【手把手教你】搭建自己的量化分析数据库

点击“简说Python”，选择“置顶/星标公众号”

福利干货，第一时间送达！

本文转载自Python金融量化，禁二次转载

引 言

数据是金融量化分析的重要基础，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 Postgresql 数据库（其他数据库类似），利用 psycopg2 和 sqlalchemy 实现 postgresql 与 pandas 的 dataframe 进行交互，一步步搭建自己的量化分析数据库。

PostgreSQL的安装与使用

安装 PostgreSQL。到其官网选择适合自己电脑配置的版本下载安装即可，安装过程除了设置密码（本文设置为“123456”），其他可选择全部默认，如实在不会可参考CSDN上的文章：PostgreSQL安装详细步骤（windows）。安装完之后在安装目录里还可以看到pgAdmin4，这个是自带的数据库图形化工具，最新版是Web 应用程序，有点类似 Python 的 Jupyter Notebook，可用来查看和操作postgresql 数据库。

Python上安装psycopg2 和 sqlalchemy 库。psycopg2 是 Python 连接PostgreSQL数据库的接口，sqlalchemy 应用更广泛，可连接数据库（MySQL, SQLite, PostgreSQL），尤其是对于 pandas 的dataframe型数据，操作起来十分方便。关于这两个 python 库的介绍网上有很多，这里不详细展开，在cmd上使用pip install xxx 进行安装即可。

1

实例应用

首先，使用 tushare 获取3000多只股票行情数据到本地，使用psycopg2 和 sqlalchemy 为接口，将数据存入本地PostgreSQL数据库中，方便进一步查询和操作。

2

#先引入后面分析、可视化等可能用到的库
import tushare as ts
import pandas as pd  
import numpy as np
import matplotlib.pyplot as plt
#正常显示画图时出现的中文和负号
from pylab import mpl
mpl.rcParams['font.sans-serif']=['SimHei']
mpl.rcParams['axes.unicode_minus']=False

#设置token
token='输入你的token'
pro = ts.pro_api(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='20190101',end='20190425'):
    df=ts.pro_bar(ts_code=code, adj='qfq', start_date=start, end_date=end)
    return df

股票代码获取函数，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 = pro.stock_basic(list_status='L').ts_code.values
    return codes

插入PostgreSQL 数据库操作，函数里使用了try...except...pass是为了避免某些数据出错导致程序崩溃。

from sqlalchemy import create_engine
import psycopg2
engine = create_engine('postgresql+psycopg2://postgres:123456@localhost:5432/postgres')
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:
        data.to_sql(db_name,engine,index=False,if_exists=if_exists)
        #print(code+'写入数据库成功')
    except:
        pass

由于行情数据量庞大，下载比较慢，先下载20190101至20190425期间日交易

数据，后续再不断更新。

#下载20190101-20190425数据并插入数据库stock_data
#此步骤比较耗费时间，大致25-35分钟左右
for code in get_code():
    data=get_data(code)
    insert_sql(data,'stock_data')

#读取整张表数据
df=pd.read_sql('stock_data',engine)
print(len(df))

#输出结果：270998

#选取ts_code=000001.SZ的股票数据
df=pd.read_sql("select * from stock_data where ts_code='000001.SZ'",engine)
print(len(df))

构建一个数据更新函数，可以下载和插入其他时间周期的数据。2018年1月1日至2019年4月25日，数据就已达到108万条。

#更新数据或下载其他期间数据

def update_sql(start,end,db_name):
    from datetime import datetime,timedelta
    for code in get_code():
        data=get_data(code,start,end)
        insert_sql(data,db_name)
    print(f'{start}:{end}期间数据已成功更新')

#下载20180101-20181231期间数据
#只需运行一次，不再运行后可以注释掉
#下载数据比较慢，需要20-35分钟左右
start='20180101'
end='20181231'
db_name='stock_data'

#数据下载和存入数据库
update_sql(start,end,db_name)

#使用pandas的read_sql读取数据
df_all_data=pd.read_sql('stock_data',engine)
print(len(df_all_data))

#输出结果：1087050

#查看交易代码和交易日期个数

print(len(df_all_data.ts_code.unique()))
print(len(df_all_data.trade_date.unique()))

#输出结果：3604；319

d=df_all_data.trade_date.unique()
print(d.max())
print(d.min())

2019-04-25T00:00:00.000000000
2018-01-02T00:00:00.000000000

#获取交易日2019年4月25日数据
pd.read_sql("select * from stock_data where trade_date='2019-04-25' ",engine).head() 

构建数据查询和可视化函数：

def plot_data(condition,title):
    from pyecharts import Bar
    from sqlalchemy import create_engine
    engine = create_engine('postgresql+psycopg2://postgres:123456@localhost:5432/postgres')
    data=pd.read_sql("select * from stock_data where+"+ condition,engine)
    count_=data.groupby('trade_date')['ts_code'].count()
    attr=count_.index
    v1=count_.values
    bar=Bar(title,title_text_size=15)
    bar.add('',attr,v1,is_splitline_show=False,linewidth=2)
    return bar

查询股价低于2元个股数据分布

c1="close<2"
t1="股价低于2元个股时间分布"
plot_data(c1,t1)

查询股价日涨幅超过9.5%个股数据分布：

c2="pct_chg>9.5"
t2="股价涨幅超过9.5%个股时间分布"
plot_data(c2,t2)

查询股价日跌幅超过-9.5%个股数据分布：

c3="pct_chg<-9.5"
t3="股价跌幅超过-9.5%个股时间分布"
plot_data(c3,t3)

结合选股策略对数据库进行查询和提取数据：

#筛选代码
#获取当前交易的股票代码和名称

def get_new_code(date):
    #获取当前所有交易股票代码
    df0 = pro.stock_basic(exchange='', list_status='L')
    df1 =pro.daily_basic(trade_date=date)
    df=pd.merge(df0,df1,on='ts_code')
    #剔除2017年以后上市的新股次新股
    df=df[df['list_date'].apply(int).values<20170101]
    #剔除st股
    df=df[-df['name'].apply(lambda x:x.startswith('*ST'))]
    #剔除动态市盈率为负的
    df=df[df.pe_ttm>0]
    #剔除大市值股票
    df=df[df.circ_mv<10**5]
    #剔除价格高于20元股票
    #df=df[df.close<20]
    codes=df.ts_code.values
    return codes

len(get_new_code('20190425'))

#输出结果：46

import talib as ta
#20日均线交易策略
def find_stock(date):
    f_code=[]
    for code in get_new_code(date):
        try:
            data=df_all_data.loc[df_all_data.ts_code==code].copy()
            data.index=pd.to_datetime(data.trade_date)
            data=data.sort_index()
            data['ma_20']=ta.MA(data.close,timeperiod=20)
            if data.iloc[-1]['close']>data.iloc[-1]['ma_20']:
                f_code.append(code)
        except:
            pass
    return f_code

fs=find_stock('20190305')
print(f'筛选出的股票个数：{len(fs)}')
if fs:
    df_find_stocks=pd.DataFrame(fs,columns=['ts_code'])
    #将选出的股票存入数据库，如果表已存在，替换掉，相当于每次更新
    insert_sql(df_find_stocks,'find_stocks',if_exists='replace')
    print('筛选的股票已入库')

筛选出的股票个数：9
筛选的股票已入库

#查看数据库中筛选的股票池
codes=pd.read_sql('find_stocks',engine)
codes=codes.values.tolist()
codes=[c[0] for c in codes]
#print(codes)

对筛选的股票作进一步分析：

select_data=pd.DataFrame()
for code in codes:
    try:
        df_= df_all_data[df_all_data.ts_code.values==code]
        df_.index=pd.to_datetime(df_.trade_date)
        df_=df_.sort_index()
        select_data[code]=df_.close
    except:
        pass
select_data.fillna(method='ffill',inplace=True)

select_data.tail()

ret=select_data.apply(lambda x:x/x.shift(1)-1)
ret=ret.dropna()
ret.tail()

prod_ret=ret.apply(lambda x:(1+x).cumprod())
prod_ret.plot(figsize=(12,5))
plt.xlabel('',fontsize=15)
plt.title('股票池累计净值',size=15)
ax = plt.gca()  
ax.spines['right'].set_color('none') 
ax.spines['top'].set_color('none')  
plt.show()

#根据代码从数据库中获取数据
def get_data_from_sql(code):
    from sqlalchemy import create_engine
    engine = create_engine('postgresql+psycopg2://postgres:123456@localhost:5432/postgres')
    data=pd.read_sql(f"select * from stock_data where ts_code='{code}'",engine)
    data.index=pd.to_datetime(data.trade_date)
    data=data.sort_index()
    #计算20日均线
    data['ma20']=data.close.rolling(20).mean()
    return data

利用20日均线交易策略，搭建数据查询和可视化函数kline_plot()，完整代码将分享在知识星球上。对选出的股票日K线、20日均线、成交量、买入（buy）和卖出（sell）信号进行可视化，下面以002790.和300573股票的K线图为例。

kline_plot('002790.SZ')

kline_plot('300573.SZ')

结语

数据库操作其实要学的东西还很多，本文旨在抛砖引玉，简单介绍使用Python 对 PostgreSQL 数据库与 dataframe 型数据进行交互，一步步搭建自己的量化分析数据库。由于文中用到的数据仅为百万条左右，实际上使用excel的csv来读写也很快，并且比较直观，但随着数据的不断增多，要建立自己完善的量化分析系统，数据库的学习就显得尤为重要。注意，文中所提及选股方式和股票代码仅作为示例应用，不构成任何投资建议。

我是老表，踏实的人更容易过好生活，本文完。

推荐阅读：

    

    

   

数据分析从零开始实战

仔细阅读下面四篇文章，2小时快速掌握Python基础知识要点。

完整Python基础知识要点

我是老表，支持我请转发分享本文，朕已阅。

---

/今日留言打卡主题/

以你对Python在那一块的应用最感兴趣？（入门，爬虫，web,数据分析，数据可视化，数据挖掘，量化交易，机器学习，nlp，深度学习等）

（参与留言打卡留言字数不少于30字，否者视为打卡失败）

留言打卡奖励

坚持连续打卡21天，免费进入资源分享群
坚持连续打卡64天，获得50元以内赠书一本
坚持连续打卡100天，获得100元以内赠书一本
坚持连续打卡101天，免费加入老表的知识星球
所有奖品一经兑换，打卡天数也自动清零。