第2章数据源与采集

第二章：数据源与采集——汇率数据的“水源地”

做汇率预测，说白了就是跟数据打交道。我见过太多人模型建得花里胡哨，结果数据源没选对，一跑就崩。嗯，今天咱们就聊聊数据从哪来、怎么拿、拿多细。

2.1 常见汇率数据源

数据源这块，我把它分成三类：官方机构、商业终端、还有聚合平台。每个都有它的脾气。

2.1.1 央行与外汇交易中心

这是最权威的数据源。中国人民银行官网每天发布人民币中间价，中国外汇交易中心（CFETS）提供即期、远期、掉期等全品种数据。

我个人习惯：做人民币汇率模型时，优先用CFETS的数据。为什么？因为它就是定价基准，你想想看，市场上所有报价都围着它转。

央行数据的特点：

权威性高：官方发布，不可篡改
频率固定：每个交易日9:15发布中间价
免费获取：官网直接下载，良心

我曾经踩过的坑：央行数据有时会因节假日调整发布时间。有一年国庆节后，我脚本写死了9:15抓取，结果那天数据9:45才出来，模型直接用了前一天的旧值。后来我加了重试机制和节假日日历。

2.1.2 Bloomberg终端

做国际汇率模型，Bloomberg几乎是标配。它覆盖全球300多种货币对，历史数据能追溯到几十年前。

Bloomberg的优势：

实时性：毫秒级更新，适合高频策略
数据清洗：自带异常值标记，省去很多预处理工作
衍生数据：隐含波动率、远期曲线等，直接拿来用

一个小技巧：Bloomberg的API有“调整后价格”和“原始价格”两个字段。做回测时记得用调整后价格，否则分红、拆分会把你的策略曲线搞得乱七八糟。我刚开始做量化时就被这个坑过。

2.1.3 其他免费数据源

如果预算有限，可以考虑：

FRED（圣路易斯联储）：免费，覆盖主要货币对，历史数据全
OANDA：提供历史汇率API，有免费额度
Yahoo Finance：简单易用，但数据质量参差不齐

2.2 API接口调用实战

数据源选好了，怎么拿？我一般用Python写采集脚本。下面给个例子，从FRED拉取美元/人民币数据。

import pandas as pd
import requests
from datetime import datetime, timedelta

def fetch_fred_data(series_id='DEXCHUS', start_date='2020-01-01'):
    """
    从FRED获取汇率数据
    series_id: DEXCHUS 是美元/人民币的代码
    """
    url = f'https://api.stlouisfed.org/fred/series/observations'
    params = {
        'series_id': series_id,
        'api_key': 'YOUR_API_KEY',  # 去FRED官网免费申请
        'file_type': 'json',
        'observation_start': start_date,
        'sort_order': 'asc'
    }
    
    response = requests.get(url, params=params)
    data = response.json()
    
    # 解析数据
    dates = [obs['date'] for obs in data['observations']]
    values = [float(obs['value']) if obs['value'] != '.' else None 
              for obs in data['observations']]
    
    df = pd.DataFrame({'date': dates, 'rate': values})
    df['date'] = pd.to_datetime(df['date'])
    df = df.dropna()
    
    return df

# 调用示例
df_usd_cny = fetch_fred_data()
print(df_usd_cny.head())

注意：FRED的API有频率限制，每分钟最多120次请求。我一般加个time.sleep(0.5)避免被封。

2.3 数据频率选择

频率选不对，模型白费。我根据预测周期来定：

预测周期	推荐频率	原因
日内交易	分钟级/小时级	捕捉微观波动，噪声大但信号多
短期预测（1-5天）	日频	平衡信息量和噪声，我最常用
中期预测（1-3个月）	周频	过滤掉日间随机波动，趋势更清晰
长期预测（半年以上）	月频	关注基本面因素，忽略短期扰动

我的经验：做特征工程时，我经常同时保留日频和周频数据。日频用来做短期信号，周频用来做趋势判断。两者结合，效果往往比单一频率好。

2.4 知识体系总览

下面这张图，是我做汇率数据采集时的完整流程。你想想看，从数据源到最终可用的特征，中间要经过多少道工序。

2.5 避坑指南

最后，分享几个我这些年踩过的坑：

时区问题：Bloomberg用纽约时间，央行用北京时间。我有一回没做时区转换，模型在亚洲盘和美洲盘之间来回跳，结果可想而知。
非交易日处理：外汇市场周末休市，但有些数据源会填充前值。记得用pandas的asfreq()方法统一处理。
数据对齐：不同数据源的日期可能不一致。比如中国节假日美国不休息，这时候要决定是向前填充还是删除缺失值。

我曾经犯过的错：有次做回测，用了Bloomberg的收盘价和央行的中间价，两个时间戳差了6个小时。结果模型在回测里表现完美，实盘一跑就亏。后来我才发现，是数据对齐出了问题。

好了，数据源和采集这块就聊到这。记住一句话：数据质量决定模型上限。花80%的时间在数据上，剩下的20%做模型，这个比例我用了好几年，从来没亏过。

公众号:蓝海资料掘金营，微信deep3321

📚 课程目录

第二章：数据源与采集——汇率数据的“水源地”

2.1 常见汇率数据源

2.1.1 央行与外汇交易中心

2.1.2 Bloomberg终端

2.1.3 其他免费数据源

2.2 API接口调用实战

2.3 数据频率选择

2.4 知识体系总览

2.5 避坑指南