A股量化策略数据源获取全指南：从免费API到专业数据供应商

共计 1364 个字符，预计需要花费 4 分钟才能阅读完成。

量化策略的成败，数据质量是关键。好的数据必须具备三个核心特性：完整性（避免缺失关键时间点）、准确性（字段值与真实交易一致）、时效性（实时行情延迟不超过 3 秒）。下面我们就从数据源选择到实战处理，一步步拆解 A 股数据获取的全流程。

一、三类数据源横向对比

1. 免费 API：适合验证策略雏形

• Tushare Pro：需 官网注册 获取 token，免费版限 500 次 / 日调用。特别注意：
• 获取日线需 pro.daily() 接口，但 2017 年前数据需付费

• 财务数据字段名与商业库存在差异（如 net_profit 对应 Wind 的NET_PROFIT）

• AKShare：无需注册，但请求频繁会触发 IP 封禁。推荐用以下方式获取实时数据：

import akshare as ak
from retrying import retry

@retry(stop_max_attempt_number=3, wait_random_min=1000, wait_random_max=5000)
def get_realtime_data(stock_code):
    return ak.stock_zh_a_spot(symbol=stock_code)

2. 券商接口：低延迟但门槛高

以 华泰 MATIC为例：

1. 开通两融账户并签署量化协议
2. 申请 Level2 行情权限（需验资 50 万以上）
3. 通过 websocket 接收逐笔成交数据，示例字段：

3. 商业数据库：专业但成本高

横向对比三大供应商：

二、Python 实战：从获取到清洗

1. 复权计算演示

import pandas as pd

# 假设 df_raw 包含原始日线（columns=['date','close','volume']）df = df_raw.merge(ak.stock_zh_a_daily(symbol='600519', adjust='hfq'),  # 获取后复权因子
    on='date', how='left'
)
# 计算复权价格
df['adj_close'] = df['close'] * df['hfq_factor'] / df['hfq_factor'].iloc[-1]

2. 时区处理关键点

A 股分钟数据需统一为 UTC+8：

df['time'] = pd.to_datetime(df['datetime']).dt.tz_localize('Asia/Shanghai')

三、新手避坑指南

• 限频问题 ：免费 API 建议添加time.sleep(random.uniform(0.1, 0.5)) 随机延迟
• 财务字段对齐 ：特别注意total_assets 在不同源可能指合并报表或母公司报表
• ST 股票处理：因子计算时应过滤df[df['name'].str.contains('ST')==False]

思考延伸

1. 数据验证模块可设计规则：
2. 检查当日涨跌幅超过 15% 的异常波动
3. 对比成交量与 20 日均值的偏离程度
4. ST 股票在因子回测时通常需要特殊处理，你会选择直接剔除还是单独标记？

最后提醒：商业数据源虽然强大，但新手建议先用免费数据跑通策略逻辑，等实盘时再考虑采购专业服务。