6.9 新手最推荐的数据获取与存储方式
课前导读
本节目标
你将学会：用合法、可追溯、可备份的方式获取和保存 A 股研究数据。
适合谁：刚知道量化需要数据，但还不清楚数据从哪里来、怎么存、怎么避免混乱的新手。
难度：入门。
预计用时：约 35 分钟。
知识正文
数据就像做菜的食材。
同样一道菜，食材来源不清、保存时间不明、标签贴错，厨师再厉害也很难做出稳定味道。
量化研究也是这样。
如果你的数据来源不清，今天用的是复权价，明天用的是未复权价，后天又混入手工改过的表格，最后得出的结论就很危险。
新手常以为“数据越多越好”。
但真正重要的是：数据是否合法、含义是否清楚、版本是否可追溯、文件是否能找回来。
本节不教复杂数据接口，也不教数据库操作。
我们只建立第 7 章之前最需要的概念和习惯。
关键提醒
数据管理的第一原则不是“快”，而是“可信、可追溯、可恢复”。
先说数据从哪里来。
第一类来源是官方公告。
A 股上市公司的重大事项、业绩预告、分红方案、减持计划等，都应以正式公告为准。
常见官方渠道包括交易所网站、巨潮资讯网、上市公司公告页面以及券商软件中的公告入口。
你不需要记住所有网站。
你只要记住：涉及公司基本面和重大事件时，优先找正式公告，不听群聊传闻。
第二类来源是行情软件导出。
很多券商软件或常用行情软件可以查看历史 K 线、成交量、涨跌幅等信息。
有些软件支持导出表格。
新手可以先用导出或手工记录的方式练习。
这比一开始研究复杂接口更稳。
第三类来源是合法数据服务。
市场上有一些正规数据平台提供行情、财务和公告数据。
不同平台的授权范围、更新频率、字段定义可能不同。
使用前要看清规则，不要把不允许外传或商用的数据随便分享。
第四类来源是你自己的记录。
交易日志、观察池、纸面验证样本、复盘结论，都是非常宝贵的数据。
这些数据不一定来自市场软件，但它们反映了你的决策过程。
很多新手只保存行情，却不保存自己当时为什么判断。
这样复盘时就只能看结果，无法改进过程。
风险警告
不要为了省事使用来源不明的数据包，也不要把未经授权的数据复制传播。数据合法性和可追溯性，是量化学习的底线。
再说数据怎么存。
新手阶段最常见的三种形态，是 CSV、表格和数据库。
CSV 可以理解成“用逗号隔开的纯文本表格”。
它轻便、通用，很多软件都能打开。
缺点是格式看起来朴素，日期、数字和中文备注有时会因为软件设置不同而显示异常。
表格文件可以理解成“带格式的账本”。
它适合人工查看、筛选、加备注、做简单统计。
缺点是多人同时修改或版本很多时，容易混乱。
数据库可以理解成“有管理员的大仓库”。
它适合保存大量结构化数据，方便按条件查询。
但它需要额外学习，暂时不是第 6 章新手必须掌握的操作。
先知道概念就够了。
用一张表总结。
| 存储形态 | 像什么 | 优点 | 新手注意点 |
|---|---|---|---|
| CSV | 简单清单 | 通用、轻便、便于以后处理 | 保存字段说明，别随意改列名 |
| 表格 | 可视账本 | 容易查看、备注方便 | 注意版本，不要多人乱改 |
| 数据库 | 分类仓库 | 适合大量数据和查询 | 第 7 章之后再逐步接触 |
数据管理可以按这个流程进行。
flowchart TD
A["确认合法来源"] --> B["保存原始文件"]
B --> C["记录字段含义"]
C --> D["建立版本名称"]
D --> E["制作练习副本"]
E --> F["定期备份"]
F --> G["复盘时追溯来源"]为什么要保存原始文件？
因为你后面可能会筛选、排序、删列、加备注。
这些操作都可能改变数据。
如果没有原始文件，发现错误时就很难回到起点。
建议把“原始数据”和“练习加工数据”分开放。
例如一个文件夹叫“原始导出”。
另一个文件夹叫“练习样本”。
原始导出尽量不修改。
需要操作时复制一份再改。
为什么要记录字段含义？
因为同样叫“成交量”，不同软件可能显示单位不同。
有的按股，有的按手。
同样叫“涨跌幅”，你要知道它是相对昨日收盘价，还是你自己计算的区间涨跌。
字段不清楚，后面的统计就会歪。
为什么要记录版本？
因为研究会不断调整。
今天你只记录收盘价，明天又加了成交量，后天又加了公告备注。
如果所有文件都叫“策略样本.xlsx”，你很快分不清哪个是最新版。
一个简单命名方式是：日期 + 策略名 + 数据范围 + 版本。
例如：“2026-05-突破观察-沪深主板样本-v01”。
这不是唯一标准。
但命名必须让未来的你看得懂。
为什么要备份？
因为新手最容易把精力花在找股票，却忽略保存自己的学习成果。
一张 50 条样本的手工表，可能花了你几小时。
如果电脑故障或误删，会非常可惜。
至少保留两份：本地一份，另一个安全位置一份。
不要把备份和原文件放在同一个容易丢失的位置。
再看一个 A 股案例。
你准备研究“业绩预告发布后，股价接下来几天的表现”。
合法来源应该从公告开始。
你先记录公告发布日期、公告类型、公司名称、股票代码。
再从行情软件记录公告前后若干交易日的收盘价和成交量。
然后在表格中写备注：公告是预增、预减、扭亏，还是其他类型。
注意，你不是从微信群截图判断业绩。
你也不是只挑上涨案例。
你要把符合规则的样本都记录下来。
如果某只股票期间停牌或涨跌停，也要备注。
这就是数据管理对研究的保护。
它让你知道结论来自哪里，也让别人能检查你的过程。
从老师角度看，数据记录训练的是严谨。
从投资者角度看，数据来源能减少被传闻带节奏。
从量化开发角度看，整洁数据是未来自动化的基础。
第 7 章开始学习 Python 后，很多操作会更快。
但程序也只能处理你给它的数据。
如果数据本身脏乱，程序只会更快地产生错误结论。
交互实验室
下面做一个“数据来源与存储检查”。
请选一个你熟悉的 A 股观察主题。
例如“突破样本”“回撤样本”“公告事件样本”“交易日志复盘”。
任务一：填写数据来源卡
| 字段 | 你的记录 |
|---|---|
| 研究主题 | 例如：箱体突破样本 |
| 数据来源 | 例如：某券商软件导出历史行情 |
| 官方信息来源 | 例如：交易所公告或巨潮资讯网 |
| 导出日期 | 写清具体日期 |
| 数据范围 | 例如：2025 年 1 月至 2025 年 6 月 |
| 关键字段 | 收盘价、成交量、信号日期、备注 |
| 是否保存原始文件 | 是或否 |
| 备份位置 | 本地第二位置或可信同步位置 |
任务二：设计文件夹
建议你画出三个文件夹。
- [ ] 01-原始数据
- [ ] 02-练习样本
- [ ] 03-复盘输出
原始数据只保存导出文件和公告截图或链接记录。
练习样本保存你加工过的表格。
复盘输出保存你的总结和结论。
任务三：检查一个文件名
请把“最终版.xlsx”改成更清楚的名字。
可以参考这个格式。
| 组成部分 | 示例 |
|---|---|
| 日期 | 2026-05-09 |
| 主题 | 突破观察 |
| 范围 | 沪深主板样本 |
| 版本 | v01 |
组合后可以是“2026-05-09-突破观察-沪深主板样本-v01”。
如果以后修改字段，版本改成 v02。
任务四：做一次追溯演练
打开你的一条样本记录，回答四个问题。
- [ ] 这条样本的数据来自哪里？
- [ ] 当时导出的日期是什么？
- [ ] 有没有保存原始版本？
- [ ] 如果发现字段错误，我能不能回到原始文件重做？
如果有任何一题答不上来，说明数据管理还需要补强。
核心复盘
知识清单：
- [ ] A 股重大信息应优先参考官方公告和正式渠道。
- [ ] 行情软件导出和手工记录适合新手练习数据流程。
- [ ] CSV、表格、数据库是不同层级的存储形态，不必一开始就学数据库操作。
- [ ] 原始数据和加工数据要分开保存。
- [ ] 字段含义、数据范围、导出日期和版本号都要记录。
- [ ] 备份是研究流程的一部分，不是可有可无的杂事。
- [ ] 数据不可信，后面的策略结论就不可信。
金句总结
量化研究不是从数据开始炫技，而是从数据来源清楚、字段清楚、版本清楚开始守纪律。