4、金融数据获取：用Tushare/Akshare搞定股票数据

做量化交易，第一步就是搞数据。没有数据，再牛的因子也是空中楼阁。

我个人习惯把数据获取比作「做饭前的买菜」。菜买不好，厨艺再好也白搭。金融数据也一样——源头的质量直接决定后续分析的成败。

4.1 两大主流数据工具：Tushare vs Akshare

国内做量化，绕不开这两个库。我当年入行时，Tushare还是付费为主，现在Akshare免费开源，选择更多了。

对比项	Tushare	Akshare
数据源	自建数据库，稳定	爬取公开网站，灵活
费用	基础免费，高级付费	完全免费
速度	较快，有缓存机制	依赖目标网站，略慢
适用场景	专业研究、回测	快速验证、小规模分析

我的建议是：两个都装。Tushare做主力，Akshare做补充。遇到Tushare没有的数据，用Akshare兜底。

4.2 实战：用Tushare获取股票日线数据

先装库：pip install tushare。然后去官网注册，拿到token。

import tushare as ts

# 初始化
pro = ts.pro_api('你的token')

# 获取平安银行日线数据
df = pro.daily(
    ts_code='000001.SZ',
    start_date='20230101',
    end_date='20231231'
)

print(df.head())

嗯，这里要注意：daily接口返回的是未复权数据。做因子分析时，必须用复权数据。我刚开始做的时候，直接用未复权数据算收益率，结果回测曲线漂亮得不行，实盘一跑就崩——后来才发现是复权没处理。

4.3 复权处理：前复权 vs 后复权

复权说白了就是「消除分红送股对价格的影响」。两种方式：

• 前复权：调整历史价格，让当前价格不变。适合回测，因为能看到「如果一直持有，收益是多少」。
• 后复权：调整当前价格，让历史价格不变。适合看真实涨幅，但当前价格会变。

我个人习惯用前复权做因子回测。Tushare提供了复权因子接口：

# 获取复权因子
adj_factor = pro.adj_factor(ts_code='000001.SZ')

# 合并到日线数据
df = df.merge(adj_factor, on='trade_date')

# 计算前复权价格
df['adj_close'] = df['close'] * df['adj_factor']

为什么用前复权？你想想看，回测时我们关心的是「策略在当前价格下能否执行」。前复权保持了当前价格的真实性，历史价格被调整，但交易逻辑不受影响。

4.4 数据清洗与对齐

数据拿到手，别急着用。先做三件事：

1. 检查缺失值：停牌、节假日、数据缺失都会导致NaN。
2. 对齐时间轴：不同股票的交易日期可能不同，需要统一。
3. 去重排序：按日期升序排列，删除重复行。

# 清洗示例
df = df.dropna(subset=['adj_close'])  # 删除缺失值
df = df.sort_values('trade_date')     # 按日期排序
df = df.drop_duplicates(subset=['trade_date', 'ts_code'])  # 去重

# 对齐：生成统一交易日历
trade_cal = pro.trade_cal(start_date='20230101', end_date='20231231')
trade_cal = trade_cal[trade_cal['is_open'] == 1]['cal_date']

4.5 缺失值处理策略

缺失值怎么处理？没有万能公式。我在项目中总结了几种场景：

缺失原因	处理方法	适用场景
停牌	保留NaN，不填充	因子计算时跳过
节假日	前向填充	流动性因子、波动率因子
数据源缺失	用Akshare补充	所有场景
异常值	中位数填充或删除	极端值影响大的因子

我曾经踩过一个坑：用前向填充处理停牌数据，结果因子在停牌期间「看起来」很稳定，实盘时股票复牌直接跌停，因子瞬间失效。所以，停牌数据不要填充，直接保留NaN，在因子计算时用dropna跳过。

4.6 知识体系总览

下面这张图，是我梳理的本章核心逻辑。数据获取不是终点，而是起点。

这张图展示了从数据源到最终对齐的完整链路。每一步都有坑，但每一步也都有解法。记住：数据质量决定因子质量，因子质量决定策略上限。

---

公众号:蓝海资料掘金营，微信deep3321