有8个指数可以通过tushare获取，包括A股指数和一些国际指数。

今天把这个数据统一处理，以便后续统一调用。

有8个指数可以通过tushare获取，包括A股指数和一些国际指数。

if __name__ == '__main__':
    indexes = [
        '000300.SH',  # 沪深300
        '000905.SH',  # 中证500
        '399006.SZ',  # 创业板指数
        '000012.SH',  # 国债指数
        '000832.CSI',  # 中证转债指数
        'HSI',  # 香港恒生
        'N225',  # 日经225
        'GDAXI'  # 德国DAX指数
    ]
    from config import DATA_DIR_QUOTES
    for s in indexes:
        df = get_index_quotes(s, '20050101')
        print(df)
        df.to_csv(DATA_DIR_QUOTES.joinpath('{}.csv'.format(s)), index=False)

另外四支，通过yfiance获取。

if __name__ == '__main__':
    for s in [
        'CL', # 原油
        'TNX', # 美十年期国债
        'GOLD', # 黄金
        '^NDX', #纳指100
    ]:
        df = get_quotes(s)
        print(df)
        df.to_csv(DATA_DIR_QUOTES.joinpath('{}.csv'.format(s)), index=False)

与原研报相比，我加了一个“创业板指数“——个人认为小市值还是比较重要的。

if __name__ == '__main__':
    for s in [
        'CL', # 原油
        'TNX', # 美十年期国债
        'GOLD', # 黄金
        '^NDX', #纳指100
    ]:
        df = get_quotes(s)
        print(df)
        df.to_csv(DATA_DIR_QUOTES.joinpath('{}.csv'.format(s)), index=False)

一共12支，历史以来所有日线：

下载好的数据，格式也已经统一整理好，在星球发布了：

这就是研报的benchark，在quantlab框架下复现还是比较容易的。

下一步要引入机器学习来排序。

理论与实验

如同物理学分为理论物理和实验物理。

数学也分理论数学与应用数据。

理论与工程总是交替进行，理论的突然，需要数十上百年，可能需要天才的灵光乍现和临门一脚。

——比如相对论、质能方程、麦克斯韦方程组、图灵机。

工程上的改进，往往让理论落地，并生产实际价值，且最终受益。

比如做实验的爱迪生、造计算机的埃里克，电话、电报…，原子弹…

理论到实战还有非常远之距离，比如爱因斯坦本人就认为原子弹造不出来。

当前的大模型，AIGC或者说AGI之路，没有很强的理论支撑，都是工程上的改进。

——普通人似乎有机会做点啥。

爱迪生与特斯拉

《特斯拉传》和《爱迪生传》确实应该放到一起读。

近几年，随着埃隆.马斯克把他的电动车命名为特斯拉，尼古拉.特斯拉，这个天才发明家，作为一个悲情英雄登上历史舞台。

1912年，特斯拉和爱迪生都被授予诺贝尔物理学奖，但都拒绝此奖，理由是无法忍受和对方一起分享这一荣誉！

真相如何，我们已经无从得知。

我们更关心，我们能学到点什么？

几个关键的信息，特斯拉放弃了交流电的专利权，其实拿到手里，用或不用与直接放弃，有天壤之别——就像金庸可以把版权1块钱出售。

尼古拉要支持自己那么多超前的想法，没有雄厚的资金是不现实的。

尼古拉的想法过于超前，而爱迪生的发明更加务实和解决实际问题。包括特斯拉做了无线电的实验，但波波夫和马可尼则是直接把它变得实用，并应用于生活场景之中。

对于我们普通人的启示——针对应用场景去改进。而不是天马行空，一则没有特斯拉这样的天份和才华，二来，这样的生活，也许也不是你想要的。