第二章 金融知识库入门：定义、价值与数据源

大家好，我是你们的老朋友。今天咱们聊聊金融知识库——这个听起来有点高大上，但实际做起来特别接地气的东西。

我刚开始做量化那会儿，其实没太把知识库当回事。觉得不就是存数据嘛，搞个数据库不就完了？后来踩了不少坑才明白——知识库不是简单的数据堆砌，它是你整个量化体系的「地基」。地基不稳，上面盖多高的楼都白搭。

2.1 金融知识库的定义与作用

金融知识库，说白了就是一套结构化的金融数据存储体系。它把股票、期货、期权、宏观经济等各类数据，按照统一的标准整理好，方便你随时调用和分析。

它的核心作用有三个：

• 数据标准化：不同来源的数据，格式千奇百怪。知识库帮你统一口径，比如日期格式、复权方式、字段命名等。
• 历史回溯：量化策略需要回测，没有干净的历史数据，回测就是自欺欺人。
• 实时接入：实盘交易时，数据必须快、准、稳。知识库就是你的数据中台。

2.2 知识库在量化投资中的价值

量化投资的核心是什么？是「用数据说话」。没有知识库，你连说话的材料都没有。

我个人习惯把知识库的价值分成四个层次：

1. 策略研发层：回测需要历史数据，因子挖掘需要特征数据。没有知识库，这些事根本做不了。
2. 风险控制层：实时监控持仓风险，需要知识库提供最新的行情和财务数据。
3. 执行优化层：算法交易需要历史订单簿数据来训练模型，降低冲击成本。
4. 复盘迭代层：策略跑完了，得复盘吧？知识库帮你记录每一次交易的细节，方便后续优化。

我记得有一次，团队开发了一个高频策略，回测效果特别好。结果实盘第一天就亏了——后来发现是知识库里的tick数据精度不够，导致回测和实盘对不上。嗯，从那以后，我对数据质量的要求就变得特别苛刻。

2.3 常见金融数据源介绍

金融数据源五花八门，但常用的其实就那几类。我按品种给大家捋一捋。

2.3.1 股票数据

股票数据是量化最基础的数据源。主要包括：

• 行情数据：日线、分钟线、tick数据。日线最常用，分钟线做日内策略，tick数据做高频。
• 财务数据：营收、净利润、资产负债率等。做基本面因子必备。
• 事件数据：分红、送转、停复牌、公告等。这些数据容易被人忽略，但影响很大。

我曾经踩过一个坑：用某数据商的财务数据做因子，结果发现它的「净利润」字段在年报和季报之间口径不一致。后来我不得不自己写了一套清洗逻辑，才把数据对齐。

2.3.2 期货数据

期货数据和股票不太一样。它有合约到期的问题，所以数据处理的复杂度更高。

• 主力合约数据：流动性最好的合约，适合做趋势跟踪策略。
• 连续合约数据：把不同合约拼接起来，方便做长期回测。拼接方法有换月价差调整、持仓量加权等。
• 持仓数据：交易所公布的持仓排名，可以用来分析主力动向。

2.3.3 期权数据

期权数据更复杂，因为它涉及多个维度：行权价、到期日、看涨/看跌、隐含波动率等。

• 行情数据：每个合约的实时价格、成交量、持仓量。
• 隐含波动率：通过期权价格反推出来的波动率，是期权定价的核心指标。
• 希腊字母：Delta、Gamma、Vega、Theta等，用来衡量期权风险。

做期权策略的朋友，我建议一定要把隐含波动率的历史数据存好。这东西对策略的影响太大了。

2.3.4 宏观经济数据

宏观经济数据是「大环境」的晴雨表。虽然它不像行情数据那么高频，但影响深远。

数据类别	常见指标	发布频率	数据来源
GDP	国内生产总值	季度	国家统计局
CPI	居民消费价格指数	月度	国家统计局
PMI	采购经理人指数	月度	国家统计局
利率	LPR、MLF利率	不定期	中国人民银行
货币供应量	M1、M2	月度	中国人民银行

我个人习惯把宏观经济数据做成一个单独的模块，和行情数据分开存储。因为它的更新频率低，但每次更新都可能引发市场的大幅波动。

2.4 知识体系框架图

下面这张图，是我自己整理的知识库体系框架。你想想看，从数据源到最终策略，中间要经过多少层处理？

这张图展示了从数据源到最终应用的完整链路。每一层都有它的坑，后面我会慢慢跟大家细讲。

2.5 数据源的选择与注意事项

选数据源这件事，我建议你考虑三个维度：

• 数据质量：有没有缺失？有没有错误？更新是否及时？
• 数据覆盖：历史数据够不够长？品种够不够全？
• 成本：免费的数据往往质量堪忧，付费的数据又贵得离谱。怎么平衡？

我个人习惯是：核心数据（比如日线行情）用付费的，辅助数据（比如新闻舆情）用免费的。这样既保证了质量，又控制了成本。

好了，这一章的内容就到这里。金融知识库是量化投资的基石，打好这个基础，后面的路会顺很多。