第四章：基差数据获取与处理

做基差交易，第一步不是写策略，而是搞数据。

我见过太多人，策略逻辑写得天花乱坠，结果数据源没选对，或者数据没清洗干净，回测跑出来漂亮得很，实盘一上去就崩。说白了，数据是地基，地基不稳，楼盖得再高也是危房。

4.1 数据源选择：Wind、Tushare、聚宽

选数据源，得看你的场景。我个人习惯把数据源分成三类：

数据源	适用场景	成本	数据质量
Wind	机构实盘、专业研究	高（年费数万）	★★★★★
Tushare	个人研究、量化回测	低（积分制）	★★★★
聚宽	策略开发、模拟交易	免费/低	★★★★

Wind 是行业标准。我在机构做交易时，基本离不开它。数据全、更新快、接口稳定。但价格不便宜，个人用户一般扛不住。

Tushare 是我个人比较推荐的。开源、社区活跃，数据覆盖面也够用。我曾经用它跑过三年的股指期货基差回测，数据质量没出过大问题。不过要注意，高频数据需要积分，免费用户有调用限制。

聚宽 更适合做策略开发。它自带回测框架，数据接口也封装好了。如果你刚开始接触基差交易，从聚宽入手会省很多事。

4.2 数据清洗与对齐

数据拿到手，别急着算基差。先做清洗。

我踩过最大的坑是什么？数据对齐。

股指期货和现货指数的交易时间不完全一样。期货有夜盘，现货没有。如果你直接把两个时间序列拼在一起，基差会算出一堆垃圾值。

具体来说，要注意以下几点：

• 时间戳对齐：期货和现货必须用同一时间基准。我习惯用交易所的撮合时间，精确到秒。
• 缺失值处理：遇到停牌、节假日、异常交易，数据会有空缺。别用前值填充，那会扭曲基差。我一般直接剔除。
• 异常值过滤：基差突然跳变几十个点，多半是数据错误。用3倍标准差法过滤掉。

4.3 基差序列计算与可视化

基差的计算公式很简单：

基差 = 期货价格 - 现货指数价格

但实际计算时，要注意合约选择。我一般用主力合约，也就是持仓量最大的那个。如果主力合约快到期了，要提前切换到下一个合约。

下面是一个用Python计算基差的示例：

import pandas as pd
import numpy as np

# 假设已经获取了期货和现货数据
# futures_price: 期货价格序列
# spot_price: 现货指数价格序列

# 计算基差
basis = futures_price - spot_price

# 计算基差率（相对值）
basis_ratio = (futures_price - spot_price) / spot_price * 100

# 去除异常值（3倍标准差）
mean = basis.mean()
std = basis.std()
basis_clean = basis[(basis > mean - 3*std) & (basis < mean + 3*std)]

算完基差，一定要可视化。光看数字，你很难发现规律。

我习惯画两张图：

• 基差时序图：看基差随时间的变化趋势
• 基差分布直方图：看基差的统计特征，比如均值、标准差、偏度

下面是我用SVG画的一张基差交易知识体系图，帮你理清本章的核心逻辑：

嗯，数据这块就讲这么多。记住一句话：数据质量决定策略上限。你花80%的时间在数据处理上，都不为过。