做量化研究的头一年，我在数据上花的时间比写策略还多。一开始的想法很简单：网上那么多免费股票数据接口，yfinance、akshare、tushare、Alpha Vantage，哪个不能凑合着用？后来发现"凑合"两个字是量化里最贵的词——数据质量、字段口径、接口稳定性，每一个都是回测结果里看不见的变量。这篇把我用过的免费数据源逐个过一遍，说清楚它们各自的坑，以及最后我为什么换成了稳定的统一API。如果你是刚开始接触Python量化数据获取、正在纠结选哪个免费行情接口的开发者，这篇应该能帮你省下不少试错时间。
先说结论：免费数据源不是不能用，是看你拿它干什么
折腾一圈下来我的体会是：免费源适合验证想法——写个脚本看个趋势、做个粗糙回测、画个K线图，完全够用。但一旦你的策略开始依赖这些数据做决策，或者要跑长期历史回测，免费源的每一个小毛病都会变成策略里说不清的偏差。免费股票数据API和稳定数据源之间，差的不是钱，是确定性。
逐个说：每个免费源的真实问题
yfinance：方便，但只方便在表层
Yahoo的接口封装，用起来确实方便，yf.download("AAPL") 一行就出数据，很多Python量化教程第一步就是它。优点不用说，说坑：
- 数据字段缺：拆股、分红调整的历史数据口径跟别的源对不上，同一只股票两个源拉出来的日K，后复权价格能差好几个点，回测里一对比全是脏数据
- 延迟和限流：频繁请求会被限，尤其盘中拉实时报价，经常拿到的是几分钟前的旧价，做实时行情监控基本不可用
- 接口不稳定：上游页面结构一变，封装库就要跟着改，有段时间隔三差五拉不到数据，社区issue一片哀嚎
它适合：快速看数据、做演示、验证代码逻辑。不适合：任何要长期稳定跑的东西。
akshare：覆盖广，但"薛定谔的可用"
国产开源库，覆盖的接口特别全，股票、期货、基金、宏观数据都有，这一点确实良心。用久了你会发现：
- 接口经常"悄悄失效"：很多接口是从网页上抓的，上游网站一改版，接口就报错，而且没人通知你，只有跑批的时候才发现数据全是NaN
- 文档和实际行为对不上：参数名、返回格式经常要自己试错，同一个接口不同版本行为还不一样
- 速度不稳定：抓网页的接口，慢的时候一个请求要好几秒，批量拉数据能等到怀疑人生
它适合：研究阶段查个数据、找找灵感、做数据探查。不适合：当作生产数据管道的一部分，因为你不知道它哪天就断了。
tushare：规范，但积分制度磨人
老牌国产数据源，社区做得好，文档规范，数据质量在免费源里算上游。免费档的问题在于积分体系：
- 很多接口有积分门槛：想拿全字段的日线、分钟线，积分不够就得等，或者靠贡献换积分，急用数据的时候只能干瞪眼
- 频率限制：免费档每分钟调用次数有限，批量拉几百只股票的历史数据要分很多次跑，跑一次全市场要几个小时
- 数据更新延迟：部分接口数据更新不是实时的，做日内策略会发现数据跟不上行情
它适合：有耐心攒积分、做日频以上研究的开发者。不适合：着急上线、需要分钟级数据的人。
Alpha Vantage免费档：额度算得清清楚楚
国外老牌API，免费档的限制最直接：每天500个请求。听着不少，但你算一笔账：回测里拉一遍标普500成分股的日K，几百个请求就没了，一天的额度直接见底。而且免费档的数据延迟、字段完整性也打了折扣，分钟级数据更是限量供应。
新浪/腾讯的免费行情接口
这是很多"野路子"教程里教的，直接拼URL拉行情。实测下来：
- 非官方接口，字段不稳定：哪天页面结构改了，你的解析代码就废了，纯纯的黑盒依赖
- 没有历史K线：基本只有实时报价，回测用不了，做不了任何历史研究
- 合规风险：数据授权边界模糊，商用基本不用想，自己玩玩可以，别写进正式项目
"免费"的真实成本，算完这笔账你就懂了
把这些源都用过一遍，我的感受是：免费数据源的成本不在钱上，在时间上——
- 维护成本：每个源都是"薛定谔的可用"，你要定期写脚本检查数据源是不是还活着，字段是不是还一样，一套检查脚本写下来，工作量不比写策略小
- 数据质量成本：免费源的数据错误、缺失、调整口径不一致，回测结果里根本看不出来，等你实盘了才暴露，那时候就不是改代码能解决的问题了
- 机会成本：免费源的坑花掉的时间，本来可以花在策略本身、因子研究、风控设计上
量化里有个说法：垃圾数据进，垃圾策略出。回测跑得再漂亮，数据源不可靠，结果就是自欺欺人。Python量化数据获取这块，选择数据源其实是在选择你的研究可信度。
什么时候必须换稳定数据源
我自己的切换时机是这么判断的，三个信号任中一个就换：
- 要跑超过一年的历史回测——数据口径必须统一、完整，免费源的缺失和口径差异会直接污染结论，回测结果再好也是假的
- 要接实时行情做监控或盘中策略——免费源的延迟和限流完全扛不住，盘中行情API的要求是毫秒级稳定推送，不是偶尔刷出来一条
- 策略进入实盘/半实盘阶段——这个不用多说，数据稳定是底线，实盘里数据断一分钟都是事故
这时候我换成了 iTick 的统一API——一个接口覆盖股票、指数、期货、外汇多个品种，REST和WebSocket都有，token去它官网 itick.org 申请就能拿。下面用股票数据举个实际接入的例子，代码直接能跑。
一个实际的接入例子：历史K线 + 实时报价 + 盘中推送
稳定数据源的用法其实很简单，就是规规矩矩调接口，接口文档怎么写的就怎么调。拉历史日K：
import requests
API_BASE = "https://api.itick.org"
TOKEN = "your_token_here"
headers = {"accept": "application/json", "token": TOKEN}
def get_stock_kline(code="AAPL", region="US", ktype=8, limit=500):
resp = requests.get(
f"{API_BASE}/stock/kline",
headers=headers,
params={
"region": region, # 市场代码：US美股、HK港股、CN A股
"code": code, # 股票代码
"kType": ktype, # 1=1分钟 2=5分钟 5=1小时 8=日K 9=周K 10=月K
"limit": limit # 单次最大500条
}
)
data = resp.json()["data"]
# 每根K线字段：t时间戳(毫秒)/o开/h高/l低/c收/v量/tu额
return data
daily = get_stock_kline()
print(daily[0])
实时报价走REST快照，一个请求拿当前全部关键字段：
def get_quote(code="AAPL", region="US"):
resp = requests.get(
f"{API_BASE}/stock/quote",
headers=headers,
params={"region": region, "code": code}
)
q = resp.json()["data"]
# 字段说明：
# ld最新价 o开盘 p前收 h最高 l最低
# t时间戳(毫秒) v成交量 tu成交额
# ts交易状态(0正常/1停牌/2退市/3熔断) ch涨跌额 chp涨跌幅%
return q
print(get_quote())
要做盘中实时监控，再开一条WebSocket连接订阅推送：
import json
import threading
import time
import websocket
WS_URL = "wss://api.itick.org/stock"
authenticated = False
def on_message(ws, message):
global authenticated
payload = json.loads(message)
# 等鉴权成功再订阅
if payload.get("resAc") == "auth" and payload.get("code") == 1 and not authenticated:
authenticated = True
ws.send(json.dumps({
"ac": "subscribe",
"params": "AAPL$US", # 格式：代码$市场，多标的用逗号分隔
"types": "quote" # quote报价/tick逐笔/depth盘口/kline@1分钟K线
}))
threading.Thread(target=heartbeat, args=(ws,), daemon=True).start()
return
if payload.get("resAc") == "pong":
return
quote = payload.get("data") or {}
if quote.get("type") == "quote":
print(quote["s"], quote["ld"], quote["t"])
def heartbeat(ws):
while True:
time.sleep(30)
ws.send(json.dumps({"ac": "ping", "params": str(int(time.time() * 1000))}))
ws = websocket.WebSocketApp(
WS_URL,
header=[f"token: {TOKEN}"],
on_message=on_message
)
ws.run_forever()
数据获取的实践分层：回测、快照、实时各管各的
用稳定源之后，我把数据获取拆成三层，各管各的：
- 回测层：历史K线一次性批量拉下来存本地（SQLite或Parquet），回测只读本地，不碰线上接口
- 快照层：每天收盘后或定时拉一次报价快照，做日频监控和汇总
- 实时层：盘中用WebSocket订阅自己关注的标的，事件驱动更新，不做轮询
这样分层的好处是：回测永远不被网络影响，实时监控不被限流影响，每一层的失败都是独立的，出问题好排查。
踩坑清单速查
- 免费源的接口随时可能失效，生产代码里不要硬依赖，至少加个数据新鲜度检查
- 多个数据源的数据口径不一致（复权、字段定义），回测前先统一口径，别混着用
- 免费档的限流规则要提前算好，别等批量任务跑到一半被限
- 时间戳单位：这边是毫秒，
time.time()是秒，减之前先换算，不然延迟全是负数 - 交易状态要判断：
ts字段 0正常/1停牌/2退市/3熔断，别把停牌的旧价当实时价写进策略 - K线增量更新别全量刷：实时推送场景每来一根新K线就重拉全量，浪费且慢
小结
数据获取这条路上，"免费"两个字最贵。我的建议很朴素：研究阶段随便折腾免费源，但凡是策略要认真跑起来，数据这块别省。分层设计 + 稳定数据源 + 统一口径，这套组合拳打完，你会发现以前花在数据上的时间，全部还给了策略本身。接口参数和返回字段的具体说明，写代码时对照官方文档最靠谱。