2. 金融数据获取：使用yfinance和pandas-datareader获取股票行情数据

做量化策略，第一步就是搞数据。没有数据，再牛的因子也是空中楼阁。

我个人习惯用 yfinance 和 pandas-datareader 这两个库。它们免费、轻量，而且直接对接雅虎财经和FRED等数据源。今天我们就来聊聊怎么用它们拿到干净的股票行情数据。

2.1 为什么选这两个库？

市面上获取金融数据的工具不少，但yfinance和pandas-datareader是我用得最顺手的。原因有三：

• 免费：不需要API Key，不需要付费订阅。对于个人研究和策略原型开发，完全够用。
• 简单：几行代码就能拿到日线数据。你想想看，如果每次都要写几十行代码去解析CSV，那多浪费时间。
• 覆盖面广：全球主要交易所的股票、ETF、指数都能拿。我曾在项目中同时拉取A股、港股和美股的数据，一个库搞定。

2.2 安装与导入

先装库。打开终端，执行：

pip install yfinance pandas-datareader pandas numpy

嗯，这里要注意。pandas-datareader依赖pandas和numpy，所以一起装上。我个人习惯用虚拟环境，避免污染全局包。

导入也很简单：

import yfinance as yf
import pandas_datareader.data as web
import pandas as pd
import numpy as np
from datetime import datetime, timedelta

2.3 使用yfinance获取股票数据

yfinance的用法非常直观。我举个例子，获取贵州茅台（600519.SS）最近一年的数据：

# 定义股票代码
ticker = "600519.SS"  # 上海交易所的股票代码后缀是.SS

# 获取数据
maotai = yf.download(ticker, start="2023-01-01", end="2024-01-01")

# 查看前5行
print(maotai.head())

输出结果长这样：

                  Open        High         Low       Close   Volume
Date
2023-01-03  1720.0000  1735.0000  1705.0000  1727.0000  3200000
2023-01-04  1728.0000  1742.0000  1718.0000  1735.0000  2800000
...

你看，Open、High、Low、Close、Volume，标准的OHLCV数据，直接拿来用。

2.4 批量获取多只股票

做因子策略，通常需要同时处理几十甚至上百只股票。yfinance支持批量下载：

# 定义股票池
tickers = ["600519.SS", "000858.SZ", "601318.SS", "600036.SS"]

# 批量下载，使用多线程加速
data = yf.download(tickers, start="2023-01-01", end="2024-01-01", group_by="ticker")

# 查看贵州茅台的收盘价
print(data["600519.SS"]["Close"])

这里有个坑，我曾经踩过。如果某只股票在某一天停牌，yfinance会返回NaN。你需要用 fillna(method='ffill') 向前填充，或者直接删除缺失值。我个人建议用前向填充，因为停牌期间的信息其实已经反映在复牌后的价格里了。

2.5 使用pandas-datareader获取数据

pandas-datareader的强项是获取宏观经济数据。比如，获取美联储的联邦基金利率：

# 获取FRED数据
start = datetime(2020, 1, 1)
end = datetime(2024, 1, 1)

# 联邦基金利率
fed_funds = web.DataReader("FEDFUNDS", "fred", start, end)

print(fed_funds.head())

输出：

            FEDFUNDS
DATE
2020-01-01      1.55
2020-02-01      1.58
...

为什么需要这个？因为动量因子和ESG因子都会受到宏观环境的影响。利率上升时，高估值股票（很多ESG好的公司）往往承压。把这些宏观数据纳入模型，能提升策略的稳健性。

2.6 数据清洗与预处理

拿到原始数据后，别急着用。先做三件事：

1. 检查缺失值：用 isnull().sum() 看看哪些列有NaN。
2. 处理异常值：比如某天涨幅超过20%，很可能是数据错误。用 quantile() 或标准差法剔除。
3. 对齐时间索引：多只股票的交易日期可能不一致。用 reindex() 统一到同一个交易日历。

我写了一个小函数，专门做这件事：

def clean_stock_data(df):
    """清洗股票数据：填充缺失值，剔除异常值"""
    # 前向填充缺失值
    df = df.fillna(method='ffill')
    # 剔除涨跌幅超过20%的异常日
    returns = df['Close'].pct_change()
    df = df[returns.abs() < 0.2]
    return df

2.7 本章知识体系

下面这张图总结了本章的核心逻辑：

2.8 避坑指南

最后，分享几个我踩过的坑：

• 股票代码格式：A股代码要加后缀，上海是.SS，深圳是.SZ。港股是.HK，美股直接写代码就行。我曾经把腾讯的代码写成"0700"，结果一直报错，后来才发现要写成"0700.HK"。
• 数据延迟：yfinance的数据通常有15-20分钟延迟。做实时交易不行，但做回测和策略研究完全OK。
• 网络超时：批量下载时，如果股票数量太多，可能会超时。建议分批次下载，每次不超过50只。或者用 yf.download(..., threads=True) 开启多线程。

好了，数据获取这块就聊到这儿。下一节我们开始处理ESG因子数据，那才是真正有意思的部分。