第2章金融数据获取

金融数据获取：用Tushare和Akshare搞定A股日线数据

做量化选股，第一步就是搞数据。没有数据，再牛的模型也是空中楼阁。

我个人习惯把数据获取比作「做饭前的买菜」。菜买不好，厨艺再高也白搭。今天咱们就聊聊怎么用Python把A股的日线数据拿到手，洗干净，存起来。

数据源的选择：Tushare vs Akshare

国内做量化，绕不开这两个库。我两个都用过，说说我的感受。

对比项	Tushare	Akshare
数据质量	高，经过校验	中等，部分数据需二次处理
获取门槛	需要注册，有积分限制	免费，无需注册
数据范围	全面，含财务、因子等	覆盖主流，更新快
稳定性	高，有付费保障	依赖源网站，偶尔波动
适合场景	正式回测、生产环境	快速原型、学习研究

我的建议是：学习阶段用Akshare，省心；正式项目用Tushare，靠谱。

实战：用Akshare获取日线数据

先来个最简单的。用Akshare拿贵州茅台的历史日线。

import akshare as ak
import pandas as pd

# 获取贵州茅台日线数据
df = ak.stock_zh_a_hist(symbol="600519", 
                        period="daily", 
                        start_date="20200101", 
                        end_date="20231231", 
                        adjust="qfq")

print(df.head())
print(df.info())

跑完你会发现，数据字段挺全的：开盘、收盘、最高、最低、成交量、成交额……

但注意，这里有个坑——日期列是字符串格式。我刚开始做回测时没注意，直接拿字符串去算时间差，结果全错了。

⚠️ 我曾经踩过的坑：

获取到的日期列是object类型，不是datetime。必须手动转换：

df['日期'] = pd.to_datetime(df['日期'])

否则后续的时间切片、滚动计算都会出问题。

数据清洗：脏数据比没数据更可怕

拿到原始数据后，别急着用。先做三件事：

检查缺失值——停牌日、节假日会导致数据缺失
检查异常值——比如某天涨幅超过100%，大概率是复权问题
检查重复值——同一个交易日出现两条数据

我一般这样处理：

# 1. 删除重复行
df = df.drop_duplicates(subset=['日期'])

# 2. 填充缺失值（前向填充）
df = df.fillna(method='ffill')

# 3. 过滤异常值
df = df[df['收盘'] > 0]  # 剔除价格为0或负数的数据

# 4. 重置索引
df = df.reset_index(drop=True)

💡 一个小技巧：

对于停牌日的数据，我习惯用前一天的收盘价填充。但如果你做的是高频策略，最好标记出来，别让模型以为市场在「平稳运行」。

数据存储：SQLite还是CSV？

这个问题我纠结过很久。直接说结论：

CSV：简单粗暴，适合小规模数据、快速验证
SQLite：结构化查询，适合多股票、多周期、需要频繁读取的场景

我个人推荐SQLite。为什么？你想想看，如果你要查「2023年所有涨幅超过5%的股票」，用CSV你得遍历所有文件，用SQLite一句SQL就搞定。

存到SQLite的代码：

import sqlite3

# 创建数据库连接
conn = sqlite3.connect('stock_data.db')

# 将DataFrame写入表
df.to_sql('daily_600519', conn, if_exists='replace', index=False)

# 验证
query_df = pd.read_sql("SELECT * FROM daily_600519 WHERE 日期 >= '2023-01-01'", conn)
print(query_df.head())

conn.close()

存成CSV更简单：

df.to_csv('600519_daily.csv', index=False, encoding='utf-8-sig')

📌 我的经验：

如果你只做一两只股票的分析，CSV完全够用。但如果你要管理全A股5000多只股票的历史数据，一定要用数据库。我曾经用CSV存了3000只股票的数据，结果一个文件夹里3000个文件，找数据找到崩溃。

知识体系总览

下面这张图，概括了本章的核心逻辑：

完整代码示例：一条龙搞定

最后，给你一个可以直接跑的完整脚本。把股票代码、起止时间改一下就能用。

import akshare as ak
import pandas as pd
import sqlite3
from datetime import datetime

def fetch_and_store(symbol, start_date, end_date, db_path='stock_data.db'):
    """
    获取股票日线数据并存入SQLite
    """
    print(f"正在获取 {symbol} 的数据...")
    
    # 1. 获取数据
    df = ak.stock_zh_a_hist(symbol=symbol, 
                            period="daily", 
                            start_date=start_date, 
                            end_date=end_date, 
                            adjust="qfq")
    
    # 2. 数据清洗
    df['日期'] = pd.to_datetime(df['日期'])
    df = df.drop_duplicates(subset=['日期'])
    df = df.sort_values('日期')
    df = df.reset_index(drop=True)
    
    # 3. 存储到SQLite
    conn = sqlite3.connect(db_path)
    table_name = f"daily_{symbol}"
    df.to_sql(table_name, conn, if_exists='replace', index=False)
    conn.close()
    
    print(f"✅ {symbol} 数据已存入 {db_path} 的 {table_name} 表")
    print(f"   共 {len(df)} 条记录，时间范围：{df['日期'].min()} ~ {df['日期'].max()}")
    
    return df

# 使用示例
if __name__ == "__main__":
    df = fetch_and_store("600519", "20200101", "20231231")
    print(df.head())

🔧 我的建议：

第一次跑的时候，先拿一只股票试试。确认数据没问题了，再批量获取。我曾经一次性跑了500只股票，结果发现复权参数设错了，全部重来……那叫一个酸爽。

好了，数据到手，清洗干净，存好地方。下一步就是怎么用这些数据构建选股模型了。不过那是后面章节的事，咱们先把基础打牢。