2.1 数据获取¶

这一节讲什么？

数据是量化交易的原材料。这一节介绍从哪里获取金融数据（yfinance、adata、akshare），以及如何正确读取和初步处理它们。数据质量直接决定策略质量。

学习目标¶

• 使用 yfinance 获取美股/全球数据
• 使用 adata / AKShare 获取 A 股数据
• 获取宏观经济数据（利率、10年期美债等）
• 了解数据字段含义（OHLCV）
• 将数据保存为 CSV 供后续使用

In [1]:

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import yfinance as yf
from pathlib import Path

# 数据存储路径
DATA_DIR = Path('../datasets')
DATA_DIR.mkdir(exist_ok=True)
print('准备就绪 ✅')

import pandas as pd import numpy as np import matplotlib.pyplot as plt import yfinance as yf from pathlib import Path # 数据存储路径 DATA_DIR = Path('../datasets') DATA_DIR.mkdir(exist_ok=True) print('准备就绪 ✅')

准备就绪 ✅

In [2]:

import matplotlib.pyplot as plt

# 1. 设置系统自带的中文字体（这里使用黑体 SimHei）
plt.rcParams['font.sans-serif'] = ['SimHei']  # 如果你想用微软雅黑，可以改成 ['Microsoft YaHei']

# 2. 解决更换字体后，负号（-）显示为方块的问题
plt.rcParams['axes.unicode_minus'] = False

import matplotlib.pyplot as plt # 1. 设置系统自带的中文字体（这里使用黑体 SimHei） plt.rcParams['font.sans-serif'] = ['SimHei'] # 如果你想用微软雅黑，可以改成 ['Microsoft YaHei'] # 2. 解决更换字体后，负号（-）显示为方块的问题 plt.rcParams['axes.unicode_minus'] = False

1. yfinance — 美股数据¶

In [3]:

# ===== 单只股票 =====
ticker = yf.Ticker('AAPL')

# 日线历史数据
hist = ticker.history(start='2020-01-01', end='2024-01-01')
print('AAPL 历史数据字段:', hist.columns.tolist())
print(f'数据量: {len(hist)} 行')
hist.tail(3)

# ===== 单只股票 ===== ticker = yf.Ticker('AAPL') # 日线历史数据 hist = ticker.history(start='2020-01-01', end='2024-01-01') print('AAPL 历史数据字段:', hist.columns.tolist()) print(f'数据量: {len(hist)} 行') hist.tail(3)

AAPL 历史数据字段: ['Open', 'High', 'Low', 'Close', 'Volume', 'Dividends', 'Stock Splits']
数据量: 1006 行

Out[3]:

	Open	High	Low	Close	Volume	Dividends	Stock Splits
Date
2023-12-27 00:00:00-05:00	190.510890	191.510500	189.125276	191.164093	48087700	0.0	0.0
2023-12-28 00:00:00-05:00	192.143900	192.658558	191.183873	191.589661	34049900	0.0	0.0
2023-12-29 00:00:00-05:00	191.906385	192.401245	189.758698	190.550476	42672100	0.0	0.0

In [4]:

# ===== 字段说明 =====
field_desc = {
    'Open':  '开盘价 — 当日第一笔成交价',
    'High':  '最高价 — 当日最高成交价',
    'Low':   '最低价 — 当日最低成交价',
    'Close': '收盘价 — 当日最后成交价（原始）',
    'Volume':'成交量 — 当日总成交股数',
    'Dividends': '分红 — 当日每股分红金额',
    'Stock Splits': '股票拆分倍数（2=一股变两股）'
}
for k, v in field_desc.items():
    if k in hist.columns:
        print(f'  {k:<15}: {v}')

# ===== 字段说明 ===== field_desc = { 'Open': '开盘价 — 当日第一笔成交价', 'High': '最高价 — 当日最高成交价', 'Low': '最低价 — 当日最低成交价', 'Close': '收盘价 — 当日最后成交价（原始）', 'Volume':'成交量 — 当日总成交股数', 'Dividends': '分红 — 当日每股分红金额', 'Stock Splits': '股票拆分倍数（2=一股变两股）' } for k, v in field_desc.items(): if k in hist.columns: print(f' {k:<15}: {v}')

  Open           : 开盘价 — 当日第一笔成交价
  High           : 最高价 — 当日最高成交价
  Low            : 最低价 — 当日最低成交价
  Close          : 收盘价 — 当日最后成交价（原始）
  Volume         : 成交量 — 当日总成交股数
  Dividends      : 分红 — 当日每股分红金额
  Stock Splits   : 股票拆分倍数（2=一股变两股）

In [5]:

# ===== 多只股票批量下载 =====
tickers = ['AAPL', 'MSFT', 'GOOGL', 'AMZN', 'SPY']
prices = yf.download(tickers, start='2020-01-01', end='2024-01-01', 
                     progress=False)['Close']

# 标准化为基准100（便于比较）
normalized = prices / prices.iloc[0] * 100

fig, ax = plt.subplots(figsize=(12, 5))
for col in normalized.columns:
    ax.plot(normalized.index, normalized[col], label=col, linewidth=1.3)
ax.axhline(100, color='gray', linestyle='--', alpha=0.5)
ax.set_title('科技股 vs SPY 标准化收益对比 (基准=100)', fontsize=13)
ax.set_ylabel('标准化价格')
ax.legend()
ax.grid(alpha=0.3)
plt.tight_layout()
plt.show()

# 保存到 datasets
prices.to_csv(DATA_DIR / 'sp500_sample.csv')
print(f'已保存至 {DATA_DIR / "sp500_sample.csv"}')

# ===== 多只股票批量下载 ===== tickers = ['AAPL', 'MSFT', 'GOOGL', 'AMZN', 'SPY'] prices = yf.download(tickers, start='2020-01-01', end='2024-01-01', progress=False)['Close'] # 标准化为基准100（便于比较） normalized = prices / prices.iloc[0] * 100 fig, ax = plt.subplots(figsize=(12, 5)) for col in normalized.columns: ax.plot(normalized.index, normalized[col], label=col, linewidth=1.3) ax.axhline(100, color='gray', linestyle='--', alpha=0.5) ax.set_title('科技股 vs SPY 标准化收益对比 (基准=100)', fontsize=13) ax.set_ylabel('标准化价格') ax.legend() ax.grid(alpha=0.3) plt.tight_layout() plt.show() # 保存到 datasets prices.to_csv(DATA_DIR / 'sp500_sample.csv') print(f'已保存至 {DATA_DIR / "sp500_sample.csv"}')

已保存至 ..\datasets\sp500_sample.csv

2. A 股数据获取方案¶

对于 A 股，我们推荐两个优秀的数据源：

1. adata：免费开源，专注 A 股，采用多数据源融合，接口设计非常人性化。
2. AKShare：功能极其强大，涵盖了几乎所有公开的金融数据。

2.1 使用 adata 获取行情¶

In [6]:

try:
    import adata

    # 1. 获取所有股票代码简表
    all_stocks = adata.stock.info.all_code()
    print(f'当前 A 股共有 {len(all_stocks)} 只股票/指数')
    
    # 2. 获取单只股票行情（以贵州茅台为例）
    # k_type: 1.日；2.周；3.月
    # adjust: 0.不复权；1.前复权；2.后复权
    mt_df = adata.stock.market.get_market(stock_code='600519', start_date='2022-01-01', k_type=1, adjust=1)
    
    print('adata 茅台数据样例:')
    mt_df['trade_date'] = pd.to_datetime(mt_df['trade_date'])
    mt_df.set_index('trade_date', inplace=True)
    
    # 保存
    mt_df[['open', 'high', 'low', 'close', 'volume']].to_csv(DATA_DIR / 'adata_mt.csv')
    print(f'已保存 {len(mt_df)} 条数据至 adata_mt.csv')
    mt_df.head()

except ImportError:
    print('⚠️  adata 未安装，请运行: pip install adata')
except Exception as e:
    print(f'获取数据出错: {e}')

try: import adata # 1. 获取所有股票代码简表 all_stocks = adata.stock.info.all_code() print(f'当前 A 股共有 {len(all_stocks)} 只股票/指数') # 2. 获取单只股票行情（以贵州茅台为例） # k_type: 1.日；2.周；3.月 # adjust: 0.不复权；1.前复权；2.后复权 mt_df = adata.stock.market.get_market(stock_code='600519', start_date='2022-01-01', k_type=1, adjust=1) print('adata 茅台数据样例:') mt_df['trade_date'] = pd.to_datetime(mt_df['trade_date']) mt_df.set_index('trade_date', inplace=True) # 保存 mt_df[['open', 'high', 'low', 'close', 'volume']].to_csv(DATA_DIR / 'adata_mt.csv') print(f'已保存 {len(mt_df)} 条数据至 adata_mt.csv') mt_df.head() except ImportError: print('⚠️ adata 未安装，请运行: pip install adata') except Exception as e: print(f'获取数据出错: {e}')

⚠️  adata 未安装，请运行: pip install adata

2.2 使用 AKShare (可选备选)¶

In [7]:

try:
    import akshare as ak

    # 获取贵州茅台（600519）日线数据
    mao_tai = ak.stock_zh_a_hist(
        symbol='600519',
        period='daily',
        start_date='20220101',
        end_date='20240101',
        adjust='qfq'  # 前复权
    )
    mao_tai = mao_tai.rename(columns={
        '日期': 'Date', '开盘': 'Open', '最高': 'High',
        '最低': 'Low', '收盘': 'Close', '成交量': 'Volume'
    })
    mao_tai['Date'] = pd.to_datetime(mao_tai['Date'])
    mao_tai = mao_tai.set_index('Date')

    # 保存
    mao_tai[['Open', 'High', 'Low', 'Close', 'Volume']].to_csv(DATA_DIR / 'stock_daily.csv')
    print(f'已保存 {len(mao_tai)} 条 AKShare 数据')
    mao_tai.tail(3)

except ImportError:
    print('⚠️  akshare 未安装')
except Exception as e:
    print(f'AKShare 获取失败: {e}')

try: import akshare as ak # 获取贵州茅台（600519）日线数据 mao_tai = ak.stock_zh_a_hist( symbol='600519', period='daily', start_date='20220101', end_date='20240101', adjust='qfq' # 前复权 ) mao_tai = mao_tai.rename(columns={ '日期': 'Date', '开盘': 'Open', '最高': 'High', '最低': 'Low', '收盘': 'Close', '成交量': 'Volume' }) mao_tai['Date'] = pd.to_datetime(mao_tai['Date']) mao_tai = mao_tai.set_index('Date') # 保存 mao_tai[['Open', 'High', 'Low', 'Close', 'Volume']].to_csv(DATA_DIR / 'stock_daily.csv') print(f'已保存 {len(mao_tai)} 条 AKShare 数据') mao_tai.tail(3) except ImportError: print('⚠️ akshare 未安装') except Exception as e: print(f'AKShare 获取失败: {e}')

⚠️  akshare 未安装

3. 宏观数据 — 市场的“背景板”¶

为什么量化也得看宏观？

QuantEcon 强调经济环境对金融资产的底层约束。例如，当 10 年期美债收益率 飙升时，科技股往往会承压，因为资金的折现成本变高了。

我们可以运行如下代码（使用 yfinance）获取关键宏观代理指标：

• ^TNX: CBOE 10 Year Treasury Note Yield（10年期美债收益率）
• ^VIX: CBOE Volatility Index（恐慌指数）
• GC=F: Gold Futures（黄金期货，反映避险情绪）

In [8]:

# 获取 10 年期美债收益率和 VIX 数据
macro_data = yf.download(['^TNX', '^VIX'], start='2020-01-01', end='2024-01-01', progress=False)['Close']

fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(12, 8), sharex=True)

ax1.plot(macro_data.index, macro_data['^TNX'], color='darkblue', label='10 Year Treasury Yield (%)')
ax1.set_title("无风险利率走势 (10Y Yield)")
ax1.legend()
ax1.grid(alpha=0.3)

ax2.plot(macro_data.index, macro_data['^VIX'], color='darkred', label='VIX (Market Fear)')
ax2.set_title("市场恐慌程度 (VIX)")
ax2.legend()
ax2.grid(alpha=0.3)

plt.tight_layout()
plt.show()

print("宏观数据获取成功！这些数据通常作为因子的环境‘过滤器’使用。")

# 获取 10 年期美债收益率和 VIX 数据 macro_data = yf.download(['^TNX', '^VIX'], start='2020-01-01', end='2024-01-01', progress=False)['Close'] fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(12, 8), sharex=True) ax1.plot(macro_data.index, macro_data['^TNX'], color='darkblue', label='10 Year Treasury Yield (%)') ax1.set_title("无风险利率走势 (10Y Yield)") ax1.legend() ax1.grid(alpha=0.3) ax2.plot(macro_data.index, macro_data['^VIX'], color='darkred', label='VIX (Market Fear)') ax2.set_title("市场恐慌程度 (VIX)") ax2.legend() ax2.grid(alpha=0.3) plt.tight_layout() plt.show() print("宏观数据获取成功！这些数据通常作为因子的环境‘过滤器’使用。")

宏观数据获取成功！这些数据通常作为因子的环境‘过滤器’使用。

🎯 练习¶

1. 下载你感兴趣的 5 只股票，绘制标准化收益对比图。
2. 使用 adata 或者 yfinance 获取单只股票数据并保存为 CSV。
3. 获取黄金期货（GC=F）数据，观察它在 2020 年市场大恐慌期间的表现。

---

下一节 → 02_data_cleaning.ipynb

In [ ]: