第四章：数据获取与清洗——期权链数据、期货数据、无风险利率
各位同学，欢迎来到第四章。这一章咱们聊聊数据。
做量化交易，尤其是跨品种套利，数据就是你的弹药。没有干净的数据，再漂亮的模型也是空中楼阁。我见过太多人，模型跑得飞起，结果一上实盘就崩——查到最后，是数据源出了问题。
今天我们就来拆解三个核心数据源：期权链数据、期货数据、无风险利率。我会把我在项目中踩过的坑、总结的经验，一股脑儿倒给你们。
4.1 期权链数据：从哪来，怎么洗
期权链数据，说白了就是所有期权合约的行情快照。包括行权价、到期日、买卖报价、成交量、持仓量、隐含波动率等等。
数据来源：我个人习惯用Wind、Bloomberg或者交易所直连。如果你做回测，也可以用一些免费的历史数据API，但要注意质量。
清洗要点：
- 剔除异常值：比如买卖价差为负、成交量异常大但价格没动——这些往往是数据推送错误。
- 处理缺失值：有些深度虚值合约可能全天无成交，报价也是旧的。我建议用前向填充，或者直接剔除。
- 统一时间戳：不同交易所的撮合时间可能差几毫秒，跨品种套利时这个误差会放大。
重要：期权链数据里，隐含波动率是最敏感的。我曾经发现某个合约的IV突然跳升，以为是市场异动，结果查出来是数据商把行权价搞错了。所以，拿到数据后，先做一轮行权价和到期日的逻辑校验。
4.2 期货数据：主力合约与连续合约
期货数据相对干净，但有个坑：主力合约切换。
你想想看，一个品种有多个到期月份，流动性集中在主力合约上。如果你直接用单个合约做回测，换月那天会出现价格跳空，导致套利信号失真。
我的做法：
- 先识别主力合约——通常用持仓量或成交量最大的那个。
- 构建连续合约：用前复权或后复权的方式，把不同合约拼接起来。
- 记录换月日期：这个信息在跨品种套利中很重要，因为换月期间价差波动会异常。
小技巧：我习惯在换月前后各留3天的缓冲期，避免在流动性最差的时候开仓。这个经验是从一次实盘亏损中得来的——嗯，那次亏得挺疼。
4.3 无风险利率：别小看这个数
无风险利率是期权定价模型里的关键参数。很多人直接用一年期国债收益率，但我觉得不够精细。
为什么？ 因为不同期限的期权，对应的无风险利率应该不同。比如一个月到期的期权，你用一年期利率，误差会很大。
我的建议：
- 用SHIBOR或LIBOR的对应期限利率。
- 如果做跨品种套利，两个品种可能在不同市场，利率基准要统一。
- 注意利率的日频更新——有些数据源只提供周频，这会导致波动率曲面出现锯齿。
警告：千万不要直接用央行公布的基准利率。那个是政策利率，不是市场利率。我曾经犯过这个错，导致模型在极端行情下完全失效。
4.4 数据清洗流程：一张图说清楚
下面这张图是我自己总结的数据清洗流程，你们可以直接拿去用。
4.5 代码示例：Python数据清洗模板
下面是我常用的数据清洗代码片段。你们可以直接复制，改改参数就能用。
import pandas as pd
import numpy as np
def clean_option_chain(df):
"""
期权链数据清洗
"""
# 1. 剔除买卖价差为负的
df = df[df['ask'] > df['bid']]
# 2. 剔除成交量异常但价格未变的
df = df[~((df['volume'] > 1000) & (df['last_price'] == df['last_price'].shift(1)))]
# 3. 前向填充缺失的隐含波动率
df['implied_vol'] = df['implied_vol'].fillna(method='ffill')
# 4. 统一时间戳到毫秒级
df['timestamp'] = pd.to_datetime(df['timestamp']).dt.floor('ms')
return df
def build_futures_continuous(df, method='forward'):
"""
构建期货连续合约
method: 'forward' 前复权, 'backward' 后复权
"""
# 识别主力合约
main_contract = df.groupby('contract')['volume'].sum().idxmax()
# 拼接逻辑
if method == 'forward':
# 前复权：调整历史价格
pass
elif method == 'backward':
# 后复权：调整未来价格
pass
return df提示：代码里的前向填充（ffill）在大多数情况下够用，但如果缺失值连续超过3个，我建议直接剔除该合约。这是我从一次回测中总结的教训——连续填充会导致数据失真。
4.6 无风险利率的获取与处理
无风险利率的获取其实很简单，但处理起来有讲究。
获取方式：
- Wind终端：直接调用
w.wsd()获取SHIBOR各期限利率。 - 央行官网：下载国债收益率曲线。
- 第三方数据商：如Quandl、FRED（适合美股）。
处理要点：
- 插值：如果期权到期日不在标准期限上，需要用线性插值或样条插值。
- 日频化：把年化利率转换成日频，用于每日定价。
- 检查异常：利率突然跳升或跳降，要确认是否是数据错误。
核心：无风险利率的微小变化，对深度实值期权影响不大，但对平值附近的期权影响显著。尤其是在跨品种套利中，两个品种的利率差可能直接决定套利空间是否存在。
4.7 数据质量检查清单
最后，我给你们一份检查清单。每次拿到新数据，按这个过一遍，能省很多事。
| 检查项 | 期权链 | 期货 | 无风险利率 |
|---|---|---|---|
| 缺失值比例 | <5% | <2% | <1% |
| 异常值数量 | 剔除后不影响统计 | 剔除后不影响统计 | 无跳变 |
| 时间戳对齐 | 毫秒级 | 毫秒级 | 日频 |
| 逻辑校验 | 行权价、到期日正确 | 主力合约切换正确 | 期限结构合理 |
好了，这一章的内容就到这里。数据获取与清洗看似枯燥，但它是整个套利策略的基石。你们在实际操作中如果遇到问题，随时可以翻回这一章对照检查。