数据获取——免费的金融数据源大全

⚡ 核心知识：数据获取全景图

1. 为什么数据如此重要？

在量化交易的世界里，有一句话被反复提及："Garbage in, garbage out"（垃圾进，垃圾出）。如果你的数据有错误、有缺失、有延迟，那么无论你的策略多么精妙，结果都可能是灾难性的。

数据质量问题的常见表现包括：价格跳空缺失（某些交易日没有数据）、复权错误（分红送股后价格没有正确调整）、时间戳混乱（不同数据源的时间格式不一致）、成交量异常（某天的成交量突然变成0或者巨大无比）。这些问题在回测中可能不明显，但一旦上实盘，就会让你付出真金白银的代价。

但好消息是，对于初学者来说，免费的金融数据已经足够支撑你学习和小规模研究。你不需要花几千块钱买Wind或者Bloomberg，先把手头能拿到的免费数据用好，才是正经事。

2. 免费数据源全景对比

下面的表格整理了目前最主流的免费金融数据源。你可以把它当成"数据采购指南"，根据自己的需求对号入座。

3. 数据获取流程：从需求到落地

很多人在获取数据时犯的第一个错误是：上来就写代码。正确的流程应该是"先规划，后执行"。下面是一个标准化的数据获取流程，你可以把它当成 checklist 来用。

第一步：明确数据需求。你需要回答几个问题：我要交易什么市场？需要日线还是分钟线？需要哪些字段（开盘价、收盘价、成交量等）？数据要回溯到什么时候？这些问题决定了你选哪个数据源。

第二步：选择数据源。如果你做A股，首选Tushare或AKShare；如果你做美股，Yahoo Finance是最简单的；如果你做加密货币，CCXT几乎覆盖了所有主流交易所。

第三步：获取API密钥。大部分免费数据源都需要注册账号并获取API Token。这一步通常只需要5分钟，但很多人会卡在这里——别怕，AI可以一步步教你。

第四步：下载数据。用Python调用API，把数据拉取到本地。这里要注意频率限制，不要一股脑发太多请求，否则会被封IP。

第五步：数据清洗。这是最容易被忽视但最关键的步骤。你需要处理缺失值、调整复权价格、统一时间格式、去除异常值。

第六步：质量检查。用简单的统计方法检查数据是否合理。比如，检查是否有某天的收盘价为0，或者成交量突然暴增100倍。

第七步：存储数据。清洗后的数据要保存到合适的位置。对于小规模数据，CSV就够了；对于大规模数据，建议使用Parquet或HDF5格式。

4. 数据质量：免费数据的"坑"与"避坑指南"

免费数据虽然香，但也有一些常见的坑。作为一个负责任的量化学习者，你必须知道这些坑在哪里，以及如何避开它们。

• 前复权 vs 后复权 vs 不复权：很多新手直接用"不复权"数据回测，结果遇到股票分红送股，价格突然跳空，策略信号就全乱了。正确的做法是使用"前复权"数据做回测，但要知道前复权会改变历史价格，所以不能用来计算真实盈亏。
• 停牌日的处理：有些数据源会省略停牌日的数据，有些会用前一天的价格填充。这两种做法都会影响策略表现，你需要明确知道自己用的数据源是怎么处理的。
• 新股上市初期的数据：新股上市第一天通常涨跌幅限制不同，成交量也异常大。很多策略在新股上的表现都会失真，建议在回测时排除上市不满一年的股票。
• 时间戳不一致：有些数据源用北京时间，有些用UTC；有些收盘时间是15:00，有些是15:05。如果你同时用多个数据源，时间戳不一致会导致严重的数据错位。

🤖 与AI一起练习

练习1：让AI帮你选择数据源

Prompt模板：

我想做A股量化交易，策略是双均线交叉，需要日线数据（OHLCV），
时间范围是2020年至今。请推荐3个免费数据源，并对比它们的：
1. 数据覆盖范围
2. 获取难度
3. 数据质量
4. 使用限制
请以表格形式输出。

练习2：让AI帮你写数据获取代码

Prompt模板：

请用Python写一段代码，使用AKShare获取贵州茅台（600519）
从2020年1月1日到今天的日线数据，要求：
1. 包含前复权价格
2. 保存为CSV文件
3. 处理可能的缺失值
4. 添加一列"涨跌幅"
请给出完整可运行的代码，并逐行解释。

练习3：让AI诊断数据质量问题

Prompt模板：

我下载了一份股票数据，怀疑其中有质量问题。
请写一个Python函数，自动检测以下问题：
1. 缺失的交易日
2. 收盘价为0或负数的情况
3. 成交量异常（单日成交量超过均值10倍）
4. 涨跌幅超过±20%的情况（非ST股票）
函数应该返回问题清单和对应的行号。

🔧 动手实践：编写你的第一个数据获取脚本

光说不练假把式。下面是一段完整的Python代码，展示了如何用yfinance获取美股数据、用AKShare获取A股数据，并进行基础的数据清洗和质量检查。

import pandas as pd
import akshare as ak
import yfinance as yf
from datetime import datetime, timedelta
import numpy as np

# ==========================================
# 第一部分：获取A股数据（使用AKShare）
# ==========================================

def get_a_stock_data(stock_code, start_date, end_date):
    """
    获取A股历史日线数据（前复权）
    stock_code: 如 "600519"（贵州茅台）
    """
    print(f"正在获取 {stock_code} 的数据...")
    
    # 使用AKShare获取数据
    df = ak.stock_zh_a_hist(
        symbol=stock_code,
        period="daily",
        start_date=start_date.replace("-", ""),
        end_date=end_date.replace("-", ""),
        adjust="qfq"  # qfq = 前复权
    )
    
    # 重命名列，统一格式
    df.columns = ['date', 'open', 'close', 'high', 'low', 'volume', 
                  'amount', 'amplitude', 'pct_change', 'change_amount', 'turnover']
    
    # 转换日期格式
    df['date'] = pd.to_datetime(df['date'])
    df.set_index('date', inplace=True)
    
    print(f"获取完成，共 {len(df)} 条记录")
    return df

# 获取贵州茅台2020年至今的数据
maotai = get_a_stock_data("600519", "2020-01-01", "2024-12-31")
print(maotai.head())

# ==========================================
# 第二部分：获取美股数据（使用yfinance）
# ==========================================

def get_us_stock_data(ticker, period="5y"):
    """
    获取美股历史数据
    ticker: 如 "AAPL", "TSLA", "SPY"
    """
    print(f"正在获取 {ticker} 的数据...")
    
    stock = yf.Ticker(ticker)
    df = stock.history(period=period)
    
    # yfinance返回的列名已经是标准格式
    # 只保留我们需要的列
    df = df[['Open', 'High', 'Low', 'Close', 'Volume']]
    df.columns = ['open', 'high', 'low', 'close', 'volume']
    
    print(f"获取完成，共 {len(df)} 条记录")
    return df

# 获取苹果公司5年数据
apple = get_us_stock_data("AAPL")
print(apple.head())

# ==========================================
# 第三部分：数据质量检查
# ==========================================

def check_data_quality(df, stock_name="Unknown"):
    """
    检查数据质量，返回问题报告
    """
    issues = []
    
    # 1. 检查缺失值
    missing = df.isnull().sum()
    if missing.any():
        issues.append(f"发现缺失值: \n{missing[missing > 0]}")
    
    # 2. 检查零值或负值的价格
    price_cols = ['open', 'high', 'low', 'close']
    for col in price_cols:
        if col in df.columns:
            invalid = df[df[col] <= 0]
            if len(invalid) > 0:
                issues.append(f"{col} 有 {len(invalid)} 条非正值记录")
    
    # 3. 检查成交量异常
    if 'volume' in df.columns:
        mean_vol = df['volume'].mean()
        extreme = df[df['volume'] > mean_vol * 10]
        if len(extreme) > 0:
            issues.append(f"发现 {len(extreme)} 条成交量异常记录（超过均值10倍）")
    
    # 4. 检查价格连续性（是否有跳空缺失）
    if len(df) > 1:
        # 计算相邻交易日的间隔
        if isinstance(df.index, pd.DatetimeIndex):
            gaps = df.index.to_series().diff().dt.days
            # A股通常间隔1-3天（周末+节假日）
            long_gaps = gaps[gaps > 5]
            if len(long_gaps) > 0:
                issues.append(f"发现 {len(long_gaps)} 个超过5天的数据缺口")
    
    # 5. 检查涨跌幅异常
    if 'close' in df.columns:
        daily_return = df['close'].pct_change()
        extreme_moves = daily_return[abs(daily_return) > 0.2]
        if len(extreme_moves) > 0:
            issues.append(f"发现 {len(extreme_moves)} 天涨跌幅超过20%")
    
    # 输出报告
    print(f"\n{'='*40}")
    print(f"数据质量报告: {stock_name}")
    print(f"{'='*40}")
    print(f"总记录数: {len(df)}")
    print(f"日期范围: {df.index[0]} 至 {df.index[-1]}")
    print(f"发现问题数: {len(issues)}")
    
    if issues:
        for i, issue in enumerate(issues, 1):
            print(f"\n问题 {i}: {issue}")
    else:
        print("\n数据质量良好，未发现明显问题！")
    
    return len(issues) == 0

# 运行质量检查
check_data_quality(maotai, "贵州茅台(600519)")
check_data_quality(apple, "苹果(AAPL)")

# ==========================================
# 第四部分：保存数据
# ==========================================

def save_data(df, filename):
    """保存数据到CSV"""
    df.to_csv(filename)
    print(f"\n数据已保存至: {filename}")

save_data(maotai, "maotai_daily.csv")
save_data(apple, "apple_daily.csv")

print("\n✅ 全部完成！你现在可以用这些数据来运行策略了。")

运行这段代码，你会得到两个CSV文件，分别包含贵州茅台和苹果公司的历史日线数据。更重要的是，你建立了一套"获取-检查-保存"的标准化流程，以后每获取一个新数据，都可以复用这套流程。

交互式数据获取模拟器

在下面这个模拟器中，你可以体验不同参数对数据获取结果的影响。虽然它不会真的去下载数据，但可以帮助你理解各个参数的含义。

🤔 思考题

🚀 下一章预告

数据已经到手，但你真的会用AI来帮你处理数据吗？下一章《AI Prompt工程——如何让AI听懂你的交易逻辑》，我们将彻底告别"AI听不懂我说话"的困境。

你将学会：如何写出高质量的Prompt，让AI一次就生成你需要的代码；如何避免"差Prompt生成bug代码，好Prompt生成完美代码"的尴尬；以及一套实用的"量化Prompt模板库"，以后每次写Prompt直接套模板就行。

如果你曾经对着AI输入"帮我写个量化策略"，然后看着它生成一堆不知所云的代码发呆——下一章就是为你准备的。