工欲善其事，必先利其器。作為一位金融工作者，要產出有質量的研究成果，
獲取第一手金融數據的能力是基本功。
數據的檢索查詢（search）是研究（research）的基礎，這篇文章總結一下我在日常工作中的金融數據查詢的基本方法。
查詢金融數據的關鍵：一手信息，權威渠道。
01
金融研究常用哪些數據？
· 金融行情數據（股票、債券、黃金等資產價格指數）；
· 宏觀經濟數據（GDP、CPI、利率等）；
· 公司信息（上市/非上市）；
· 專題統計數據，根據研究目標而定的數據需求，例如A股的散戶比例、各國的貨幣、財政政策等；
· 實時大數據，例如全球新冠疫情實時數據、全國人口遷移數據等；
其中宏觀數據、行情數據、公司信息等都是標準化的，重點是找對渠道，認準數據的口徑。從數據的頻率上來區分，宏觀經濟數據往往是月度、季度發佈的，稱為低頻數據；而金融行情數據是實時的，在交易日的每分每秒都更新，是高頻數據。
專題統計數據的獲取沒有確定的方法，如果存在有可靠的專題統計，那麼萬事大吉，否則就需要統計整理的工作。
實時大數據則是最有時效性、很有含金量的部分。數據爬蟲的技術本身不算複雜，重點是拿到人無我有的數據，才能挖掘獨有的價值。此外，還有一些國外的金融數據，需要在外網權威渠道查詢。
02
如何獲取一手的金融數據？
先總結一下各種數據的基本渠道：
1.
金融行情數據
金融行業數據，大多數炒股、買基金的朋友基本都會，沒有特別的技術。值得一提的是，2020年以來全球金融市場極度動盪，全球多種金融資產有必要放在一起看，包括美股、美債收益率、股指期貨、VIX恐慌指數、COMEX黃金等，才能對金融市場的變化有整體的感知。
（示例：wind自選指標）
2.
宏觀經濟數據
以香帥的金融江湖每月發佈的經濟數據簡析為例：
（香帥的金融江湖：宏觀經濟數據解析）
宏觀經濟數據體現著國家經濟活動的冷熱，對經濟冷熱的感知直接影響我們投資的決策。要做好宏觀經濟數據的查詢、整理，要具備基本的宏觀經濟知識，準確理解經濟指標的意義。
查詢宏觀經濟數據，搞清楚數據的口徑非常重要。以利率指標為例——宏觀經濟中有多種利率指標：國債利率、存款基準利率、貸款基準利率、銀行間拆借利率、LPR利率等。
即使銀行間拆借利率拆借利率也有N個版本。因此每一個宏觀數據都要有非常明確的限定，討論和對比才有意義。
（wind：各種口徑的銀行間同業拆借數據）
宏觀經濟數據一般每個月通過央行、統計局的網站發佈，此為最權威一手來源。一般wind（萬得）這樣的金融數據服務商會自動跟蹤，行業內默認以wind 數據為準。
重要的官方網站：
· 國家統計局
· 央行統計調查司
· 中央結算公司
中央結算公司月度發佈新開戶投資者統計，是股市冷暖（韭菜進場）的溫度計。
（中央結算公司：投資者統計）
3.
公司信息
上市公司的信息披露相對是全面，一般通過財經軟件都能查到基本信息。非上市公司的信息通過天眼查、wind全球企業數據庫等，基本可以查到全面的工商信息，尤其是股權控制信息。
例如，我們想查一下渾水做空報告中披露的瑞幸關聯公司——長盛興業的基本情況。
（天眼查示例）
4.
專題數據
專題數據是一個非常泛的概念，完全根據研究需求而定。非標準化的數據查找，沒有一定之法，往往是一個順藤摸瓜、迭代的過程。基本的原則是——不要重複造輪子。你能想到的數據，往往行業內早有人做過了，找到可靠的彙總數據，是事半功倍的做法，形形色色的券商研報就是重要的線索。
▶ 示例1：券商營收結構
如果我們想研究中國券商行業的發展情況，就需要了解券商的營收構成。在wind中找到【券商行業透視】的專題板塊，即可直接查到歷年數據。
從數據可以直接的看出，整個券商行業從2018~2019，零售經紀業務的比例從31%下降到了27%，結合歷年的比例可以看出券商營收來源多元化的趨勢。
屏幕剪輯的捕獲時間: 2020-04-13 10:00
（wind-券商行業透視）
▶ 示例2：A股投資者構成
想了解A股的投資者構成變化，就需要A股的散戶比例。通過券商研報搜索，關鍵詞"A股 散戶"：
（wind 研報平臺搜索）
從圖表可以看出來，A股的散戶投資者持倉佔比，從2014年至今是不斷下降的：從72.4%到52.5%。
（中金研報-A股投資者結構）
▶ 示例3：新冠疫情後各國的貨幣財政政策
想研究疫情後各國政府的刺激政策，就需要彙總各國的貨幣財政政策新聞。各國的政策是非標準的，動態的，沒有現成的數據庫可以查詢，在券商的宏觀週報中，往往會有政策彙總的專題。
以申萬宏源的《宏觀週報》為例，彙總了美國應對新冠疫情的2萬億財政刺激政策梳理。週報是很多券商的標配輸出，質量好的可以長期跟蹤，作為穩定的信息源。
（申萬宏源宏觀研報）
5.
實時大數據
對於動態產生的數據，用大數據爬蟲的方法獲取是最及時有效的。例如，在新冠肺炎後，對應急影響最大的變量就是復工率。官方統計發佈的復工率往往是滯後的，研究機構往往會使用互聯網的移動人口數據來推測復工率，例如：
（中信建投：復工率研究）
要注意的是，這樣的研究結果本質是二手的數據，要獲取一手數據，就要追溯到移動人口數據的源頭——百度遷徙數據（https://qianxi.baidu.com/）。
4月8日是武漢解禁的第一天，從百度遷徙大數據可以看出武漢市人口遷入、遷出的流向和規模。
（百度遷徙：武漢）
網頁上看到的可視化數據，難以直接作為研究用的數據。要獲取表格化的數據，就需要採用Python爬蟲技術了。
如何編寫爬蟲呢？這依然是一個造輪子的問題，常用的數據源在網上往往有成熟的開源代碼。例如百度遷徙數據的爬蟲代碼，可以很容易搜索到。你需要的不是從頭開始寫代碼，而是消化改造、為我所用。
更專業的代碼，還可以從代碼託管網站github上查找，有編程基礎技能的同學應該都能搞定。例如新冠疫情的實時數據：
（GitHub 新冠疫情實時數據代碼）
6.
外網數據
國外的金融事件、時政要聞，國內的二手信息往往不夠可靠，必須通過外網渠道核實。例如，我們要核實著名的KKR槓桿收購納貝斯克案的交易金額和時間。在國內某研報查到的數據是1989年、交易金額250億美元：
（某中文研報數據）
通過外網原始報道（紐約時報：HISTORY OF THE RJR NABISCO TAKEOVER）核實的信息是：1988年11月30日，KKR宣稱以248.8億美元達成對納貝斯克的收購。可見中文資訊對國外事件報道的有效性還是不夠的。
（紐約時報原始報道）
查詢外網數據，最重要的就是梯子工具，通過Google一般可以追溯到第一手的信息源，例如美聯儲官網、紐交所、納斯達克官網、世界銀行、IMF，以及其他權威媒體等。
03
總結
獲取第一手、權威的金融數據，是高質量研究的基礎。查詢數據的過程，也是不斷思考、分析、判斷的過程。數據來源清晰、嚴謹是文章報告可信度的根基。
在數據工作中，香帥老師給我的兩句指導：
1. No second tier material.
2. Check english and formal channel.
另外，專業的金融數據服務如wind是非常昂貴的，年費高達3~8萬。對於大多數人來說，沒有必要這麼專業，通過財經網站和央行等官網可以查到最常用的信息。牢記一手信息、權威渠道的原則。
轉載香帥的金融江湖
