多源数据版图与选型

一、实测结果(2026-07-31,境内可访问的服务器)

三条一眼可见的结论:

1. "akshare 挂了"这句话本身就是错的。akshare 是个聚合库,后端有东财、新浪、同花顺等等。挂的是某一个后端,不是这个库。理解这一点,你才知道降级该往哪降。
2. baostock 慢一个量级(1.75s vs 0.11s),但它有一个不可替代的价值:它是独立的第二来源,可以用来验证第一来源对不对。慢,是校验的成本。
3. yfinance 那一行是本节最危险的一行——它没有报错。

二、选型:别选"最好的",选"能互相救的"

⚠️ 表中 tushare 一行依据官方文档,本节未实测——因为它需要账号。凡是没实测的,本课一律标注出来,不混在实测结论里。

🔧 动手做:查一查你的取数器,单点故障和静默截断(5 分钟)

本节实测那天,akshare 东财系四个接口全部 ConnectionError(各重试 3 次)。而 yfinance 请求 2005 年起的沪深300,只返回了 2021-03-11 起的 1299 行——它没报错,悄悄把前 16 年截掉了。

回去查你(或任何教程)的取数代码两件事:① 只有一个数据源吗?那个源今天挂了,你的整条管线就死了。② 你验过每个源返回的行数和起点吗?还是拿到数据就直接用?

想明白:数据源会挂,更阴的是会静默返回错的(少给一段、给了别的口径)。所以选型不是选"最好的",是选"能互相救的";交叉校验别用"相等",用"容差"。取到数 ≠ 取对了——每一批数据都要先验行数、起点、口径,再用。

三、交叉校验:别用「相等」,用「容差」

有了两个可用源,自然要问:它们说的是同一件事吗?

我把 akshare·新浪 与 baostock 在 5177 个共同交易日上的收盘价逐日比对:

完全相等(==)      65.73%   ← 这个数字没有意义
最大相对差        0.0033bp
超出 5bp 容差     0 天      ← 这个才是要看的

"完全相等只有 65.73%" 听起来像灾难,实际上毫无问题。两个源都对,只是一个存到小数点后 3 位、另一个后 4 位。最大分歧 0.0033 个基点——换算成 4600 点的指数,是 0.0015 个点。

如果你用 df_a == df_b 做校验,你会得到 34% 的"不一致",然后花一整天去查一个不存在的 bug。

数值校验永远用容差,不用相等。本课默认容差 5bp(0.05%),超过才算实质分歧。

四、交付物:带降级与血缘的取数器

把上面所有教训写成一个组件(它会成为 qlab.data 的雏形):

SOURCES = [("akshare·东财", _from_akshare_em),    # 顺序 = 优先级
           ("akshare·新浪", _from_akshare_sina),
           ("baostock", _from_baostock),
           ("yfinance", _from_yfinance)]

def fetch_daily(symbol="000300", need_start="2005-04-08", min_rows=4000):
    failed = []
    for name, fn in SOURCES:
        try:
            df = fn()
        except Exception as e:
            failed.append(f"{name}({type(e).__name__})"); continue   # 挂了 → 降级
        start = df["date"].iloc[0]
        if start > need_start:                                        # 关键:能取到 ≠ 取对了
            failed.append(f"{name}(起点晚:{start})"); continue
        if len(df) < min_rows:
            failed.append(f"{name}(行数少:{len(df)})"); continue
        return df, Provenance(...)          # 带血缘返回
    raise RuntimeError(f"所有源均失败:{failed}")

实测运行效果——故障发生时它自己绕过去了:

✗ akshare·东财: ConnectionError — 降级到下一个源
✓ akshare·新浪: 5960 行 [2002-01-04~2026-07-30] 0.65s — 采用

交叉校验 akshare·新浪 vs baostock:共同交易日 5177 天
  完全相等(==)      65.73%   ← 这个数字没有意义
  最大相对差        0.0033bp
  超出 5.0bp 容差   0 天     ← 这个才是要看的
  ✓ 分歧全部在四舍五入位内,两源可互为验证

每份数据都要带血缘

{
  "symbol": "000300",
  "source": "akshare·新浪",
  "fetched_at": "2026-07-31 04:56:15",
  "rows": 5960,
  "start": "2002-01-04",
  "end": "2026-07-30",
  "fallbacks": ["akshare·东财(ConnectionError)"],
  "cross_checked_with": "baostock",
  "max_rel_diff_bp": 0.0033439168
}

纪律:没有血缘的数据不许进下游。

半年后你会遇到这样一天:某个回测结果和上次不一样了。这时候唯一能救你的,就是这个 json——它告诉你上次的数据是谁给的、什么时候拿的、覆盖到哪、和谁校验过。没有它,你只能推倒重来。

📌 免责:本课为技术教学,文中出现的标的代码仅用于接口连通性测试,不构成任何投资建议;各数据源的可用性随时间与网络环境变化,课文数字为 2026-07-31 单次实测。