第三章：金融数据获取——Tushare/AkShare数据接口、股票/期货/加密货币数据获取、数据存储与缓存策略

做量化交易，第一道坎就是数据。我见过太多人策略写得漂亮，结果数据源没选对，回测跑出来全是幻觉。说白了，数据是量化系统的地基，地基不稳，楼盖得再高也得塌。

这一章，我带你搞定数据获取的全流程。从接口选择到存储策略，咱们一步到位。

3.1 数据接口选型：Tushare vs AkShare

国内量化圈，Tushare和AkShare是两大主流。我个人习惯两个都备着，哪个好用用哪个。但你要搞清楚它们的区别。

特性	Tushare Pro	AkShare
数据源	自建数据库，稳定	爬取公开网站，实时
费用	积分制，部分免费	完全免费
速度	快，有缓存	依赖目标网站
覆盖范围	A股、基金、指数	A股、期货、加密货币、宏观
文档质量	清晰，有社区	更新快，但略乱

我在项目中遇到过一个问题：用AkShare拉期货数据，某天突然报错，原来是交易所网站改版了。所以我的建议是——关键数据用Tushare，辅助数据用AkShare，两者互补。

3.2 股票数据获取实战

先看Tushare怎么拿A股日线数据。代码很简单，但有几个坑要注意。

import tushare as ts

# 初始化，token在官网注册获取
pro = ts.pro_api('你的token')

# 获取平安银行日线数据
df = pro.daily(ts_code='000001.SZ', start_date='20240101', end_date='20240301')
print(df.head())

嗯，这里要注意：ts_code的格式是「代码.交易所」，上交所是.SH，深交所是.SZ。我刚开始写的时候，老把.SH写成.SH，结果数据死活拉不出来。

再看AkShare的写法，更直接一些：

import akshare as ak

# 获取A股日线
df = ak.stock_zh_a_hist(symbol="000001", period="daily", 
                        start_date="20240101", end_date="20240301", adjust="qfq")
print(df.head())

AkShare默认返回前复权数据，这个很实用。你想想看，做回测如果不复权，分红送股直接让你的策略曲线失真。

3.3 期货数据获取

期货数据和股票不太一样。它有主力合约、连续合约的概念。直接拉单个合约，你会发现数据断断续续的。

我的做法是拉「主力连续」合约。AkShare里这样搞：

import akshare as ak

# 获取螺纹钢主力连续
df = ak.futures_main_sina(symbol="RB0")
print(df.tail())

这里RB0就是螺纹钢主力连续。数字0代表当前主力，1代表下一个主力。Tushare也有类似功能，用fut_mapping接口。

为什么强调主力连续？因为期货合约会到期，你不可能一直交易同一个合约。主力连续帮你自动切换，省心很多。

3.4 加密货币数据获取

加密货币这块，AkShare直接支持。但说实话，它的数据源是公开的，延迟比较大。做实时交易的话，建议用交易所API。

import akshare as ak

# 获取比特币现货数据
df = ak.cryptocurrency_hist(symbol="BTC", period="daily")
print(df.head())

这里拿的是Binance的数据。如果你需要分钟级数据，可以加period="1min"。不过要注意，加密货币是7×24小时交易，数据量巨大。我建议只拉最近30天的，别贪多。

我个人习惯把加密货币数据单独存一个库。因为它的结构和A股差异太大——没有涨跌停、没有休市、交易时间不连续。

3.5 数据存储策略

数据拉下来，存哪？我踩过不少坑。最开始用CSV，后来用SQLite，现在用InfluxDB。给你看看我的选择逻辑：

存储方式	适用场景	缺点
CSV	小数据量、快速验证	查询慢、无索引
SQLite	单机、百万级数据	并发差
MySQL/PostgreSQL	团队协作、千万级	部署麻烦
InfluxDB	时序数据、高频	学习成本高

我的建议是：个人用SQLite就够了。代码简单，不用装数据库。团队用PostgreSQL，支持窗口函数，做因子分析很方便。

import sqlite3
import pandas as pd

# 创建数据库
conn = sqlite3.connect('quant_data.db')

# 存储DataFrame
df.to_sql('stock_daily', conn, if_exists='append', index=False)

# 读取数据
df = pd.read_sql("SELECT * FROM stock_daily WHERE ts_code='000001.SZ'", conn)

3.6 缓存策略：别让接口累死

你想想看，每次回测都去拉数据，接口不封你才怪。缓存是必须的。

我的缓存策略分三层：

1. 内存缓存：用Python的lru_cache，同一个交易日的数据只拉一次。
2. 文件缓存：用Parquet格式存本地，比CSV快10倍。
3. 数据库缓存：存到SQLite，方便跨进程共享。

代码实现很简单：

from functools import lru_cache
import pandas as pd

@lru_cache(maxsize=128)
def get_stock_data(ts_code, start_date, end_date):
    # 先查数据库，没有再拉接口
    df = pd.read_sql(...)
    if df.empty:
        df = pro.daily(ts_code=ts_code, start_date=start_date, end_date=end_date)
        df.to_sql('stock_daily', conn, if_exists='append')
    return df

这里有个细节：lru_cache的参数必须是可哈希的。所以日期要转成字符串，别传datetime对象。

3.7 知识体系总览

这一章的内容比较多，我画了张图帮你理清思路：

这张图把整个数据流程串起来了。从上到下，数据源→获取→存储，每一步都有讲究。你照着这个框架搭，基本不会出大问题。

最后说一句：数据获取是脏活累活，但也是最有价值的活。把这一步做扎实了，后面的策略开发就是水到渠成的事。

---

公众号:蓝海资料掘金营，微信deep3321