第一章：金融数据获取——用Tushare搞定股票行情、财务与指数数据
做量化选股，第一步就是搞数据。没有数据，再牛的模型也是空中楼阁。
我个人习惯用Tushare来获取A股数据。为什么？因为它数据全、接口稳定，而且社区活跃。你想想看，一个工具能同时拿到行情、财务、指数三类数据，省去多少对接不同数据源的麻烦。
1.1 Tushare是什么？
Tushare是一个开源的金融数据接口库。它提供股票、基金、期货、宏观经济等各类数据。说白了，它就是量化人的数据仓库。
我记得刚开始做量化时，还在手动从财经网站爬数据，效率低不说，数据质量也没保障。后来换成Tushare，一天能搞定以前一周的工作量。
核心特点：
- 数据覆盖广：A股、港股、美股、期货、基金、指数
- 更新及时：交易日数据T+1即可获取
- 接口统一：所有数据通过API调用，代码风格一致
1.2 安装与配置
安装很简单，一行命令搞定：
pip install tushare但要注意，Tushare Pro版本需要token。你需要去官网注册，获取自己的token。
避坑指南：我曾经因为token泄露，导致别人用我的额度。建议把token写在环境变量里，别硬编码在代码中。
import tushare as ts
# 设置token
ts.set_token('你的token')
# 初始化pro接口
pro = ts.pro_api()1.3 获取股票行情数据
行情数据是量化选股的基础。我们最常用的是日线数据。
# 获取平安银行（000001.SZ）的日线数据
df = pro.daily(ts_code='000001.SZ', start_date='20240101', end_date='20241231')
print(df.head())返回的数据包含：
| 字段 | 说明 |
|---|---|
| ts_code | 股票代码 |
| trade_date | 交易日期 |
| open | 开盘价 |
| high | 最高价 |
| low | 最低价 |
| close | 收盘价 |
| vol | 成交量（手） |
| amount | 成交额（千元） |
小技巧：如果你需要批量获取多只股票的数据，可以用trade_cal接口先拿到交易日历，再循环调用daily接口。我一般会配合pandas的concat来合并数据。
1.4 获取财务数据
选股模型离不开财务指标。Tushare提供了丰富的财务数据接口。
# 获取平安银行的财务指标
df_fin = pro.fina_indicator(ts_code='000001.SZ', start_date='20240101', end_date='20241231')
print(df_fin[['roe', 'eps', 'bps', 'profit_dedt']].head())常用的财务指标：
- roe：净资产收益率——衡量公司盈利能力
- eps：每股收益——直接反映每股价值
- bps：每股净资产——安全边际的参考
- profit_dedt：扣非净利润——剔除一次性收益后的真实利润
嗯，这里要注意：财务数据是季度更新的，别拿季报数据去做日频交易信号，时间对不上。
1.5 获取指数数据
指数数据用于判断市场整体走势。我们常用沪深300、中证500等。
# 获取沪深300指数数据
df_index = pro.index_daily(ts_code='000300.SH', start_date='20240101', end_date='20241231')
print(df_index.head())指数数据字段和股票类似，但多了个pct_chg字段，表示涨跌幅。这个在做市场状态判断时很有用。
实战经验：我在做多因子模型时，会把指数数据作为市场因子加入回归。比如用沪深300的收益率作为市场基准，计算个股的alpha。
1.6 数据获取的完整流程
下面这张图展示了从数据获取到模型输入的完整链路：
1.7 数据存储与复用
每次从Tushare拉数据太慢了，而且会消耗积分。我建议把数据存到本地。
# 保存到CSV
df.to_csv('stock_data.csv', index=False)
# 或者保存到HDF5（适合大数据量）
df.to_hdf('stock_data.h5', key='daily', mode='w')我的习惯：每天收盘后跑一次数据更新脚本，把增量数据追加到本地数据库。这样既保证数据新鲜，又不会浪费Tushare的积分。
1.8 常见问题与避坑
- 积分不够用？——Tushare Pro有积分限制。我一般把高频调用的数据缓存到本地，低频数据才实时拉取。
- 数据对不上？——复权问题。Tushare的daily接口返回的是未复权数据。做回测时记得用复权数据，否则收益率计算会出错。
- 接口超时？——加个重试机制。网络波动时自动重试3次，基本能解决。
曾经踩过的坑：有一次我直接用未复权数据做回测，结果某只股票分红后价格跳空，模型以为出现了巨大亏损，直接清仓了。后来才意识到是复权问题。所以，做回测一定要用后复权数据。
好了，数据获取这块就讲到这里。掌握了Tushare的行情、财务、指数三大接口，你就有了量化选股的原材料。下一章我们聊聊怎么把这些数据加工成有效的选股因子。