第三章 数据获取与清洗：用akshare搭建你的可转债数据库

做量化交易，数据就是你的弹药库。弹药不行，再好的策略也白搭。

我个人习惯每天开盘前先跑一遍数据脚本，把全市场的可转债数据拉下来。今天我就带你走一遍这个流程——从akshare获取数据，到清洗、标准化，最后构建出一个可以直接用于策略分析的DataFrame。

3.1 为什么选akshare？

市面上能拿可转债数据的库不少，但akshare是我用得最顺手的。原因有三：

• 免费且开源——不用花钱买数据接口，对个人量化玩家非常友好
• 数据源稳定——底层抓取的是东方财富、新浪财经等主流平台的数据
• 接口统一——股票、基金、可转债都用同一套调用方式，省心

3.2 获取全市场可转债列表

先上代码。这是我最常用的数据获取脚本：

import akshare as ak
import pandas as pd
import datetime

# 获取全市场可转债实时数据
def get_all_convertible_bonds():
    """
    获取全市场可转债行情数据
    返回：DataFrame，包含代码、名称、价格、溢价率等核心字段
    """
    try:
        df = ak.bond_convert_jsl()
        print(f"数据获取成功，共 {len(df)} 只可转债")
        return df
    except Exception as e:
        print(f"数据获取失败：{e}")
        return None

# 执行获取
raw_data = get_all_convertible_bonds()

这里用的是 bond_convert_jsl() 接口，它返回的是集思录风格的数据表。为什么选这个？因为集思录的数据字段最全——价格、溢价率、到期收益率、转股价值、剩余规模……基本上你策略需要的都有了。

3.3 数据清洗——把脏数据变成干净数据

拿到原始数据后，千万别直接拿去跑策略。我踩过这个坑——有一次没做清洗，结果策略里混进了一只已经退市的可转债，回测曲线直接崩了。

数据清洗我一般做这几步：

1. 删除无效行——比如那些已经退市、或者数据为空的记录
2. 处理缺失值——有些字段可能为空，需要填充或删除
3. 数据类型转换——把字符串转成数值，把百分比转成小数
4. 过滤异常值——比如价格低于50元或者高于500元的，基本是数据错误

来看具体代码：

def clean_bond_data(df):
    """
    清洗可转债数据
    """
    # 1. 删除退市和无效数据
    df = df[df['债券代码'].notna()]
    df = df[df['债券代码'].str.len() == 6]  # 可转债代码都是6位
    
    # 2. 处理缺失值
    df = df.dropna(subset=['现价', '溢价率'])
    
    # 3. 数据类型转换
    # 现价转浮点数
    df['现价'] = pd.to_numeric(df['现价'], errors='coerce')
    # 溢价率转浮点数（原始数据可能是"12.34%"这种格式）
    df['溢价率'] = df['溢价率'].str.replace('%', '').astype(float) / 100
    
    # 4. 过滤异常值
    df = df[(df['现价'] > 50) & (df['现价'] < 500)]
    df = df[df['溢价率'] > -0.5]  # 溢价率不会低于-50%
    
    return df

# 执行清洗
clean_data = clean_bond_data(raw_data)
print(f"清洗后剩余 {len(clean_data)} 只可转债")

嗯，这里要注意一点：errors='coerce' 这个参数很关键。它会把无法转换的值变成NaN，而不是直接报错中断程序。我在生产环境里吃过亏——某天数据源突然改了格式，整个脚本直接崩溃，从那以后我就养成了加这个参数的习惯。

3.4 数据标准化——让数据口径统一

不同数据源、不同接口返回的数据，字段名和单位可能都不一样。标准化就是把这些数据统一成你策略能直接用的格式。

我一般做以下标准化：

• 字段重命名——把中文名改成英文名，方便后续代码调用
• 单位统一——比如规模统一用"亿元"，价格统一用"元"
• 计算衍生字段——比如双低值 = 价格 + 溢价率×100

def standardize_bond_data(df):
    """
    标准化可转债数据
    """
    # 字段重命名
    column_mapping = {
        '债券代码': 'bond_code',
        '债券简称': 'bond_name',
        '现价': 'price',
        '溢价率': 'premium_ratio',
        '到期收益率': 'ytm',
        '剩余规模': 'remain_size',
        '转股价值': 'convert_value',
        '正股代码': 'stock_code',
        '正股名称': 'stock_name'
    }
    df = df.rename(columns=column_mapping)
    
    # 计算衍生字段
    df['double_low'] = df['price'] + df['premium_ratio'] * 100
    
    # 排序
    df = df.sort_values('double_low')
    
    return df

# 执行标准化
final_data = standardize_bond_data(clean_data)

双低值这个字段，说白了就是衡量可转债"便宜程度"的一个指标。价格低、溢价率低，双低值就低，说明这只债性价比高。我自己的轮动策略就是基于双低值来排序的。

3.5 构建基础数据DataFrame

最后一步，把清洗和标准化后的数据整理成你策略可以直接用的DataFrame。我习惯保留这些核心字段：

字段名	含义	数据类型	示例
bond_code	债券代码	str	123456
bond_name	债券简称	str	XX转债
price	当前价格（元）	float	118.50
premium_ratio	溢价率	float	0.1234
ytm	到期收益率	float	0.025
remain_size	剩余规模（亿元）	float	3.5
convert_value	转股价值	float	105.20
double_low	双低值	float	130.84
stock_code	正股代码	str	600000
stock_name	正股名称	str	XX股份

有了这个DataFrame，你就可以直接用它来做策略回测、排序选债、甚至实盘监控了。

3.6 本章知识体系

下面这张图概括了本章的核心流程：

这张图把整个流程串起来了。你每天跑一遍这个脚本，就能拿到一份干净、标准化的全市场可转债数据。有了这个基础，后面的策略分析和实盘调仓才能站得住脚。

数据获取与清洗这一步，说白了就是磨刀。刀磨好了，砍柴才快。下一章我们会基于这份干净数据，开始构建真正的轮动策略。