量化交易的分析基础是数据，包括股票历史交易数据、上市公司基本面数据、宏观和行业数据等。随着信息流量的日益膨胀，学会获取、查询和加工数据信息变得越来越重要。对于鼓捣量化交易的人来说，怎么能说不会玩数据库呢？目前常用的开源（免费）数据库有MySQL、Postgresql 、Mongodb 和 SQLite （Python自带），在2018-2019年DB-Engines 排行榜上位居前十（见下图），可见其使用量和受欢迎程度较高。这几个数据库各有自己的特点和适用环境，关于该学习哪一个或如何学习网上有很多相关资料。本文主要为大家简单介绍如何使用 Python 操作 mysql 数据库（其他数据库类似），利用 pandas 的 dataframe 实现与mysql的交互，一步步搭建自己的量化分析数据库。 mysql数据库安装 建立数据库tushare_db 这个我就不介绍了,网上很多教程,直接开始首先，使用 tushare 获取3000多只股票行情数据到本地，直接使用pandas的to_sql函数，将数据存入本地mysql数据库中，方便进一步查询和操作。#先引入需要用到的库 import tushare as ts import pandas as pd import numpy as np from sqlalchemy import create_engine #连接数据库 engine = create_engine('mysql+pymysql://root:123456@localhost/tushare_db') #设置token(大家去tushare上免费注册就可以获取了) #tushare的注册地址 token='自己的token' pro = (token)#数据获取函数，默认时间可以随时改动 #如果报错，把tushare升级到最新 def get_data(code,start='20200101',end='20200310'): #使用pro_bar通用行情接口 df=(ts_code=code, adj='qfq', start_date=start, end_date=end) return df #交易代码获取函数，获取最新交易日的代码 #获取当前交易日最新的股票代码和简称 def get_code(): codes = (list_status='L'). return codes def insert_sql(data,db_name,if_exists='append'): #使用try...except..continue避免出现错误，运行崩溃 try: da(db_name,engine,index=False,if_exists=if_exists) # print(code+'写入数据库成功') except: print(code+'error写入出错')我们总共建立了3个函数，第一个时获取行情数据，第二个时获取股票代码，第三个时插入数据库#下载20200101-20200310数据并插入数据库stock_data #此步骤比较耗费时间，大致30-35分钟左右 #调取说明：基础积分每分钟内最多调取500次，每次5000条数据。 for code in get_code(): data=get_data(code) # print(data) insert_sql(data,'stock_data') #更新2019年和以前的数据把上面的日期改下就行了。 #接下来查询下2020年3月10日的收盘数据 df2=("select * from stock_data where trade_date='20200310' ",engine) print(df2) #今天先讲到这里，下次讲解通过下载的数据如何可视化分析。欢迎大家关注
鲁达