小白转行去做数据分析（搭建自己的量化分析数据库）

小白转行去做数据分析（搭建自己的量化分析数据库）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：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：#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

引 言

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 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（下载地址），安装过程除了设置密码，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。

#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 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 = 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。

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了。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。

关于Python金融量化

专注于分享Python在金融量化领域的应用。加入知识星球，可以免费获取30多g的量化投资视频资料、公众号文章Python完整源码、量化投资前沿分析框架，与博主直接交流、结识圈内朋友等。