1
0本期节目介绍如何获取股票分析拉取的金融数据。
风险提示：本节目只分享工具使用经验，不做为投资建议！
模块一：数据拉取的“漏斗哲学”——先廉价，后昂贵
做A股全市场选股最忌讳的方式就是一开始就对5000多只股票进行深度遍历，这会带来很大的计算冗余和被封禁风险。
全市场快照：第一步只调用最廉价的接口，例如全市场行情快照。用最基础的指标，例如PE，PB，总市值等参数做粗筛，直接剔除不符合粗筛要求的股票。
批量操作代替单点查询：分享一个技巧，如果想剔除特定行业，例如金融、公用事业，不需要逐个查询每只股票的行业属性，而是直接拉取该行业板块的成分股集合，用集合取反的方式一次性清空。
昂贵的接口留给精细选股：只有经过多轮海选存货下来的少数股票，才值得调用“逐股拉取”的方式，例如历年财报、详细分红方案、逐日K线回撤历史等。即把最容易引起风控、最消耗网络资源的操作放在最底层。
模块二：数据清洗的重构真相：——统一标尺与还原
统一标尺：原始数据格式经常不统一，需要把它们先放在统一标尺里。比如，股票代码标准格式应该是6位数字，但原始数据有的缺个0，有的带有.sh/.sz 后缀，需要先强制补齐6位去掉字母；数据里的时间格式有时只有数字，有时带有年月日，需要把时间戳全部转为datetime，方便后续的筛选某一天或某一月数据，计算时间差或按时间排序等操作。 而业务数值有的带逗号，例如1,234.56, 有的带单位，例如100手；有的很合文本，例如价格：10.5， 需要强制转换为纯数字再进行比较，这是程序稳定运行的基础。
多表对齐：需要把散落的数据拼成全貌；
重塑自由现金流计算方式：单纯的现金流数据是不够的，更合理的是计算所有者盈余（Owner Eearnings），必须用到历史PPE/营收均值x当年营收增量来推荐扩张性资本开支，并将这部分从总资本开支里剥离，得到真实的“维护性资本开支”，再计算出真正的所有者盈余；
缺失值：在量化逻辑里，没有数据比用了低质量或错误的数据更糟。采用保守剔除策略保证关键财务指标一旦缺失，宁可错杀也绝不放过；但对于非致命环节，例如个别板块名称拉取失败，则允许fail-open，保证主程序仍可运转。
模块三：防风控的游记战术：作为个人开发者，需要与数据源服务器和平共处，避免被标记为有恶意攻击企图。
拟人化请求和克制查询：减少高频请求。引入全局配置，例如AK_REQUEST-THROTTLE, 在每次成功请求后增加强制休眠，并一定要加入“随机抖动 Jitter）， 模拟人类的访问节奏。
指数退避的重试机制：网络通常不总是稳定，遇到链接错误时，不要立刻重试死磕，而是采用指数退避（即下次操作的等待时间翻倍递增）策略。这有时能有效绕过短期IP熔断，也也对目标服务器的尊重。
中间态落盘：这其实是一个存档机制，在每一个筛选动作完成后都输出一份CSV文件记录筛选结果，一旦在下一步筛选中遇到网络崩溃或触发风控，不需要从头来过，可以直接从本地数据复活，也为后续用户查看每一步筛选逻辑提供了依据。
节目代码可从以下链接下载。
粗筛+精筛，廉价和昂贵的分配拉数据策略
为什么不直接看财报，而需要自己计算？
估值历史和分红数据的处理
为什么最后看日K线图？
怎么解决数据报错、网络崩溃、IP风控？
中间态落盘，保存中间数据可追溯可重启
