第十八章：基差交易的数据源与API

做基差交易这么多年，我踩过最大的坑，不是策略本身，而是数据。

你想想看，基差交易的核心就是价差。价差算错了，策略再好也是白搭。我见过太多人，策略回测跑得漂亮，一上实盘就崩，最后发现是数据源没对齐。

今天咱们就聊聊，数据到底从哪来，怎么用，怎么避免那些坑。

18.1 交易所数据：最原始，也最可靠

我个人习惯，首选交易所直连数据。为什么？因为这是最原始的交易数据，没有经过任何加工。

18.1.1 国内四大期货交易所

• 上期所（SHFE）：铜、铝、锌、螺纹钢、热卷等
• 大商所（DCE）：豆粕、豆油、铁矿石、焦煤、焦炭等
• 郑商所（CZCE）：PTA、甲醇、白糖、棉花等
• 中金所（CFFEX）：股指期货、国债期货

每个交易所都有自己的行情接口。上期所用CTP，大商所用X-One，郑商所用FEMAS。嗯，这里要注意，接口协议不一样，你得分别对接。

18.1.2 境外交易所

做跨市场基差交易的朋友，还得关注CME、LME、ICE这些。CME的Globex接口，LME的Select接口，都是标准API。我曾经在对接LME数据时，发现他们的结算价计算方式和国内不一样，差点把基差算反了。

18.2 第三方数据服务：省心但要注意质量

说实话，自己对接所有交易所，工作量太大了。尤其是做多品种基差交易，光维护接口就够呛。这时候，第三方数据服务就派上用场了。

18.2.1 国内常用第三方

服务商	特点	适用场景
万得（Wind）	数据全，历史数据长	回测研究、基本面分析
聚宽（JoinQuant）	API友好，Python支持好	量化策略开发
米筐（RiceQuant）	回测平台成熟	策略回测
天软（TinySoft）	高频数据质量高	高频基差交易

18.2.2 境外第三方

• Bloomberg：贵，但数据质量没得说
• Refinitiv：Eikon平台，商品数据很全
• Quandl：适合个人开发者，价格亲民

18.3 数据清洗：80%的工作量在这里

你可能不信，我团队里最资深的工程师，每天的工作就是洗数据。为什么？因为原始数据根本没法直接用。

18.3.1 常见数据问题

• 缺失值：节假日、盘中暂停，数据会断
• 异常值：比如突然跳空，可能是数据错误
• 重复数据：同一个tick被推送两次
• 时间戳不一致：不同交易所的时钟不同步

18.3.2 清洗流程

# 伪代码示例：数据清洗流程
def clean_data(df):
    # 1. 去重
    df = df.drop_duplicates(subset=['timestamp', 'symbol'])
    
    # 2. 处理缺失值
    df = df.fillna(method='ffill')  # 前向填充
    
    # 3. 异常值检测
    df = df[(df['price'] > 0) & (df['price'] < 1e6)]
    
    # 4. 时间对齐
    df['timestamp'] = pd.to_datetime(df['timestamp'])
    df = df.set_index('timestamp').resample('1S').last()
    
    return df

18.4 数据对齐：基差计算的关键

基差 = 现货价格 - 期货价格。听起来简单吧？但实际操作中，你得保证两个价格是同一时刻的。

18.4.1 时间对齐策略

• Tick级对齐：用最新成交价，适合高频
• 秒级对齐：取每秒最后一笔，适合日内
• 分钟级对齐：取每分钟收盘价，适合日频

18.4.2 合约对齐

期货有主力合约、次主力合约之分。做基差交易时，你得明确用哪个合约。我习惯用持仓量最大的合约作为主力合约，因为流动性最好，基差也最真实。

18.5 知识体系图

18.6 实战建议

说了这么多，最后给你几个实在的建议：

1. 数据源至少备两个：一个主用，一个备用。我曾经遇到Wind宕机，幸好有聚宽的数据顶着。
2. 清洗脚本要自动化：每天开盘前跑一遍，确保数据质量。
3. 对齐粒度要匹配策略：高频策略用Tick级，日内策略用秒级，中长线用分钟级就够了。
4. 定期做数据校验：拿交易所的官方结算价和自己的数据对比，发现偏差及时调整。

数据是基差交易的地基。地基不稳，楼盖得再高也得塌。希望今天聊的这些，能帮你少走一些弯路。