免费数据源地图：akshare、tushare与朋友们
我的掌握程度：
先掌握这个答案
数据源地图：①akshare：完全免费、覆盖最广（股票/基金/期货/债券/宏观/加密），接口多但稳定性一般（网页抓取）；②tushare：积分制（注册+活跃可攒），数据规整、文档清晰，财务数据好用；③yfinance：美股/全球行情；④ccxt：加密货币交易所统一接口；⑤baostock：A股历史K线，稳定免费。机构级：Wind/Choice/聚源（付费）。
先读结论，再核对下方使用边界；数字例题为教学情景，涉及实际行情与规则时请核对原始来源。
从理解到使用
本阶段实战方法 · 把行情数字变成可比较的收益
看股票、基金或策略业绩时，先对齐本金、起止日期、现金流与费用。
- 选一个固定区间，记录期初价值、期末价值、分红、出入金和交易费用。
- 没有中途出入金时，用（期末价值＋已取出分红－期初价值－费用）÷期初价值计算收益；有出入金时先区分时间加权与资金加权。
- 用相同区间的基准作比较，同时记录最大亏损；不要单凭一次盈利评价能力。
使用边界
- 不同期限的收益不可直接排名；年化只是换算，不是未来收益承诺。
- 模拟价格不是实时行情。普通股票交易手数、T+1和费用应按具体市场规则核对。
背景 · 从一个困惑说起
二十年前，历史行情数据要花钱买光盘；如今开源社区把行情、财务、宏观、另类数据聚合进一个pip包。数据壁垒的倒塌，是个人量化得以存在的时代背景。
由此产生的问题
主要免费数据源各自的特长和局限是什么？怎么搭建自己的「数据获取」函数？
核心概念
数据源地图：①akshare：完全免费、覆盖最广（股票/基金/期货/债券/宏观/加密），接口多但稳定性一般（网页抓取）；②tushare：积分制（注册+活跃可攒），数据规整、文档清晰，财务数据好用；③yfinance：美股/全球行情；④ccxt：加密货币交易所统一接口；⑤baostock：A股历史K线，稳定免费。机构级：Wind/Choice/聚源（付费）。
为什么需要它
①零成本启动：本课程全程免费数据源可完成；②工程习惯：写带缓存的数据获取函数（下载一次存本地parquet，避免重复请求+接口限频）；③口径责任：免费数据的清洗责任自负（复权、停牌、退市——恰好是阶段4的全部内容）。
实际应用场景
标准模式：循环股票列表→逐个下载→统一字段名→存parquet→下次直读本地。附带工具：交易日历、指数成分、行业分类，这些「元数据」同样来自数据源。
与之前知识的联系
q-060的字段知识落地为具体接口返回值。q-063的前视偏差风险部分来自免费财务数据的「公告日期」缺失——数据源选择的隐性影响。
⚠ 常见误解
- 免费数据=现成可用：脏数据、口径不一、幸存者偏差都在等你清洗（这正是价值所在）
- 一个数据源包打天下：交叉验证（两个源比对同一数据）是数据工程的基本动作
- 接口报错是数据源烂：多为限频/接口变更，写重试+缓存就解决大半
🛠 本题实践任务
用fetch_and_cache模式下载3只股票的日线到本地缓存，验证第二次调用明显变快。这就是你的数据管道第一块砖。
💡 提示（先自己想5分钟再看）
需要 pip install pyarrow（parquet引擎）；报错先检查网络与限频。
✅ 验收标准
3个parquet文件+两次调用的时间对比。从此你的研究不再被网络和限频绑架。
在你的浏览器内运行。首次需联网下载 Python；支持标准库和 Pyodide 提供的 NumPy、pandas 等包。行情抓取、系统文件访问和部分第三方库请在本地环境运行。输出自检仅比对结果关键词，不代替逻辑审查。
Python · 独立工作线程 · 执行限时10秒
🤖 AI导师
导师会先检查你的前置知识（日线字段），再用案例、公式和代码帮助理解。此功能需要先启用服务。