Python量化实战:用AKShare搭建自己的日线数据库,手把手完整教程

Python量化实战：用AKShare搭建自己的日线数据库，手把手完整教程

文 | 程飞  |  2026年5月7日

量化研究的第一件事，不是选策略，不是回测，是数据。没有干净、完整、可靠的历史数据，一切都是空中楼阁。我见过太多人，策略写得非常漂亮，回测曲线很漂亮，一实盘就亏成狗——根因往往不是策略本身，而是数据质量不行。这篇文章，我把手把手教你怎么用AKShare搭建一套完整的A股日线数据库，包括数据获取、存储、清洗、更新，全套跑通。

01 环境准备：Anaconda + Jupyter Lab

第一步是搭建Python环境。不建议用系统自带的Python，建议用Anaconda管理环境，这样可以避免不同项目之间的库冲突。具体步骤：去Anaconda官网下载安装包，安装的时候把"Add Anaconda to PATH"这个选项勾选上（虽然官方不建议，但这样方便后续命令行调用）。安装完成后，在开始菜单找到Anaconda Prompt，打开之后创建一个新的虚拟环境：conda create -n quant python=3.9。然后激活环境：conda activate quant。接下来安装Jupyter Lab：pip install jupyterlab。最后在命令行输入jupyter lab，就可以在浏览器里打开Jupyter的编程界面了。

为什么要用Jupyter Lab而不是普通的Python脚本？因为量化研究需要反复修改参数、反复查看中间结果，Jupyter的单元格执行模式比"写完脚本再运行"效率高得多。你可以先跑一行代码看结果，再决定下一步怎么做，非常适合策略研究的迭代过程。

依赖库的安装顺序：先装akshare（数据获取），再装pandas（数据处理），再装sqlalchemy（数据库ORM），再装pymysql或者sqlite3（数据库连接）。具体命令是：pip install akshare pandas sqlalchemy pymysql。一个一个装，遇到报错就把错误信息复制到搜索引擎里查，大多数问题Stack Overflow上都有答案。

02 数据库设计：为什么要用数据库而不是Excel

很多人存股票数据用Excel，这是新手最容易踩的坑。Excel的问题在于：第一，数据量大了之后卡死，A 股四千多只股票，五六年的日线数据，Excel根本打不开；第二，不好做增量更新，全量重新下载浪费时间；第三，不好和其他工具配合，数据库可以用SQL查询，Python可以随时读，Excel只能手动操作。

我推荐用SQLite作为本地数据库，它是最轻量的SQL数据库，不需要安装数据库服务，直接就是一个文件，用Python的sqlite3库就能直接操作，数据量在几十G以内完全够用，而且迁移到MySQL或者PostgreSQL也非常简单——改一个连接字符串就行。如果你有一定基础，也可以直接用MySQL，Windows下装一个MySQL Installer就能一键安装。

数据库的表结构怎么设计？日线数据一张表就够了，字段包括：股票代码、交易日期、开盘价、收盘价、最高价、最低价、成交量、成交额、涨跌幅度、换手率。注意字段类型：股票代码用 VARCHAR(10)，交易日期用 DATE，开盘价等价格数据用 DECIMAL(10,3)（保留三位小数，足够A股精度），成交量用 BIGINT。建表SQL是这样的：CREATE TABLE IF NOT EXISTS daily_bar (code VARCHAR(10), trade_date DATE, open DECIMAL(10,3), close DECIMAL(10,3), high DECIMAL(10,3), low DECIMAL(10,3), volume BIGINT, amount DECIMAL(20,3), PRIMARY KEY(code, trade_date));

03 数据获取：用AKShare拉全市场日线数据

AKShare是A股量化最好用的免费数据源，没有之一。它对Python新手极度友好，接口设计简洁，文档详细，社区活跃。获取单只股票日线数据的代码只有三行：import akshare as ak，df = ak.stock_zh_a_hist(symbol="000001", period="daily", start_date="20240101", end_date="20260507", adjust="qfq")，然后df就是包含日期、开盘、收盘、最高、最低、成交量、成交额、振幅、涨跌幅、涨跌额、换手率等字段的DataFrame，可以直接用pandas处理。

获取全市场股票列表用akshare.stock_info_a_code_name_df()，返回一个包含所有A股股票代码和名称的DataFrame，遍历这个列表，逐个调用stock_zh_a_hist就能拉出全市场数据。但注意，不要一股脑地高频调用API，AKShare的数据来源是公开网站的爬虫接口，请求太快会被临时封IP，每次调用之间加0.5到1秒的sleep，平均一小时能拉完全市场数据。

增量更新逻辑：如果你的数据库里已经有了历史数据，每天收盘后只需要更新最近一个月的交易日数据，而不是全量重新下载。具体实现：查询数据库里最近一条记录的日期，然后从当天开始往前推一个工作日，用这个日期作为增量更新的起始日期。代码逻辑是：last_date = pd.read_sql("SELECT MAX(trade_date) FROM daily_bar", conn).iloc[0,0]，然后用last_date的下一天作为start_date去拉新数据。

04 数据清洗：剔除停牌日期、处理复权

原始数据往往不能直接用，需要做清洗。第一个要处理的是停牌日期：AKShare的日线数据包含停牌日（成交量为0的日期），在计算收益率、均线等指标时，这些日期会产生错误的信号。比如一只股票停牌了一个月，你计算月收益率的时候如果包含了停牌日，就会出现0%收益率的错误数据。正确的做法是在清洗阶段直接剔除成交量为0的日期。

第二个要处理的是复权方式。AKShare接口里的adjust参数控制复权方式："qfq"是前复权，"hfq"是后复权，""是不复权。我强烈建议用前复权（qfq），因为A股有除权除息，前复权把历史价格按照除权因子调整到最新价格水平，使得K线图上看起来是连续的价格，方便计算收益率。后复权和不复权在A股几乎没有实际用途。

第三个要处理的是数据对齐：不同股票的数据日期不完全一致，有些股票在某一天停牌了，有些股票在某个时间段刚上市没有数据。做策略的时候，需要把所有股票对齐到同一个交易日索引，这个操作叫"时间序列对齐"。用pandas的merge_asof函数可以实现，具体是：按交易日排序之后，用pd.merge_asof(left, right, by='trade_date', direction='backward')，这样能确保每只股票只取其历史上存在的最近一个交易日的价格。

05 数据验证：建立完整性检查机制

数据清洗完之后，必须做验证，而不是直接开始跑策略。我见过太多"看起来正常"的数据库，实际上存在各种隐蔽的错误，导致策略结果完全不可信。数据验证应该包括以下几个方面：

第一，缺失值检查。用pandas的isnull().sum()检查每个字段的缺失值数量，特别关注收盘价和成交量，缺失值超过总数据的1%就要排查原因。第二，价格连续性检查：日内最高价应该大于等于开盘价和收盘价，最低价应该小于等于开盘价和收盘价，这个条件如果不满足，说明数据有错误。第三，涨跌幅检查：用当天收盘价和前一天收盘价计算的涨跌幅，应该和你获取的涨跌幅字段一致，如果不一致说明复权处理有问题。第四，交易日完整性检查：用已知的所有交易日列表，检查每只股票是否有完整的交易日记录，连续缺失超过5个交易日要排查是否股票被停牌处理错了。

验证完了之后，用一份简单的双均线策略做一次全市场回测，验证整个数据管道是否正常工作。如果双均线策略在全市场的表现符合预期（在牛市能赚钱，在熊市能控制回撤），说明数据管道基本没问题。如果表现异常离谱（比如胜率超过70%），那大概率是数据还有问题没发现。

06 定时更新：让数据库每天自动刷新

数据库搭建好了，最重要的就是持续更新。很多人的数据库能建，但每天手动更新太麻烦，两周之后就废弃了。我建议用Windows的任务计划程序（Task Scheduler）设置每天下午五点半自动运行数据更新脚本，这样每天收盘后数据会自动更新，你只需要确保电脑开着就行。

更新脚本的逻辑很简单：第一步连接数据库，第二步查询最新的数据日期，第三步从该日期往前推两个工作日作为起始日期，第四步循环获取全市场日线数据，第五步用INSERT OR REPLACE INTO语句写入数据库（这样自动处理增量更新，已有的记录会覆盖，不会有重复）。脚本写好之后，在Anaconda Prompt里用python your_script.py命令测试运行，确保没有报错，再配置到任务计划里。

数据库是量化系统的根，数据质量决定策略上限。把数据管道跑通，你就完成了量化系统80%的基础工作，剩下的才是策略研发。