2. 金融市场基础与数据源

量化因子研究的起点是理解交易品种与获取高质量数据。本章将系统梳理股票、期货、ETF 等常见标的的核心特征，解析 K 线、财务与另类数据的结构，并对比国内主流数据提供商（Wind、Tushare、AKShare）的适用场景。

2.1 常见交易品种

不同交易品种在交易规则、数据频率、因子逻辑上存在显著差异。下表列出三类核心品种的关键属性：

2.2 三类核心数据结构

2.2.1 K 线数据（高频/日频）

K 线是量化因子最基础的输入。标准 OHLCV 结构包含：

• 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）—— 当日最后一笔成交价（含集合竞价）
• Volume（成交量）—— 当日总成交股数/手数
• Amount（成交额）—— 当日总成交金额

分钟级 K 线用于高频因子（如分钟反转、成交量分布），日频 K 线用于传统截面因子（如动量、波动率）。

2.2.2 财务数据（季度/年度）

财务数据是基本面因子的核心原料。关键字段包括：

2.2.3 另类数据

另类数据是近年因子挖掘的热点方向，常见类型包括：

• 舆情数据：新闻情感、社交媒体热度、分析师研报标题
• 产业链数据：上游价格、中游开工率、下游出货量
• 高频微观数据：逐笔委托、Level-2 行情、订单簿不平衡
• 卫星/物流数据：停车场车流、集装箱吞吐量、航班轨迹

2.3 常见数据提供商对比

国内量化研究者主要依赖以下三类数据源。下表从数据范围、更新频率、成本、编程接口四个维度进行对比：

2.4 数据获取流程架构

下图展示从数据源到因子计算的标准数据管道：

2.5 数据获取代码示例

以下展示使用 AKShare 获取 A 股日频 K 线数据的典型代码：

import akshare as ak
import pandas as pd

# 获取平安银行（000001）日频 K 线
stock_zh_a_hist_df = ak.stock_zh_a_hist(
    symbol="000001",
    period="daily",
    start_date="20230101",
    end_date="20231231",
    adjust="qfq"  # 前复权
)

# 查看数据结构
print(stock_zh_a_hist_df.head())

# 输出列名
print(stock_zh_a_hist_df.columns.tolist())
# ['日期', '开盘', '收盘', '最高', '最低', '成交量', '成交额', '振幅', '涨跌幅', '涨跌额', '换手率']

2.6 数据质量检查清单

在因子计算前，务必完成以下数据质量检查：

1. 缺失值检查：检查 OHLCV 是否存在 NaN，尤其是停牌日与节假日
2. 复权处理：股票必须使用前复权或后复权数据，消除分红送股对价格序列的跳跃
3. 异常值检测：检查涨跌幅是否超过涨跌停板限制（A股主板 ±10%，科创板/创业板 ±20%）
4. 时间戳对齐：确保不同数据源的时间戳格式一致（推荐使用 datetime 类型）
5. 代码映射：统一股票代码格式（如 000001.SZ 与 000001 的转换）