第三章 数据获取：用Python搞定可转债行情数据

做可转债套利，第一步就是搞定数据。

没有数据，什么策略都是空中楼阁。我见过太多人，策略想得天花乱坠，结果连行情都拉不下来，白忙一场。

今天我就把三个主流数据源——聚宽、Tushare、AkShare——掰开揉碎了讲清楚。每个我都实战用过，坑也踩过不少。

3.1 聚宽（JoinQuant）：本地与在线双模式

聚宽是我最早用的平台。它有两种玩法：在线研究环境和本地数据服务。

3.1.1 在线研究环境

你打开聚宽官网，新建一个研究 notebook，直接就能跑代码。不用装任何东西，特别适合快速验证想法。

# 聚宽在线环境获取可转债行情
from jqdata import *

# 初始化
run_daily()

# 获取所有可转债列表
bonds = get_all_securities(['bond'])

# 获取特定转债的历史行情
df = get_price('123456.XSHE', 
               start_date='2024-01-01', 
               end_date='2024-12-31',
               frequency='daily',
               fields=['open', 'close', 'high', 'low', 'volume', 'money'])

print(df.head())
我的习惯：在线环境适合写策略原型。但别用它跑大规模回测，速度会让你崩溃。

3.1.2 本地数据服务

聚宽也提供本地数据API。你需要先安装jqdatasdk，然后认证登录。

# 本地环境使用聚宽数据
import jqdatasdk as jq

# 认证（需要账号）
jq.auth('你的账号', '你的密码')

# 获取可转债基础信息
bonds = jq.get_all_securities(['bond'])
print(f"可转债数量: {len(bonds)}")

# 获取行情
df = jq.get_price('123456.XSHE', 
                  count=100,
                  end_date='2024-12-31',
                  frequency='daily',
                  fields=['open', 'close', 'high', 'low', 'volume', 'money'])
注意：聚宽本地API有调用次数限制。我曾在回测时一次性拉了500只转债，直接被封了半小时。建议分批获取，加个time.sleep(1)。

3.2 Tushare：老牌数据接口

Tushare在国内量化圈名气很大。它数据全，但门槛也高——需要积分。

3.2.1 安装与配置

# 安装
pip install tushare

# 初始化
import tushare as ts

# 设置token（在Tushare官网注册获取）
ts.set_token('你的token')
pro = ts.pro_api()

3.2.2 获取可转债列表

# 获取所有可转债基本信息
cb_list = pro.cb_basic()
print(cb_list.head())

# 获取可转债日线行情
df = pro.cb_daily(
    ts_code='123456.SZ',
    start_date='20240101',
    end_date='20241231',
    fields='ts_code,trade_date,open,high,low,close,vol,amount'
)
print(df.head())

关键点：Tushare的字段名和聚宽不一样。比如成交量是'vol'不是'volume'。我刚开始用的时候，经常搞混，后来干脆写了个字段映射表。

3.2.3 获取转股价值等衍生数据

# 获取可转债转股信息
conv_info = pro.cb_conv(
    ts_code='123456.SZ',
    start_date='20240101',
    end_date='20241231'
)
# 包含转股价、转股价值、溢价率等关键字段
避坑指南：我曾经发现Tushare的某些转债数据有缺失。比如2023年8月有几只转债的转股价没更新。后来我养成了习惯——拉完数据先做完整性检查，用isnull().sum()扫一遍。

3.3 AkShare：免费且全面的选择

AkShare是我最近比较偏爱的数据源。完全免费，数据源来自东方财富、新浪财经等，覆盖面很广。

3.3.1 安装与基础用法

# 安装
pip install akshare

# 获取可转债实时行情
import akshare as ak

# 获取所有可转债实时数据
df = ak.bond_cb_jsl()
print(df.head())

3.3.2 获取历史行情

# 获取单只转债的历史日线
df = ak.bond_cb_daily(
    symbol='sh123456',
    start_date='20240101',
    end_date='20241231'
)
print(df.head())
注意：AkShare的代码格式和前面两个不一样。沪市转债前面要加'sh'，深市加'sz'。比如'123456'在深市就是'sz123456'。这个坑我踩过，拉出来全是空数据，查了半天才发现是前缀问题。

3.3.3 获取可转债溢价率等关键指标

# 获取可转债溢价率数据
df = ak.bond_cb_jsl()
# 这个接口直接返回溢价率、转股价值、到期收益率等

# 筛选低溢价率转债
low_premium = df[df['溢价率'] < 5].sort_values('溢价率')
print(low_premium[['转债代码', '转债名称', '溢价率', '转股价值']])

3.4 三个数据源对比

特性 聚宽 Tushare AkShare
费用 部分免费，高级功能收费 基础免费，高级需积分 完全免费
数据完整性 高 高 中等
更新速度 实时 实时 准实时
学习成本 中等 中等 低
适合场景 策略回测 专业研究 快速原型

我的建议：如果你刚开始做可转债套利，先用AkShare。免费、上手快。等策略跑通了，再考虑用Tushare或聚宽做更精细的数据验证。

3.5 实战：搭建统一数据获取模块

我个人习惯是写一个统一的数据获取模块。这样切换数据源时，只需要改一行代码。

class CBDataFetcher:
    """可转债数据获取统一接口"""
    
    def __init__(self, source='akshare'):
        self.source = source
        if source == 'jq':
            import jqdatasdk as jq
            jq.auth('user', 'pwd')
        elif source == 'tushare':
            import tushare as ts
            ts.set_token('token')
            self.pro = ts.pro_api()
    
    def get_daily(self, code, start, end):
        """获取日线数据"""
        if self.source == 'akshare':
            import akshare as ak
            return ak.bond_cb_daily(symbol=code, 
                                    start_date=start, 
                                    end_date=end)
        elif self.source == 'tushare':
            return self.pro.cb_daily(ts_code=code,
                                     start_date=start,
                                     end_date=end)
        # 其他数据源类似
    
    def get_premium(self, code):
        """获取溢价率"""
        # 实现略
        pass
经验之谈：我建议你把数据获取和策略逻辑分开。这样哪天数据源挂了，换个接口就行，不用改策略代码。我吃过这个亏——聚宽有一次维护，我的整个回测系统瘫痪了两天。

3.6 数据质量检查

数据拿到手，别急着用。先做三件事：

  1. 检查缺失值：用df.isnull().sum()看看哪些字段有空值
  2. 检查异常值：比如价格突然变成0，或者成交量异常大
  3. 检查时间序列：交易日是否连续，有没有跳空
def check_data_quality(df):
    """数据质量检查"""
    print("=== 数据质量报告 ===")
    print(f"数据量: {len(df)}")
    print(f"缺失值:\n{df.isnull().sum()}")
    print(f"价格范围: {df['close'].min():.2f} - {df['close'].max():.2f}")
    print(f"日期范围: {df['trade_date'].min()} - {df['trade_date'].max()}")
    
    # 检查是否有价格异常
    abnormal = df[df['close'] <= 0]
    if len(abnormal) > 0:
        print(f"警告: 发现{len(abnormal)}条价格异常数据")
重要：数据质量直接决定策略成败。我见过有人用有缺失的数据跑回测，结果策略表现特别好——后来发现是因为缺失的数据恰好是亏损的交易。数据清洗这一步，省不了。
可转债数据获取流程 数据源层 数据获取层 数据处理层 聚宽 JoinQuant Tushare AkShare 日线行情 转股价值/溢价率 基础信息 缺失值检查 异常值过滤 时间序列对齐 输出：清洗后的可转债行情数据

数据获取这块，说白了就是三个步骤：选数据源、拉数据、洗数据。别在这上面花太多时间纠结，选一个趁手的工具，先把数据跑起来再说。

我个人推荐顺序：AkShare入门 → Tushare进阶 → 聚宽做回测。当然，如果你公司有Wind或者Choice的接口，那更省事——不过那是另一个话题了。

嗯，数据到手了，下一步就是分析。但那是下一章的内容了。

← 上一章 📖 返回目录 下一章 →