5. 数据获取与处理：用Python搞定期货与现货行情

做基差交易，第一步就是拿数据。没有数据，什么策略都是空中楼阁。

我个人习惯用 tushare 和 akshare 这两个库。它们免费、稳定，而且覆盖了国内期货和现货的主要品种。今天我就带你走一遍完整的流程：从获取数据，到清洗对齐，最后算出基差序列。

5.1 数据源的选择与配置

先说说这两个库的区别。tushare 是老牌选手，数据质量高，但部分接口需要积分。akshare 是后起之秀，接口更丰富，完全免费。我一般这样搭配：

  • 期货主力连续合约：用 tushare 的 fut_daily 接口
  • 现货指数：用 akshare 的 index_daily 接口
  • 跨期价差：两个库都能拿，看哪个顺手
小提示： 我在项目中遇到过一个问题——tushare 的积分限制。如果你只是个人研究，用基础积分就够了。但如果是团队开发，建议申请 pro 版，不然每天只能调 200 次，根本不够用。

5.2 获取期货行情数据

拿螺纹钢期货举例。我们需要的不是单个合约，而是 主力连续合约。为什么？因为单个合约会到期，基差序列会断掉。

import tushare as ts
import pandas as pd

# 初始化 tushare
pro = ts.pro_api('你的token')

# 获取螺纹钢主力连续合约日线数据
df_fut = pro.fut_daily(
    ts_code='RB9999.XSGE',  # 9999 代表主力连续
    start_date='20230101',
    end_date='20231231',
    fields='trade_date, close, settle, volume, open_interest'
)

# 重命名列
df_fut.rename(columns={
    'trade_date': 'date',
    'close': 'fut_close',
    'settle': 'fut_settle'
}, inplace=True)

# 日期排序
df_fut['date'] = pd.to_datetime(df_fut['date'])
df_fut.sort_values('date', inplace=True)
df_fut.reset_index(drop=True, inplace=True)

print(df_fut.head())

嗯，这里要注意：settle 是结算价，close 是收盘价。计算基差时，我建议用 结算价。因为期货的结算价是交易所官方价格，比收盘价更稳定，不容易被尾盘操纵。

5.3 获取现货行情数据

螺纹钢的现货价格，我一般用 上海螺纹钢价格指数。akshare 可以直接拿。

import akshare as ak

# 获取螺纹钢现货价格指数
df_spot = ak.index_daily(
    symbol='sh000000',  # 上证指数示例，实际用螺纹钢现货指数代码
    start_date='20230101',
    end_date='20231231'
)

# 重命名列
df_spot.rename(columns={
    'date': 'date',
    'close': 'spot_price'
}, inplace=True)

df_spot['date'] = pd.to_datetime(df_spot['date'])
print(df_spot.head())
注意： 现货数据有时候会缺失。比如节假日，期货还在夜盘交易，但现货市场已经休息了。我曾经因为这个原因，基差序列里突然出现一个巨大的跳空，差点以为是套利机会。后来才发现是数据对齐的问题。

5.4 数据清洗与对齐

数据拿到手，第一件事就是清洗。你想想看，两个数据源的时间戳可能不一样，有的日期期货有数据但现货没有，反过来也一样。

我的标准流程是：

  1. 去重：检查是否有重复日期
  2. 填充缺失值：用前向填充法（ffill）处理短期缺失
  3. 对齐日期：只保留两者都有的交易日
# 合并期货和现货数据
df = pd.merge(df_fut, df_spot, on='date', how='inner')

# 检查缺失值
print(df.isnull().sum())

# 前向填充（最多填充1天）
df.fillna(method='ffill', limit=1, inplace=True)

# 删除仍然缺失的行
df.dropna(inplace=True)

# 重置索引
df.reset_index(drop=True, inplace=True)

print(f"对齐后的数据量：{len(df)} 条")

这里有个坑：前向填充不能滥用。如果连续缺失超过3天，我建议直接删除。因为现货价格在长时间缺失后，用前值填充会严重失真。

5.5 计算基差序列

基差的计算公式很简单：

基差 = 现货价格 - 期货价格

但实际应用中，我习惯同时计算 基差率，方便不同品种之间比较。

# 计算基差
df['basis'] = df['spot_price'] - df['fut_settle']

# 计算基差率（百分比）
df['basis_pct'] = (df['basis'] / df['fut_settle']) * 100

# 查看结果
print(df[['date', 'spot_price', 'fut_settle', 'basis', 'basis_pct']].head())

你看，这样我们就得到了一个完整的基差序列。接下来就可以做统计分析、画图、找套利机会了。

核心要点：
  • 基差为正 → 现货溢价（backwardation）
  • 基差为负 → 期货溢价（contango）
  • 基差绝对值越大 → 套利空间越大

5.6 可视化基差序列

光看数字不够直观。我习惯把基差序列画成图，一眼就能看出趋势和异常点。

import matplotlib.pyplot as plt

plt.figure(figsize=(12, 6))
plt.plot(df['date'], df['basis'], label='基差', color='#2E86AB')
plt.axhline(y=0, color='red', linestyle='--', alpha=0.5)
plt.title('螺纹钢基差序列（2023）')
plt.xlabel('日期')
plt.ylabel('基差（元/吨）')
plt.legend()
plt.grid(True, alpha=0.3)
plt.show()

说实话，画图这一步很重要。我见过很多新手，算完基差就直接上策略，结果忽略了数据中的异常跳变。画个图，一眼就能发现问题。

5.7 本章知识体系

下面这张图，是我自己总结的数据处理流程。你照着做，基本不会出错。

基差数据获取与处理流程 数据源 tushare + akshare 数据获取 期货主力 + 现货指数 数据清洗 去重 + 填充缺失 数据对齐 inner join 取交集 计算基差 basis = spot - future 可视化分析 画图 + 异常检测 基差序列（可用） 数据质量决定策略质量，清洗对齐是重中之重

5.8 避坑指南

最后，分享几个我踩过的坑：

  • 合约换月：主力连续合约在换月时会有跳空。我一般用 复权处理，或者直接使用指数合约（如 RB8888）。
  • 夜盘数据：期货有夜盘，但现货没有。如果你用日线数据，这个问题不大。但如果是日内高频，一定要对齐时间窗口。
  • 数据源切换：不要混用不同数据源的同一品种。我试过 tushare 和 akshare 的螺纹钢数据，收盘价差了 5 块钱，基差直接偏了。
我的习惯： 每次拿到新数据，先画一张基差图，看看有没有明显的异常点。如果有，回头检查数据源。这一步花不了 5 分钟，但能省下后面调试策略的半天时间。

好了，数据获取与处理就讲到这里。你按照这个流程走一遍，基差序列就能稳稳地算出来。下一节我们聊聊如何用这个序列去识别套利机会。

公众号:蓝海资料掘金营，微信deep3321

← 上一章 📖 返回目录 下一章 →