第四章：数据获取与清洗——用Tushare/AkShare搞定基金历史净值

做量化投资，有一句老话叫「垃圾进，垃圾出」。你模型再牛，策略再花哨，数据源有问题，结果全是扯淡。我这些年踩过的坑，有一半都跟数据质量有关。今天咱们就聊聊，怎么用Python把基金的历史净值数据搞到手，再把它洗得干干净净。

4.1 数据获取：Tushare vs AkShare，我选哪个？

国内做金融数据，绕不开两个库：Tushare和AkShare。很多人问我哪个好，我的回答是——看场景。

Tushare是老牌选手，数据质量高，但需要注册获取token，部分接口有积分限制。我个人习惯用它做深度研究，因为数据字段全，历史数据完整。

AkShare是后起之秀，完全免费，接口丰富，覆盖了股票、基金、期货、宏观数据。说白了，它把各大财经网站的数据爬下来封装好了，用起来很方便。我建议做快速原型验证时用AkShare，省去注册的麻烦。

4.2 用Tushare获取基金净值数据

先上代码。假设你要获取某只基金的历史净值，比如「易方达蓝筹精选」（代码：005827）。

import tushare as ts
import pandas as pd

# 设置token（你需要去tushare官网注册获取）
ts.set_token('你的token')
pro = ts.pro_api()

# 获取基金净值
df = pro.fund_nav(ts_code='005827.OF', start_date='20200101', end_date='20231231')
print(df.head())

返回的数据长这样：

ts_code	nav_date	unit_nav	accum_nav	adj_nav
005827.OF	2020-01-02	1.2345	1.2345	1.2345
005827.OF	2020-01-03	1.2401	1.2401	1.2401

这里要注意：unit_nav是单位净值，accum_nav是累计净值，adj_nav是复权净值。做回测时，我建议用复权净值，因为它考虑了分红和拆分，更真实反映基金的实际收益。

4.3 用AkShare获取基金净值

如果你不想注册，AkShare是更好的选择。看代码：

import akshare as ak

# 获取公募基金净值
df = ak.fund_open_fund_info_em(symbol="005827", indicator="单位净值走势")
print(df.head())

AkShare返回的数据格式跟Tushare略有不同，但核心字段都有。我个人觉得AkShare的字段命名更直观，比如日期列直接叫净值日期，省得猜。

4.4 数据清洗：缺失值处理

数据拿到手，第一件事就是检查缺失值。我一般用isnull().sum()快速扫一眼。

# 检查缺失值
print(df.isnull().sum())

# 处理缺失值：向前填充（用上一个交易日的数据填充）
df['unit_nav'].fillna(method='ffill', inplace=True)

# 或者用插值法
df['unit_nav'].interpolate(method='linear', inplace=True)

为什么用向前填充？因为基金净值是时间序列数据，缺失通常发生在非交易日。用上一个交易日的净值填充，逻辑上说得通。插值法适合数据点之间缺失较少的情况，如果连续缺失超过3天，我建议用向前填充。

4.5 数据标准化：让不同基金可比

不同基金的净值绝对值差异很大，比如有的基金净值1块，有的10块。直接比较没意义。标准化就是解决这个问题的。

常用的方法有两种：

• Z-score标准化：减去均值，除以标准差。适合数据分布接近正态的情况。
• Min-Max标准化：缩放到[0,1]区间。适合数据有明确边界的情况。

from sklearn.preprocessing import StandardScaler, MinMaxScaler

# Z-score标准化
scaler = StandardScaler()
df['nav_standardized'] = scaler.fit_transform(df[['unit_nav']])

# Min-Max标准化
scaler = MinMaxScaler()
df['nav_normalized'] = scaler.fit_transform(df[['unit_nav']])

我个人习惯用Z-score，因为它保留了数据的分布特征。但如果你要做聚类或者神经网络，Min-Max可能更合适。

4.6 数据重采样：从日频到周频、月频

做量化策略时，日频数据太细，噪音多。我经常把数据重采样到周频或月频，减少噪音，提高策略稳定性。

# 设置日期为索引
df.set_index('nav_date', inplace=True)

# 重采样到周频，取每周最后一个交易日的净值
df_weekly = df.resample('W').last()

# 重采样到月频，取每月最后一个交易日的净值
df_monthly = df.resample('M').last()

为什么取最后一个交易日？因为基金净值是时点数据，不是区间数据。取最后一个值，代表该周期结束时的净值水平。如果你取平均值，反而会模糊掉趋势。

4.7 本章知识体系

下面这张图，是我自己总结的数据获取与清洗流程。你照着这个流程走，基本不会出大问题。

4.8 完整代码示例

最后，给你一个完整的流程代码。你直接复制就能用。

import tushare as ts
import pandas as pd
from sklearn.preprocessing import StandardScaler

# 1. 获取数据
ts.set_token('你的token')
pro = ts.pro_api()
df = pro.fund_nav(ts_code='005827.OF', start_date='20200101', end_date='20231231')

# 2. 缺失值处理
df['unit_nav'].fillna(method='ffill', inplace=True)

# 3. 数据标准化
scaler = StandardScaler()
df['nav_std'] = scaler.fit_transform(df[['unit_nav']])

# 4. 数据重采样
df.set_index('nav_date', inplace=True)
df_weekly = df.resample('W').last()
df_monthly = df.resample('M').last()

# 5. 保存结果
df_weekly.to_csv('fund_weekly.csv')
print('数据清洗完成，已保存为 fund_weekly.csv')