第三章：Python环境搭建与数据获取

做利率曲线建模，第一步不是写模型，而是搞定数据。

我见过太多人，模型写得飞起，结果数据源一换，全盘崩溃。说白了，数据是地基，地基不稳，楼盖得再高也是危房。

这一章，咱们就踏踏实实把数据获取这件事捋清楚。我会带你用 pandas-datareader 拉美国国债收益率，再用 Treasury API 拿中国国债数据。两条腿走路，以后做跨境分析也不慌。

3.1 环境准备：先把家伙事儿备齐

我个人习惯，每次开新项目都先建一个干净的虚拟环境。别嫌麻烦，这能省掉后面80%的依赖冲突问题。

# 创建虚拟环境
python -m venv rates_env
source rates_env/bin/activate  # Mac/Linux
# 或者 rates_env\Scripts\activate  # Windows

# 安装核心库
pip install pandas numpy matplotlib seaborn
pip install pandas-datareader
pip install requests  # 调用中国国债API用

嗯，这里要注意：pandas-datareader 的版本别太老，我建议用 0.10 以上。之前有个学员用 0.8 版本，死活连不上 FRED 的数据源，折腾了两小时才发现是版本问题。

3.2 美国国债收益率：用 pandas-datareader 搞定

美国国债收益率数据，最权威的来源是 FRED（联邦储备经济数据）。pandas-datareader 直接封装好了接口，用起来非常顺手。

你想想看，FRED 里存了上百年的利率数据，而且完全免费。做量化的人要是不知道 FRED，就像厨师不知道盐在哪。

3.2.1 获取关键期限的收益率

我们通常关注这几个期限：3个月、2年、5年、10年、30年。对应的 FRED 代码分别是：

期限FRED 代码说明
3个月DGS3MO短期基准
2年DGS2中期前端
5年DGS5中期中段
10年DGS10长期基准，最重要
30年DGS30超长期
import pandas as pd
import pandas_datareader.data as web
from datetime import datetime

# 设置时间范围
start = datetime(2020, 1, 1)
end = datetime(2024, 12, 31)

# 定义要获取的收益率代码
tickers = ['DGS3MO', 'DGS2', 'DGS5', 'DGS10', 'DGS30']

# 一次性拉取所有数据
df_us = web.DataReader(tickers, 'fred', start, end)

# 重命名列，方便阅读
df_us.columns = ['3M', '2Y', '5Y', '10Y', '30Y']

# 查看前几行
print(df_us.head())

跑完这段代码，你会得到一个 DataFrame，每一列就是一条收益率曲线上的一个点。我在项目中遇到过一个问题：FRED 的数据在周末和节假日是缺失的。所以拿到数据后，第一件事就是检查缺失值。

# 检查缺失值比例
missing_ratio = df_us.isnull().sum() / len(df_us)
print(missing_ratio)

如果缺失比例超过 5%，我建议用前向填充法（ffill）补上。毕竟利率市场有连续性，周末的收益率通常沿用周五的值。

3.2.2 可视化：看一眼曲线长啥样

数据拉下来，别急着建模。先画个图，直观感受一下。

import matplotlib.pyplot as plt

plt.figure(figsize=(12, 6))
for col in df_us.columns:
    plt.plot(df_us.index, df_us[col], label=col, linewidth=1.5)

plt.title('US Treasury Yield Curve (2020-2024)', fontsize=14)
plt.xlabel('Date')
plt.ylabel('Yield (%)')
plt.legend()
plt.grid(True, alpha=0.3)
plt.show()

这张图一出来，你就能看到 2020 年疫情爆发时收益率暴跌，2022 年美联储加息后收益率飙升。嗯，这就是数据的力量——它把宏观事件刻在了曲线上。

3.3 中国国债收益率：用 Treasury API 获取

中国国债数据，情况稍微复杂一点。Wind 有，但收费。Tushare 也有，但需要积分。我个人最常用的，是中国债券信息网（ChinaBond）提供的公开 API。

说白了，就是直接请求一个 JSON 接口，解析一下就能用。虽然官方文档写得有点含糊，但摸清楚规律后，其实挺稳定的。

3.3.1 获取关键期限的收益率

中国国债的活跃期限包括：1年、3年、5年、7年、10年。对应的 API 参数如下：

import requests
import json

def fetch_china_bond_yields():
    """
    从中国债券信息网获取国债收益率
    返回一个字典，key为期限，value为收益率
    """
    url = "https://yield.chinabond.com.cn/cbweb-mn/yc/ycDetail"
    
    # 请求参数
    params = {
        'ycType': '0',        # 0表示国债收益率曲线
        'startDate': '2024-01-01',
        'endDate': '2024-12-31',
        'termType': '1'       # 1表示关键期限
    }
    
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36'
    }
    
    try:
        response = requests.get(url, params=params, headers=headers, timeout=10)
        response.raise_for_status()
        data = response.json()
        return data
    except requests.exceptions.RequestException as e:
        print(f"请求失败: {e}")
        return None

# 调用函数
china_data = fetch_china_bond_yields()

我曾经踩过一个坑：这个 API 对请求频率有限制，如果你每秒发超过 5 次请求，会被封 IP 半小时。所以批量拉数据时，记得加个 time.sleep(0.3)。

3.3.2 解析返回的数据

API 返回的 JSON 结构有点嵌套，需要耐心拆解。我一般这样处理：

def parse_china_yields(raw_data):
    """
    解析API返回的JSON数据
    提取日期、期限、收益率
    """
    records = []
    
    # 假设返回结构中有 'data' 字段
    if raw_data and 'data' in raw_data:
        for item in raw_data['data']:
            date = item.get('date')
            term = item.get('term')      # 期限，如 '1Y', '3Y'
            yield_val = item.get('yield') # 收益率
            
            if date and term and yield_val is not None:
                records.append({
                    'date': date,
                    'term': term,
                    'yield': float(yield_val)
                })
    
    # 转为DataFrame
    df = pd.DataFrame(records)
    
    # 透视成宽表格式：行=日期，列=期限
    df_pivot = df.pivot_table(
        index='date', 
        columns='term', 
        values='yield'
    )
    
    return df_pivot

# 解析数据
df_cn = parse_china_yields(china_data)
print(df_cn.head())

你想想看，中美两国的收益率数据现在都在你手里了。接下来做利差分析、相对价值交易，素材就齐了。

3.4 数据质量检查：别让脏数据毁了模型

数据拿到手，别急着用。先做三件事：

  1. 检查缺失值：用 df.isnull().sum() 看一眼
  2. 检查异常值：收益率突然跳升 500 个基点？那多半是数据错误
  3. 检查日期连续性：确保交易日都有数据，没有跳空
⚠️ 注意： 中国国债数据在春节、国庆等长假期间会缺失。如果你用前向填充，最多填充 7 天。超过 7 天的缺失，我建议直接删除，别硬补。

3.5 本章知识体系

下面这张图，帮你把本章的核心逻辑串起来：

第三章：数据获取与处理流程 美国国债数据 pandas-datareader + FRED 中国国债数据 Treasury API + ChinaBond 数据清洗与对齐 数据清洗与对齐 统一收益率数据集 用于曲线建模与动态分析 质量检查：缺失/异常/连续性
💡 小技巧： 把中美两国的收益率数据合并到一个 DataFrame 里，日期对齐后，可以直接计算中美利差。我经常用这个利差来做宏观对冲策略的信号。

好了，数据到手，环境就绪。下一章咱们就开始动手搭建第一条收益率曲线。记住，数据质量决定了模型的上限，别在这个环节偷懒。

公众号:蓝海资料掘金营，微信deep3321

← 上一章 📖 返回目录 下一章 →