3、数据获取基础：使用 akshare 获取可转债基础数据

做量化回测，第一步就是搞定数据。

没有数据，再好的策略也是空中楼阁。我个人习惯先把数据源摸清楚，再动手写代码。今天我们就来聊聊，怎么用 akshare 这个库，把可转债的基础数据拿到手。

3.1 为什么选 akshare？

市面上能拿可转债数据的库不多。有的要钱，有的要注册，有的数据还不全。akshare 是开源的，免费，而且数据源直接对接国内主流财经网站。说白了，它就是咱们散户的瑞士军刀。

我在做第一个可转债策略时，试过手动从网页复制数据，那叫一个痛苦。后来换成 akshare，一行代码搞定。嗯，真香。

3.2 安装与导入

先装库，这个不用多说：

pip install akshare --upgrade

然后导入：

import akshare as ak
import pandas as pd

注意，akshare 更新挺频繁的。我建议你每次跑之前，先检查一下版本。我曾经因为版本太旧，接口返回的数据格式变了，排查了半天才发现是版本问题。

3.3 获取可转债列表

核心函数就一个：ak.bond_zh_cov()。它会返回一个 DataFrame，包含所有上市可转债的基本信息。

df = ak.bond_zh_cov()
print(df.head())

跑一下看看，你会得到类似这样的数据：

代码	名称	发行规模	剩余规模	转股价	正股价	...其他字段
123456	XX转债	10.00亿	8.50亿	25.30	26.80	...

这里我要提醒一句：akshare 返回的字段名可能会随着版本变化。你最好先 print(df.columns) 看一眼，确认字段名对不对得上。

3.4 提取我们需要的字段

题目要求的是四个字段：代码、名称、发行规模、剩余规模。我们直接筛选出来：

# 假设字段名是 '债券代码', '债券简称', '发行规模', '剩余规模'
# 实际字段名请以你打印出来的为准
df_basic = df[['债券代码', '债券简称', '发行规模', '剩余规模']].copy()
df_basic.columns = ['代码', '名称', '发行规模', '剩余规模']
print(df_basic.head())

你想想看，这一步其实就是在做数据清洗的预处理。把原始数据变成我们想要的格式，后面轮动策略才能直接用。

3.5 数据格式处理

这里有个坑：发行规模和剩余规模，akshare 返回的可能是字符串，比如 "10.00亿"。如果你要做计算，必须转成数值。

我曾经直接拿字符串去比较大小，结果排序全错了。后来才发现，字符串比较是按字典序，不是按数值。

正确的做法是：

# 去掉 '亿' 字，转成 float
df_basic['发行规模'] = df_basic['发行规模'].str.replace('亿', '').astype(float)
df_basic['剩余规模'] = df_basic['剩余规模'].str.replace('亿', '').astype(float)

这样处理之后，你就可以放心地做排序、筛选、计算了。

3.6 数据获取的完整流程

把上面的步骤串起来，就是一个完整的数据获取流程。我画了一张图，帮你理清逻辑：

3.7 避坑指南

• 网络问题：akshare 需要联网获取数据。如果你在公司内网或者网络受限的环境，可能会超时。我建议加个 try-except 做异常处理。
• 数据更新频率：可转债数据一般是交易日收盘后更新。如果你在盘中调用，部分字段可能是前一天的旧数据。
• 字段名变化：前面说过，akshare 版本更新可能导致字段名变化。我的习惯是每次升级后，先跑一次 print(df.columns) 确认。

3.8 实战：把数据保存到本地

拿到数据后，我通常会保存一份到本地，方便后续分析：

# 保存为 CSV 文件
df_basic.to_csv('可转债基础数据.csv', index=False, encoding='utf-8-sig')

# 或者保存为 Excel
df_basic.to_excel('可转债基础数据.xlsx', index=False)

为什么要保存？因为每次调用 akshare 都要联网，如果网络不稳定，或者接口限流，你就拿不到数据。保存一份本地副本，至少能保证离线也能用。

3.9 小结

这一章我们只做了一件事：用 akshare 拿到可转债的代码、名称、发行规模、剩余规模。看起来简单，但这是整个轮动策略的基石。

数据质量决定了策略的上限。我见过太多人，策略逻辑写得天花乱坠，结果数据源就有问题，最后回测结果全是错的。所以，别嫌这一步麻烦，把数据搞干净，后面才能省心。