核心数据源与获取：Wind/聚宽/天软等数据源对比
做商品基本面量化，第一步就是搞定数据。我见过太多人，策略逻辑写得天花乱坠，结果数据源没选对，回测全是噪音。今天咱们就聊聊国内最常用的几个数据源——Wind、聚宽、天软，以及期货合约、库存、产量、进出口这些核心数据怎么拿。
一、三大数据源，我该怎么选？
说实话，没有完美的数据源。每个都有脾气，关键看你的场景。
| 数据源 | 优势 | 劣势 | 适合场景 |
|---|---|---|---|
| Wind | 数据最全，覆盖股票/期货/宏观/行业 | 贵，API限制多，本地化部署麻烦 | 机构研究、多资产配置 |
| 聚宽 | Python友好，回测框架成熟，社区活跃 | 期货数据深度不够，历史数据有限 | 个人量化、策略快速验证 |
| 天软 | 高频数据强，因子计算快，支持复杂SQL | 学习曲线陡，文档偏技术 | 高频交易、因子挖掘 |
我个人习惯是：Wind做数据底仓，聚宽做策略回测，天软做高频因子。但如果你刚入门，建议先玩透聚宽，成本低、上手快。
核心观点：数据源没有好坏，只有适不适合。你的策略频率、资金量、技术栈，决定了选哪个。
二、期货主力合约与连续合约
这里有个坑，我当年踩过。很多人直接拿主力合约做回测，结果发现换月那天净值跳空一大截。为什么？因为主力合约切换时，价格不连续。
主力合约：成交量最大的那个合约。每个月都会变，比如螺纹钢从RB2301切到RB2305。
连续合约：把不同月份的主力合约拼接起来，消除跳空。常见做法是「向后复权」或「向前复权」。
我建议：做趋势跟踪用连续合约，做套利用主力合约。趋势策略看的是价格方向，连续合约更干净；套利策略需要真实价差，主力合约更准确。
避坑指南：我曾经用Wind的连续合约做回测，发现收益率异常高。后来一查，它用的是「成交量加权」拼接，换月时产生了虚假利润。从那以后，我都是自己写拼接逻辑。
三、库存数据：基本面量化的核心
库存是商品供需的「温度计」。库存高，说明供过于求，价格承压；库存低，说明供不应求，价格有支撑。但库存数据分很多种，你得搞清楚。
- 显性库存：交易所公布的仓单数据，比如上期所的铜库存。透明、高频，但只反映交割库的情况。
- 隐性库存：贸易商、生产企业的库存。不公开，但更真实。我一般通过调研或第三方数据估算。
- 社会库存：显性+隐性的总和。Wind和天软都有，但更新频率低（周度或月度）。
举个例子，螺纹钢的库存数据，我通常看三个维度：厂库、社库、在途库存。厂库反映钢厂压力，社库反映贸易商情绪，在途库存反映短期到货节奏。三者结合，才能判断真实供需。
注意：库存数据有滞后性。交易所数据一般是T+1，社会库存可能是T+7。做高频策略时，别拿周度数据去预测分钟级行情，会出大问题。
四、产量数据：供给侧的硬指标
产量数据比库存更难拿。国内很多行业的数据是不透明的，比如铁矿石的国产矿产量，统计局每月才公布一次，而且经常修正。
我常用的几个渠道：
- 国家统计局：月度工业增加值、重点产品产量。权威，但慢。
- 行业协会：比如中国钢铁工业协会，每周公布粗钢产量。时效性好，但口径可能变。
- 第三方数据商：比如Mysteel、SMM，有高频的调研数据。我比较依赖这个，但要注意样本偏差。
产量数据怎么用？我一般做「产量同比」和「产能利用率」两个指标。产量同比反映供给增速，产能利用率反映行业景气度。比如，当产能利用率超过85%时，说明供给接近瓶颈，价格易涨难跌。
五、进出口数据：全球视角
进出口数据是连接国内和全球市场的桥梁。比如铜，中国是净进口国，LME的库存变化会直接影响国内价格。
数据来源：
- 海关总署：月度进出口数据，按HS编码分类。最权威，但滞后1-2个月。
- Wind/天软：有整理好的进出口数据库，可以直接拉。
- 路透/彭博：全球贸易数据，适合做跨品种套利。
我常用的一个技巧：用「进口利润」做择时。当进口利润为正时，说明国内价格高于国外，进口商有动力增加进口，未来供给会增加，价格可能回落。反之亦然。
实战经验：2022年做豆粕策略时，我发现进口利润和豆粕价格有很强的负相关。后来我把它作为一个因子加入模型，夏普比率从0.8提升到了1.3。嗯，这就是数据的力量。
六、数据获取实战：Python代码示例
说了这么多，咱们来点实际的。下面是我用聚宽API获取期货主力合约和库存数据的代码片段。
# 获取聚宽期货主力合约数据
from jqdatasdk import *
auth('你的账号', '密码')
# 获取螺纹钢主力合约连续行情
df = get_price('RB8888.XSGE', start_date='2023-01-01', end_date='2023-12-31', frequency='daily')
print(df.head())
# 获取上期所铜库存数据
# 聚宽没有直接库存API，需要从Wind或天软获取
# 这里用Wind示例
from WindPy import w
w.start()
# 获取铜显性库存（仓单）
inventory = w.edb("S0030001", "2023-01-01", "2023-12-31")
print(inventory.Data)
提示：聚宽的期货代码规则：主力合约用'8888'，指数合约用'9999'。比如螺纹钢主力是RB8888，指数是RB9999。别搞混了。
七、知识体系框架图
下面这张图，是我做商品基本面量化的数据体系。你可以把它当作一个「数据地图」，每次做策略前先看看，缺什么数据，从哪里拿。
这张图的核心逻辑是：数据源 -> 数据类别 -> 子类别 -> 策略应用。你每做一个策略，都可以沿着这个路径去检查，数据链路上有没有断点。
八、总结
数据获取是基本面量化的「地基」。地基不稳，楼盖得再高也得塌。我建议你从聚宽开始，把主力合约、库存、产量、进出口这几个数据先跑通，然后再去折腾Wind和天软。
记住一句话：数据质量 > 策略复杂度。一个简单的库存因子，配上干净的数据，往往比一个复杂的机器学习模型更赚钱。