第236章：第一个“因子”的寻找 (第1/3页)

    苦力活：构建A股十年基础数据库

    2010年4月5日，星期一，上午九点三十分。

    车公庙，三十平米的办公室里，四台电脑同时开着。

    陆方坐在最靠里的位置，面前三块屏幕，正在写代码。周寻坐在他对面，手里拿着一本翻旧了的《上市公司信息披露指引》，眉头紧锁。陈默挤在角落里的一张折叠桌旁，面前堆着厚厚一摞打印出来的Excel表格，正一行一行地核对数字。

    窗外，泰然工业区的喧嚣一如既往——货车的轰鸣，餐馆的油烟，五金店切割金属的尖啸。但这些声音，在这间三十平米的房间里，像是被一层无形的玻璃隔开了。

    没有人说话。

    只有键盘敲击声，纸张翻动声，偶尔有人叹一口气。

    这是“默石量化研究实验室”成立后的第五天。

    五天前，他们挂牌时，陈默说目标是“打造一台在长期能稳定赚钱的机器”。周寻说先要“v0.1”。陆方说服务器只能跑一百个策略。

    但所有这些，都建立在一个前提上：

    有数据。

    没有数据，就没有回测。没有回测，就没有策略。没有策略，就没有机器。

    而数据，他们现在一分也没有。

    不是完全没有——市面上有卖的数据库，但价格贵得离谱，起步价就要几十万。陈默问了一圈，最便宜的也要三十万，还是只有最近三年的数据，不包含财务指标，不包含宏观数据，不包含任何清洗过的因子。

    三十万。

    账户里只剩下六十三万现金，每个月还要付房租、发工资、还贷款。

    陈默做了个决定：

    自己做。

    从零开始。

    ---

    陆方的第一个任务：写爬虫。

    目标：从公开的财经网站上，把A股过去十年的日线数据全部爬下来。

    听起来简单，做起来才知道有多恶心。

    那些网站的反爬机制五花八门——有的限制IP访问频率，有的用动态加载，有的在数据里掺假，有的直接封IP。陆方写了三天，被反爬机制封了七次。他不得不写一个代理池，每天从网上找几百个免费代理IP，轮着用。

    “这些网站，”他一边敲键盘一边嘟囔，“不让爬就算了，还在数据里掺假。我昨天爬下来的平安银行，有一天的收盘价居然是88.88。明显是故意埋的坑。”

    陈默站在他身后，看着屏幕上那些代码。

    他不完全懂，但他能看懂陆方脸上的表情——不是烦躁，是专注。

    那种“我一定要搞定你”的专注。

    “能处理吗？”他问。

    陆方点头：

    “能。但得加一个清洗层。把所有明显异常的数据标记出来，回头人工核对。”

    “需要多少人？”

    陆方想了想：

    “至少两个。专门干这个。”

    陈默看了看房间里的人。

    小林在研究周寻给的论文，小吴在整理过去的研究笔记，小周在学Python，王涛在调试那两台服务器。赵姐在算账，老刘在联系便宜的云服务商。

    没有人闲着。

    但也没有人能专门做数据清洗。

    陈默沉默了几秒。

    然后他说：

    “我来。”

    陆方抬起头，看着他。

    “您？”

    “我。”陈默说，“我干过这个。”

    他走到那堆打印出来的Excel表格前，坐下来：

    “1992年，我刚入市的时候，没有电脑，没有软件。所有的K线图，都是我手画的。每一根K线，开盘、收盘、最高、最低，一个一个从报纸上抄下来，然后用尺子画在坐标纸上。”

    他看着陆方：

    “现在有Excel了。比那时候强多了。”

    陆方看了他几秒，然后点了点头。

    没再说别的。

    ---

    周寻的第一个任务：定标准。

    爬虫爬下来的数据，乱七八糟。

    同一天，不同网站的开盘价可能差几分钱。同一只股票，不同年份的股本可能变过好几次，不复权、前复权、后复权，根本对不上。财务数据更乱——有的公司用旧会计准则，有的用新会计准则；有的报表里“净利润”是归属于母公司的，有的是合并报表的；有的“每股收益”是摊薄的，有的是加权的。

    周寻拿着一份自己整理

    （本章未完，请点击下一页继续阅读）

『加入书签，方便阅读』