python量化交易——金融数据管理最佳实践—

qteasy是一个功能全面且易用的量化交易策略框架， Github地址在这里。使用它，能轻松地获取历史数据，创建交易策略并完成回测和优化，还能实盘运行。项目文档在这里。

我们在这里介绍如何使用qteasy管理您的金融数据。这是一篇系列文章，第一篇文章链接在这里

在这里插入图片描述

统一定义的金融历史数据表

DataTable是qteasy内置统一定义的数据存储表。包括：

trade_calendar – 交易日历表，包含了所有交易所的交易日历信息，包括交易日、交易所代码、交易所名称等信息。可以说这是qteasy运行的基础，如果缺了这张表，qteasy的很多功能都将无法运行或者将降低效率。 qteasy使用这张表中的数据来判断交易日，如果要下载其他的数据表，通常也必须通过交易日数据表来确定下载的起止日期，因此，这是您应该绝对优先填充的数据表。
stock_basic – 股票基本信息表，包含了所有上市股票的基本信息，包括股票代码、股票名称、上市日期、退市日期、所属行业、地域等信息。这张表是很多其他数据表的基础，例如股票日K线数据表、股票财务数据表等，因此，这也是您应该优先填充的数据表。
index_basic – 指数基本信息表，包含了所有指数的基本信息，包括指数代码、指数名称、发布日期、退市日期等信息。这张表是很多其他数据表的基础，例如指数日K线数据表、指数成分股表等，因此，这也是您应该优先填充的数据表。
fund_basic – 基金基本信息表，包含了所有基金的基本信息，包括基金代码、基金名称、基金类型、基金规模等信息。这张表是很多其他数据表的基础，例如基金日K线数据表、基金净值数据表等，因此，这也是您应该优先填充的数据表。

除了上面提到的几张重要的数据表之外，数据源中还定义了大量的数据表，这些数据表包含了各种各样的金融数据，包括股票、指数、基金、期货、期权等各种金融产品的基本信息、日K线数据、财务数据、分红数据、业绩报表、宏观经济数据等等，主要分类如下：

数据表的schema信息可以通过DataSource对象的get_table_info()方法获取:

python">>>> from qteasy import DataSource
>>> ds = DataSource()
>>> ds.get_table_info('trade_calendar')

在qteasy中，每一张数据表都有以下几个基本属性：

数据表用途：表示该数据表的用途，不同用途的数据表可用的操作不同。不同的用途包括：basics表示基本信息表，finance表示财务数据表，report表示业绩报表表, reference表示参考数据表等
资产类型：表示该数据表包含的信息属于哪种资产类型。不同的资产类型包括：E表示股票，IDX表示指数，FD表示基金，FT表示期货，OPT表示期权等
数据频率：表示存储的数据的频率，不同的数据频率包括：mins表示分钟级别数据，d表示日频数据，w表示周频数据，m表示月频数据，q表示季频数据，y表示年频数据，none表示无频率数据
分表信息：对于某些数据表，由于数据量极大，因此需要分表存储，与分表相关的属性包括分表数量以及分表字段等
数据表的SCHEMA：数据表的SCHEMA定义了数据表的所有字段和数据类型

数据表的SCHEMA定义了数据表的所有字段和数据类型，SCHEMA各个字段的含义如下：

columns – 字段名
dtypes – 字段数据类型, varchar表示字符串类型，int表示整数类型，float表示浮点数类型，date表示日期类型，text表示文本类型
remarks – 字段备注
is_prime_key – 是否是主键，Y表示是主键，N表示不是主键

以最重要的交易日历表为例，它的属性及SCHEMA定义如下：

数据表用途: basics, 资产类型: none, 数据频率: none

	columns	dtypes	remarks	is_prime_key
0	cal_date	date	日期: 格式YYYYMMDD	Y
1	exchange	varchar(9)	交易所：SSE上交所,SZSE深交所,CFFEX 中金所,SHFE 上期所,CZCE 郑商所,DCE 大商所,INE 上能源	Y
2	is_open	tinyint	是否交易：是：1，否：0	N
3	pretrade_date	date	上一交易日	N