机器学习等方法基本都是数据驱动的，数据获取是开始的第一步，量化交易也不例外，做量化投资的第一步就是如何获取金融数据，这里给大家推荐一款很不错的工具TuShare，并且基于Python语言做一些简单的示例实现。
什么是Tushare？
TuShare是一个著名的免费、开源的python财经数据接口包，主要实现对股票等金融数据从数据采集、清洗加工到数据存储的过程，能够为金融分析人员提供快速、整洁、和多样的便于分析的数据，为他们在数据获取方面极大地减轻工作量，使他们更加专注于策略和模型的研究与实现上。考虑到Python pandas包在金融量化分析中体现出的优势，Tushare返回的绝大部分的数据格式都是pandas DataFrame类型，非常便于用pandas/NumPy/Matplotlib进行数据分析和可视化。
Tushare安装
Tushare的使用前提是安装Python、安装pandas、安装lxml，建议安装Anaconda（http://www.continuum.io/downloads），一次安装包括了Python环境和全部依赖包，减少问题出现的几率。
Tushare提供了两种安装方式：
方式1：pip install tushare
方式2：访问https://pypi.python.org/pypi/Tushare/下载安装
Tushare版本升级可使用：pip install tushare –upgrade。
Tushare如何获取金融数据
（1）股票数据示例
Tushare获取股票行情数据，使用的是ts.get_hist_data()函数，其输入参数为：
• code：股票代码或者指数代码
• start：开始日期，格式YYYY-MM-DD
• end：结束日期，格式YYYY-MM-DD
• ktype：数据类型，D=日k线 W=周 M=月 5=5分钟 15=15分钟 30=30分钟 60=60分钟，默认为D
• retry_count：当网络异常后重试次数，默认为3
• pause:重试时停顿秒数，默认为0
返回值说明：
• date：日期
• open：开盘价
• high：最高价
• close：收盘价
• low：最低价
• volume：成交量
• price_change：价格变动
• p_change：涨跌幅
• ma5：5日均价
• ma10：10日均价
• ma20:20日均价
• v_ma5:5日均量
• v_ma10:10日均量
• v_ma20:20日均量
• turnover:换手率[注：指数无此项]
示例：一次性获得中国船舶（ST600150）的指定股票交易数据（我的老东家，经营不善，连续亏损两年被搞成ST了，希望不要退市了）。
• 输入：
import tushare as ts
ts.get_hist_data('600150',start='2018-05-22',end='2018-05-23')
• 得到输出
（2）Tushare可获取的数据汇总
• 交易数据：历史行情、复权数据、实时行情、历史分笔、实时分笔、当日历史分笔、大盘指数行情列表、大单交易数据
• 投资参考数据：分配预案、业绩预告、限售股解禁、基金持股、新股数据、融资融券（沪市）、融资融券（深市）
• 股票分类数据：行业分类、概念分类、地域分类、中小板分类、创业板分类、风险警示板分类、沪深300成份及权重、上证50成份股、中证500成份股、终止上市股票列表、暂停上市股票列表
• 基本面数据：股票列表、业绩报告（主表）、盈利能力、营运能力、成长能力、偿债能力、现金流量
• 宏观经济数据：存款利率、贷款利率、存款准备金率、货币供应量、货币供应量(年底余额)、国内生产总值(年度)、国内生产总值(季度)、三大需求对GDP贡献、三大产业对GDP拉动、三大产业贡献率、居民消费价格指数、工业品出厂价格指数
• 新闻事件数据：即时新闻、信息地雷、新浪股吧
• 龙虎榜数据：每日龙虎榜列表、个股上榜统计、营业部上榜统计、机构席位追踪、机构成交明细
• 银行间同业拆放利率：Shibor拆放利率、银行报价数据、Shibor均值数据、贷款基础利率（LPR）、LPR均值数据
• 电影票房：实时票房、每日票房、月度票房、影院日度票房
对于一个量化交易分析师来说，历史数据是挑选策略和做模型回测的重要输入，其实就是整个量化交易模型训练和实施的命根子，目前市面上可提供的免费数据包并不多，数据也不见得是自己想要的，而且数据质量好坏也未知，如果是一个有心的量化交易师，现在就要开始自己每天抓包数据，自己做数据积累了。
想更详细的了解Tushare，可以访问网址http://tushare.waditu.com/ 进行学习。
