！")

小提示：如果你在国内，建议用清华镜像源安装，速度快很多：pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tushare akshare

1.3 Tushare获取融资融券余额

Tushare获取数据需要先注册（https://tushare.pro），拿到你的token。注册完在个人中心就能看到。

import tushare as ts
import pandas as pd

# 设置token（换成你自己的）
ts.set_token('你的token')
pro = ts.pro_api()

# 获取融资融券每日汇总数据
# 接口：margin，字段包括融资余额、融券余额、融资买入额等
df_margin = pro.margin(
    trade_date='20250110',  # 单日查询
    fields='trade_date, rzye, rzmre, rqye, rqmcl'
)

print(df_margin.head())

但单日查询太慢了。我一般用区间查询，一次拉一整段历史：

# 获取2024年全年数据
df_margin_history = pro.margin(
    start_date='20240101',
    end_date='20241231',
    fields='trade_date, rzye, rzmre, rqye, rqmcl'
)

# 按日期排序
df_margin_history = df_margin_history.sort_values('trade_date').reset_index(drop=True)
print(df_margin_history.tail())

注意：Tushare的积分限制。免费用户每天只能调200次，每次最多返回5000条。如果你要拉多年数据，建议分批次拉，或者升级积分。我曾经因为没注意限制，跑到一半被限流，数据断了一截……后来老老实实分了三个月三个月地拉。

1.4 Akshare获取融资融券余额

Akshare就简单多了，不用注册，直接调函数。它提供的是沪深两市各自的融资融券余额数据。

import akshare as ak

# 获取上海证券交易所融资融券余额
df_sh = ak.stock_margin_szse_daily(
    symbol="上海证券交易所",
    start_date="20240101",
    end_date="20241231"
)

# 获取深圳证券交易所融资融券余额
df_sz = ak.stock_margin_szse_daily(
    symbol="深圳证券交易所",
    start_date="20240101",
    end_date="20241231"
)

print("上交所数据：")
print(df_sh.tail())
print("\n深交所数据：")
print(df_sz.tail())

你看，代码量少了很多。但Akshare有个小毛病——字段名是中文的，比如「融资余额」「融券余额」。做数据分析时，我习惯先重命名成英文，方便后续处理。

# 重命名字段
df_sh.rename(columns={
    '融资余额': 'rzye_sh',
    '融券余额': 'rqye_sh'
}, inplace=True)

df_sz.rename(columns={
    '融资余额': 'rzye_sz',
    '融券余额': 'rqye_sz'
}, inplace=True)

1.5 数据合并与清洗

拿到两个交易所的数据后，咱们得把它们合并成一张表。这样分析起来才方便。

# 合并沪深两市数据
df_merge = pd.merge(
    df_sh[['日期', 'rzye_sh', 'rqye_sh']],
    df_sz[['日期', 'rzye_sz', 'rqye_sz']],
    on='日期',
    how='outer'
)

# 计算两市合计
df_merge['rzye_total'] = df_merge['rzye_sh'] + df_merge['rzye_sz']
df_merge['rqye_total'] = df_merge['rqye_sh'] + df_merge['rqye_sz']

# 按日期排序
df_merge = df_merge.sort_values('日期').reset_index(drop=True)

print(df_merge.head())

避坑指南：我曾经发现两个交易所的日期不完全对齐——比如某天深交所休市但上交所正常交易。用how='outer'可以保留所有日期，缺失值用前一天的填充。具体用df_merge.fillna(method='ffill')。

1.6 知识体系总览

下面这张图，帮你理清本章的核心逻辑：

1.7 完整代码示例

最后，给你一个可以直接跑的完整脚本。我建议你把它保存成 get_margin_data.py，以后每次用直接改日期范围就行。

import pandas as pd
import akshare as ak

def get_margin_data(start_date='20240101', end_date='20241231'):
    """
    获取沪深两市融资融券历史余额数据
    """
    # 获取上交所数据
    df_sh = ak.stock_margin_szse_daily(
        symbol="上海证券交易所",
        start_date=start_date,
        end_date=end_date
    )
    df_sh = df_sh[['日期', '融资余额', '融券余额']]
    df_sh.columns = ['date', 'rzye_sh', 'rqye_sh']
    
    # 获取深交所数据
    df_sz = ak.stock_margin_szse_daily(
        symbol="深圳证券交易所",
        start_date=start_date,
        end_date=end_date
    )
    df_sz = df_sz[['日期', '融资余额', '融券余额']]
    df_sz.columns = ['date', 'rzye_sz', 'rqye_sz']
    
    # 合并
    df = pd.merge(df_sh, df_sz, on='date', how='outer')
    df['rzye_total'] = df['rzye_sh'] + df['rzye_sz']
    df['rqye_total'] = df['rqye_sh'] + df['rqye_sz']
    
    # 排序并填充缺失值
    df = df.sort_values('date').reset_index(drop=True)
    df = df.fillna(method='ffill')
    
    return df

# 运行
df_margin = get_margin_data('20240101', '20241231')
print(df_margin.head())
print(f"共获取 {len(df_margin)} 条数据")

我的经验：拿到数据后，第一件事不是分析，而是画个折线图看看有没有异常值。我曾经发现某天融资余额突然跳升10倍，后来发现是数据源把单位搞错了——亿和万混了。可视化能帮你快速发现这种低级错误。

📚 课程目录

第1章：数据获取实战——用Python拿下融资融券历史余额

1.1 数据源选型：Tushare vs Akshare

1.2 环境准备与安装

1.3 Tushare获取融资融券余额

1.4 Akshare获取融资融券余额

1.5 数据合并与清洗

1.6 知识体系总览

1.7 完整代码示例