数据获取基础：数据源介绍与行情数据获取

做量化，第一步就是搞数据。没有数据，再牛的因子也是空中楼阁。

我个人习惯把数据获取比作「做饭前的买菜」。菜买不好，厨艺再好也白搭。今天我们就聊聊，量化人常用的几个「菜市场」——Tushare、Wind、聚宽，以及怎么把股票行情数据拿到手、洗干净。

三大主流数据源，怎么选？

市面上数据源不少，但真正经得起折腾的，我总结下来就这三个。

数据源	特点	适合人群	费用
Tushare	开源、社区活跃、接口丰富	个人研究、小团队	基础免费，高级积分
Wind	机构标准、数据质量高、覆盖全	机构、专业投资者	年费数万起
聚宽	一站式平台、回测+数据一体	策略开发、快速验证	部分免费，高级付费

你可能会问：「那我该用哪个？」

我的建议是：个人研究先用Tushare，上手快、成本低。等你要跑实盘或者做高频了，再考虑Wind。聚宽更适合做策略回测，数据只是它的一部分功能。

股票行情数据获取实战

好了，理论说完了，咱们直接上手。以Tushare为例，拉一段A股日线行情。

首先，你得注册Tushare账号，拿到token。这个步骤我就不啰嗦了，官网走一遍就行。

然后，安装库：

pip install tushare

接下来，写代码：

import tushare as ts

# 设置token
ts.set_token('你的token')

# 初始化接口
pro = ts.pro_api()

# 获取平安银行2024年1月日线数据
df = pro.daily(
    ts_code='000001.SZ',
    start_date='20240101',
    end_date='20240131'
)

print(df.head())

跑完你会看到类似这样的输出：

   ts_code trade_date  open  high   low  close  pre_close  change  pct_chg  vol  amount
0  000001.SZ  20240131  9.20  9.28  9.05  9.08       9.25   -0.17   -1.84   ...   ...
1  000001.SZ  20240130  9.30  9.35  9.18  9.25       9.32   -0.07   -0.75   ...   ...
...

嗯，这里要注意：返回的数据默认是按日期降序排列的。我刚开始做的时候没注意，直接拿过来算因子，结果全反了。后来排查了半天才发现是顺序问题。

数据格式标准化

数据拿到了，但不同数据源返回的格式五花八门。Tushare的字段名是英文，Wind是中文，聚宽又是一种风格。你想想看，如果每个数据源都单独写一套处理逻辑，那代码得多乱？

所以，标准化是必须的。我个人习惯统一成以下格式：

标准字段	含义	类型
code	股票代码（如000001.SZ）	str
date	交易日期	datetime
open	开盘价	float
high	最高价	float
low	最低价	float
close	收盘价	float
volume	成交量（股）	int
amount	成交额（元）	float

写个标准化函数，一劳永逸：

def standardize_daily(df, source='tushare'):
    """将不同数据源的日线数据统一为标准格式"""
    if source == 'tushare':
        df = df.rename(columns={
            'ts_code': 'code',
            'trade_date': 'date',
            'vol': 'volume'
        })
        df['date'] = pd.to_datetime(df['date'])
    elif source == 'wind':
        # Wind的字段映射逻辑类似
        pass
    # 只保留标准字段
    cols = ['code', 'date', 'open', 'high', 'low', 'close', 'volume', 'amount']
    return df[cols]

知识体系总览

说了这么多，咱们用一张图把本章的核心逻辑串起来：

说白了，整个流程就是：选数据源 → 拉数据 → 洗成统一格式。这三步走稳了，后面的因子计算才能放心。

好了，数据获取这块就聊到这儿。记住，数据是量化的基石，别嫌麻烦。把基础打牢，后面才能盖高楼。

---

公众号:蓝海数据掘金营，微信deep3321