3. 汇率数据获取：使用 Yahoo Finance API (yfinance) 获取历史汇率数据，数据清洗与初步探索

做量化交易，数据就是命根子。这话我常跟团队里的人讲。

数据质量不行，后面模型再花哨也是白搭。今天咱们就聊聊怎么把汇率数据搞到手，并且把它收拾得干干净净。

3.1 为什么选 Yahoo Finance？

市面上能拿汇率数据的渠道不少，比如 Bloomberg、Reuters，还有央行官网。但说实话，对于个人学习和研究来说，Yahoo Finance 是最友好的选择。

它免费、稳定，而且通过 yfinance 这个 Python 库，几行代码就能搞定。我在做早期原型验证时，经常用它来快速获取数据。当然，如果你要上生产环境，那还是得考虑 Bloomberg 这类专业数据源。

3.2 安装与导入 yfinance

先装包。这个很简单，一行命令搞定：

pip install yfinance

装完之后，在代码里导入：

import yfinance as yf
import pandas as pd
import numpy as np
from datetime import datetime

嗯，这里要注意一点。yfinance 依赖 pandas，所以最好先把 pandas 也装上。我个人习惯把 numpy 也带上，后面做数值计算方便。

3.3 获取汇率数据：以 EUR/USD 为例

汇率在 Yahoo Finance 里是用特定的代码表示的。比如欧元兑美元，代码是 EURUSD=X。记住这个格式：货币1货币2=X。

来看代码：

# 定义货币对
ticker = "EURUSD=X"

# 获取数据
data = yf.download(ticker, start="2020-01-01", end="2024-12-31")

# 看一眼
print(data.head())

跑完之后，你会得到一个 DataFrame，里面包含 Open、High、Low、Close、Volume、Adj Close 这几列。

你想想看，对于汇率来说，Volume 其实没什么意义，因为外汇市场是场外交易，没有统一的成交量数据。所以后面我们一般只用 Close 或者 Adj Close。

3.4 数据清洗：把脏数据扔掉

数据拿到手，别急着用。先看看有没有坑。

我曾经有一次，模型跑出来结果特别离谱，查了半天才发现是数据里有几个空值没处理。从那以后，我养成了一个习惯：拿到数据先做清洗。

常见的清洗步骤：

1. 检查缺失值
2. 处理异常值
3. 统一时间索引

来看代码：

# 检查缺失值
print(data.isnull().sum())

# 删除缺失值（或者用前向填充）
data_clean = data.dropna()

# 或者用前向填充
# data_clean = data.fillna(method='ffill')

# 检查索引是否连续
print(data_clean.index.is_monotonic_increasing)

这里我多说一句。对于金融时间序列，用前向填充（ffill）通常比直接删除更合理。因为市场在非交易时段没有数据，用前一个交易日的价格填充，逻辑上说得通。

3.5 初步探索：数据长什么样？

数据洗干净了，接下来就是看看它到底长什么样。这一步叫 EDA（探索性数据分析）。

我一般会做三件事：

• 看统计摘要
• 画价格走势图
• 看收益率分布

先看统计摘要：

print(data_clean.describe())

这个会告诉你均值、标准差、最大最小值等。如果发现最大值异常高，那就要怀疑是不是数据有误。

然后画个走势图：

import matplotlib.pyplot as plt

data_clean['Close'].plot(figsize=(12, 6), title='EUR/USD 历史走势')
plt.xlabel('日期')
plt.ylabel('汇率')
plt.show()

走势图能让你直观地看到趋势和波动。比如 2020 年疫情初期，EUR/USD 有一波剧烈波动，这就是典型的黑天鹅事件。

最后看收益率分布：

# 计算日收益率
data_clean['Return'] = data_clean['Close'].pct_change()

# 画直方图
data_clean['Return'].hist(bins=50, figsize=(10, 6))
plt.title('EUR/USD 日收益率分布')
plt.xlabel('收益率')
plt.ylabel('频次')
plt.show()

收益率分布如果接近正态分布，那说明市场比较正常。如果出现厚尾（极端值多），那就要小心了——这往往是风险事件的前兆。

3.6 知识体系总览

下面这张图，是我自己梳理的本章知识结构。你可以把它当作一个路线图，方便回顾。

3.7 多货币对同时获取

实际项目中，我们往往需要多个货币对。比如做套利策略，可能要同时看 EUR/USD、GBP/USD、USD/JPY。

yfinance 支持一次性下载多个代码：

# 定义多个货币对
tickers = ["EURUSD=X", "GBPUSD=X", "USDJPY=X"]

# 下载数据
multi_data = yf.download(tickers, start="2020-01-01", end="2024-12-31")

# 提取收盘价
close_prices = multi_data['Close']

print(close_prices.head())

这样拿到的数据，每一列就是一个货币对的收盘价。方便做相关性分析。

3.8 数据保存：别每次都重新下载

yfinance 下载数据虽然快，但每次跑脚本都重新下载，既浪费时间，又可能触发 Yahoo 的反爬机制。

我一般会把数据存成 CSV 文件，下次直接读取：

# 保存到 CSV
data_clean.to_csv('eur_usd_data.csv')

# 下次读取
data_loaded = pd.read_csv('eur_usd_data.csv', index_col=0, parse_dates=True)

这样既快又稳。而且 CSV 文件方便分享，团队里其他人也能直接用。

3.9 常见问题与避坑

做数据获取这么多年，踩过的坑不少。挑几个典型的说说：

• 代码失效： Yahoo Finance 偶尔会调整接口。如果发现 yf.download 报错，先升级 yfinance 试试：pip install --upgrade yfinance
• 时区问题： Yahoo 返回的时间是 UTC 时区。如果你在国内，记得转换成北京时间，否则日期对不上。
• 数据延迟： Yahoo 的数据不是实时的，有 15-20 分钟延迟。做回测没问题，做高频交易就别想了。

好了，数据获取和清洗这部分就聊到这儿。记住一句话：数据质量决定模型上限。花 80% 的时间在数据上，一点都不亏。

---