第二章 金融数据基础：股票数据获取、清洗与指标计算

各位同学，欢迎来到第二章。说实话，这一章是整个课程的地基。你想想看，算法再牛，模型再强，数据要是烂了，一切都白搭。我在量化交易这行摸爬滚打这些年，见过太多人把精力全花在调参上，结果数据源都没搞干净——嗯，这种亏我吃过，所以今天咱们把基础打扎实。

2.1 用 yfinance 获取股票数据

我个人习惯用 yfinance 这个库。为什么？因为它免费、简单，而且数据质量对于入门和策略回测来说完全够用。你不需要去申请什么 API Key，一行代码就能拉数据。

先装库：

pip install yfinance

然后拉取某只股票的历史数据。比如我经常拿贵州茅台（A股代码 600519.SS）做演示：

import yfinance as yf

# 下载贵州茅台近1年数据
df = yf.download('600519.SS', start='2023-01-01', end='2024-01-01')
print(df.head())

这里要注意，A股代码后面要加 .SS（上海）或 .SZ（深圳）。港股是 .HK，美股直接写代码就行。我曾经在项目里因为忘记加后缀，拉了一堆空数据回来，排查了半天才发现——这种低级错误，大家引以为戒。

yfinance 返回的是 Pandas DataFrame，包含 Open、High、Low、Close、Volume、Adj Close 这几列。我们做策略，最常用的是收盘价（Close）和成交量（Volume）。

2.2 数据清洗与预处理

数据拉下来，别急着算指标。先看看有没有脏数据。我遇到过的情况包括：

• 停牌日导致数据缺失（NaN）
• 除权除息日价格跳空
• 节假日数据为空
• 偶尔有异常值（比如成交量突然少个零）

我的标准流程是这样的：

# 1. 检查缺失值
print(df.isnull().sum())

# 2. 向前填充（用上一个交易日的数据填充）
df.fillna(method='ffill', inplace=True)

# 3. 如果开头还有缺失，向后填充
df.fillna(method='bfill', inplace=True)

# 4. 删除剩余的空值（极少情况）
df.dropna(inplace=True)

为什么用向前填充？因为金融数据有连续性。今天停牌，明天开盘价大概率参考昨天收盘价。这是行业惯例。

另外，检查一下有没有价格小于等于0的情况。理论上不可能，但数据源偶尔抽风：

# 检查异常值
print(df[df['Close'] <= 0])

如果有，直接删掉那行。别犹豫。

2.3 技术指标计算：SMA、RSI、MACD

技术指标是量化策略的「眼睛」。我个人最常用的三个：SMA（简单移动平均）、RSI（相对强弱指标）、MACD（指数平滑异同移动平均线）。

2.3.1 SMA（简单移动平均）

SMA 就是过去 N 天的收盘价平均值。说白了，它帮你过滤掉短期噪音，看清趋势方向。

# 计算 20 日均线
df['SMA_20'] = df['Close'].rolling(window=20).mean()

# 计算 60 日均线
df['SMA_60'] = df['Close'].rolling(window=60).mean()

这里有个坑：rolling() 计算出来的前 N-1 天是 NaN。我建议用 min_periods 参数控制最少需要多少有效数据：

df['SMA_20'] = df['Close'].rolling(window=20, min_periods=10).mean()

这样前10天也能算出值，虽然精度差一点，但不会让策略在初期无信号。

2.3.2 RSI（相对强弱指标）

RSI 衡量价格变动的速度和幅度，范围0-100。一般认为超过70超买，低于30超卖。但说实话，这个阈值在A股经常失效，我一般会动态调整。

计算公式：

def compute_rsi(data, window=14):
    delta = data.diff()
    gain = (delta.where(delta > 0, 0)).rolling(window=window).mean()
    loss = (-delta.where(delta < 0, 0)).rolling(window=window).mean()
    rs = gain / loss
    rsi = 100 - (100 / (1 + rs))
    return rsi

df['RSI_14'] = compute_rsi(df['Close'])

注意：当 loss 为0时，RSI 会变成100。这在连续上涨行情中常见。我曾经在牛市中用 RSI 做空信号，结果被连续打脸——因为 RSI 在强势行情中会长期维持在70以上，超买之后还能更超买。

2.3.3 MACD（指数平滑异同移动平均线）

MACD 由三部分组成：快线（DIF）、慢线（DEA）、柱状图（MACD柱）。它本质上是两条指数移动平均线的差值。

# 计算 MACD
exp12 = df['Close'].ewm(span=12, adjust=False).mean()
exp26 = df['Close'].ewm(span=26, adjust=False).mean()
df['MACD_DIF'] = exp12 - exp26
df['MACD_DEA'] = df['MACD_DIF'].ewm(span=9, adjust=False).mean()
df['MACD_HIST'] = 2 * (df['MACD_DIF'] - df['MACD_DEA'])

MACD 的金叉（DIF 上穿 DEA）是买入信号，死叉（DIF 下穿 DEA）是卖出信号。但这里有个细节：金叉的位置很重要。如果在零轴上方金叉，说明多头趋势强劲；如果在零轴下方金叉，可能只是反弹。

我个人习惯把 MACD 和成交量配合使用。金叉当天如果成交量放大，信号可靠性更高。

2.4 本章知识体系总览

下面这张图，是我自己梳理的本章知识结构。你把它存下来，学完这章后对照着检查自己是否都掌握了。

2.5 实战小贴士

最后，分享几个我在实战中总结的经验：

指标	常用参数	我的经验
SMA	20日、60日	短线用10/20，中线用60/120
RSI	14日	震荡市用30/70，趋势市放宽到20/80
MACD	12/26/9	零轴上方金叉更可靠，配合成交量确认

嗯，这一章的内容就到这里。数据基础打好了，后面讲策略回测、强化学习环境搭建，你才不会手忙脚乱。记住：好的数据，是成功策略的一半。

---