量化实战入门（25）从哪里获取量化数据

从哪里获取量化数据

在本节我们将介绍量化数据获取的一些途径，以及获取数据的一些建议。量化数据有免费的也有收费的，下面分别做介绍。但其实很多数据源并不是纯粹免费或收费，所以下面免费和收费的划分并不严谨，具体使用以官网为准。
01

免费数据源

1. 线上量化平台
   关于量化平台的介绍见《线上量化平台简介》。量化平台提供了丰富的金融数据，其中有很多是免费的（也有收费的），如果你使用量化平台进行研究和回测，可以直接调用平台的数据接口获取数据，简单快捷。即便不使用量化平台工作，很多量化平台的数据也支持导出。
2. 通达信、同花顺等股票软件
   通达信和同花顺都是常用的股票分析软件，拥有丰富的数据，进入软件的数据中心，选择要下载的数据类型、时间段、周期等参数，点击“下载”或“导出”，即可获取相关的数据文件。
3. 从公开的网站获取
   新浪财经（finance.sina.com.cn）、网易财经（money.163.com）、东方财富网（www.eastmoney.com）、腾讯财经频道（finance.qq.com）等网站提供了提供了丰富的金融数据，集思录（www.jisilu.cn）、宁稳网（www.ninwin.cn）等网站上有可转债的各项数据。这些数据可以通过网页端手动下载，也可以通过编写爬虫程序来抓取。
4. 免费的开源数据
   例如AKShare（www.akshare.xyz）就是一个免费开源的财经数据接口库，提供了大量的数据接口。AKShare所采集的数据皆来自公开的数据源，本质上是使用爬虫从公开网站抓取数据。使用AKShare的好处是：1）不需要编写爬虫程序，只需简单调用AKShare的数据接口就能获取数据；2）AKShare收集整理了种类繁多的各种数据，不需要自己到处去找数据源；3）使用AKShare的数据接口编写好程序后，以后定期运行程序就能获取数据，比每次都要手工下载方便快捷得多。
5. Tushare（https://tushare.pro/）
   Tushare其实算是介于免费与收费之间。Tushare提供丰富的金融数据，他的数据并不是直接从互联网抓取，而是通过社区的采集和整理，经过质量控制后再提供给用户，因此数据质量相对比较好。在Tushare获取数据需要有积分，积分可以通过免费的方式（比如推荐注册、贡献代码、发表文章等）来获取，也可以通过赞助的方式获得，目前一年赞助200元可以获得2000积分，可以访问60%以上的数据，相比其他收费的数据源是相当划算的了。
   02

收费数据源

1. JQData（www.joinquant.com）
   JQData是聚宽数据团队提供的本地量化金融数据服务，在本地python环境内使用，聚宽团队对数据进行了清洗及整理。JQData包括2005年至今的基础数据、因子数据与其它特色数据等。
2. Wind万德资讯（www.wind.com.cn）
   Wind资讯提供全面的金融市场数据，数据库全面涵盖A股、B股、期货、债券、基金、新三板、港股、资产管理、理财、宏观行业、公告信息等。
3. Choice数据（choice.eastmoney.com）
   Choice是东方财富网旗下的数据库，覆盖沪深上市公司、基金、新三 板、宏观、行业、理财、债券、期货、期权、美股、港股等金融品种，提供基础信息、公告、财务数据 等金融数据。
4. 恒有数金融数据（udata.hs.net）
   恒有数是恒生电子旗下的金融数据平台，目前提供的服务和功能主要包含开放金融数据和金融数据可视化，数据涵盖A股、基金、债券、期权期货、港股等品种以及量化因子数据。
   03

数据源选择的建议

1. 对初学者而言，学习阶段用免费数据已经足够了，比如使用AKShare基本就能满足学习的需要。但免费数据有时不太稳定，因此在实盘阶段可以考虑使用收费的数据源。初购买数据时可以先选择一个性价比高的，比如Tushare就能满足大部分的数据需要，价格也比较便宜。数据用到时再购买，不要买来用不到浪费钱。
2. 收费的数据通常而言种类更齐全，质量更有保障，而且除了通用数据外，往往还有一些特色数据，比如高频的数据、反映市场情绪的数据、新闻文本数据等等，用这些特色数据构造的策略有可能有额外的收益。但收费数据的成本各不相同，有的数据成本比较高，各人根据各自需要和经济能力酌情购买。
3. 有时单个数据源不能提供全部所需数据，有时还会有数据缺失、错误的情况，因此有条件的可以从多个数据源获取数据，重要数据经过多个来源的比对校验。
   在本文中，我们介绍了一些量化投资数据的获取渠道，数据获取渠道很多，本文只是介绍了其中常见的一部分。巧妇难为无米之炊，获取高质量、准确和详尽的数据是进行有效量化分析和构建成功投资策略的关键。然而，数据只是原材料，真正的价值在于我们如何解读和应用这些数据。