兵马未动粮草先行，一件事儿的准备工作，和做好这件事本身几乎一样重要。

什么是基金分析系统的粮草呢？当然就是数据了。既然是分析基金的，那基金从哪里来，基金数据有哪些，这些是第一步要搞定的事儿。

数据的来源很多，最常见的就是大家都用过的数据终端产品了，专业的数据终端一般有wind，iFinD，Choice，我们经常看到一些大V文章，里面的各种表格数据，多数都是从这里提取的；各家券商交易端或多或少也能看到或者导出一些数据；此外还有一些开放的PythonAPI接口，里面也能提取到数据。但如果要搭建系统，手工从Choice这样的终端导出数据就不太合适了，毕竟数据要一个个的导出为excel，再在excel里面手工操练一堆的步骤，数据更新了又要重搞一遍，费时费力；API接口呢，也不理想，每次用数据都要调用一遍接口，数据量大了肯定就很慢，就算把历史取到的数据缓存到了本地，如果历史数据发生变化，其实是无从得知的。那怎么正规的干这件事呢，答案就是金融数据库。

我们以后使用的数据的载体（形式）是关系型数据，sqlserver，oracle或者mysql，在我们的本地。数据提供商通过同步程序，把他们那加工好的数据源源不断的推送到我们本地。如果历史数据有变更，供应商会推送这部分变更的数据，覆盖我们本地的数据。用我们自己策略算出来的衍生数据，也是一样的存在数据库中。很早些年前，用SAS，matlab干策略的时候，一些分析师会把自己算的中间结果保存为文件，一步步调用的时候就一步步的读文件，再写新的文件，这些文件格式不标准，也不利于复用。而存在数据库中的数据，在这方面就要好的多。市场上的主流金融数据提供商（泛指股、债、基、资讯等数据都比较平衡的，聚焦在单一标的上的厂商先不算在内）的有wind，聚源，同花顺，其他还有东财，财汇，巨灵，巨潮等。

先说wind（万得），国内数据的巨无霸，它最强的是终端，买方卖方几乎人手一个账号，单独终端账号一年就好几万，如果需要EDB数据，API接口，就更贵。放个历史的报价单吧：

WFT就是普通终端，要EDB的话，得+钱；要API的话，还得+钱~当然，这也是正常的，毕竟功能多了嘛，付费是为了供应商更好的成长嘛^_^。

但咱今天不说它的终端，说说它的数据库，特点还是一个字：贵。但有什么好处呢，因为它终端使用的机构非常非常多，也就是给它挑错的人很多，所以相应的，数据质量可能就好一些；或者换个角度说，它可能成为一种事实上的数据benchmark，如果你用了别的数据提供商的数据给你的客户提供服务，某个指标的值和wind不同，你的客户如果发现了，第一个反应是，“你的数据和wind的不同，你一定是错了”，哪怕事实是相反的。没错，wind在国内就是这么牛。不过由于wind的强势，以及更强势的每年涨价策略，它的终端份额近期被同花顺抢走了不少。下面是wind数据库的数据字典：

可以看到，wind不但在数据上防着被人抄袭，就连数据字典也是一样，上图马赛克的部分是因为它打了很多登陆账号的水印，我就粗糙点给全部抹掉了。因为截图还要去掉水印，下面就不放wind的表结构截图了。wind库相比后面提到的两者，还有个不太好描述的优点就是使用起来舒服，怎么个舒服法呢，比如如果你要查宁德时代的行情，在wind里面只要：

select*fromAShareEODPriceswhereS_INFO_WINDCODE=.SZ

就可以了，用股票的自己代码从一张表查询数据即可。

如果是下面提到的聚源，这件事情就要从2个表关联查询，

selects.SECUCODE,s.SECUABBR,q.*

fromQT_DAILYQUOTEqinnerjoinSECUMAINs

onq.INNERCODE=s.INNERCODE

wheres.SECUCATEGORY=1ands.SECUMARKETin(83,90)

ands.SECUCODE=

这个是个小小的优点，如果我们查科创板股票行情，

select*fromAShareEODPriceswhereS_INFO_WINDCODE=.SH

还是相同的表，相同的查询语句，可是要在聚源里面查就麻烦了，因为聚源把科创板的这波票的数据，从行情，到财务数据各种，单拉了一块出来，所以科创板的行情表与A股（其实也包括科创啦）居然不在同一个表里面：

selects.SECUCODE,s.SECUABBR,q.*

fromLC_STIBDAILYQUOTEqinnerjoinSECUMAINs

onq.INNERCODE=s.INNERCODE

wheres.SECUCATEGORY=1ands.SECUMARKETin(83,90)

ands.SECUCODE=

A股的行情在QT_DAILYQUOTE表，科创行情在LC_STIBDAILYQUOTE表。看起来也没啥，但是如果你要算股票因子，要从N多张财务数据的表，取各种指标，就头疼了，相当于每个因子要算两遍。就比如算个PE吧，先要判断是不是科创板股票，如果是，price从K1表取，eps从K2表取；然后如果不是科创板股票，price从A1表取，eps从A2表取....看出差别了吧，蛋疼。可能也是被客户diss的多了，后来聚源做了批DZ_*开头的表，把两波表合并了，但也不是所有的表都有对应的DZ_*表，遇到一些小众指标时，你还得按照股票板块，从两个表取数据。除此以外，wind在行情表里面直接放了后复权价格，这样算股票（区间）涨跌就很方便了。聚源也能做，不过要再关联一张复权因子表，取到那个表里面的复权因子，再和普通的收盘价乘起来。也没有太复杂，但毕竟多做一步。

其次，来看看近2年上升势头很猛的同花顺，如果你炒股，一定知道它。但这里要说的不是它的交易端，很多券商的交易端都是套壳的同花顺或者通达信，我们要说的是同花顺的iFinD数据终端，

左侧那个树，就是非常有名的EDB（EconomicDatabase）。wind里面这个模块是要另外收费的。iFinD里面的数据非常非常非常多，界面也很漂亮。我不太理解，很多券商其实套壳的同花顺，可做的还是很丑陋。这个终端和券商（套壳）有啥区别呢，差别就在更专业的数据上。比如说华泰证券，它有很多不同的终端版本，底层是同花顺版本对应华泰证券专业版3，底层是通达信版本对应华泰证券高级版，我们打开华泰证券专业版3（同花顺版本的），输入，这是中证偏股基金指数，是评价基金时候非常常用的一个benchmark，

华泰这个终端虽然是同花顺壳，但它里面是没有这个数据的。现在看看iFinD终端，

就有这个指数。当然，大家说的更多的，这个是wind编的偏股基金指数，所以iFinD上也是没有的，只在wind上有。不过中证指数公司更官方，所以个人还是喜欢.CSI，至少很多终端上都有它，而且它是市值加权的，更接近真实情况。是等权的，而等权，做过量化策略就知道，其实是很难战胜的。

今天的主角是数据库，不是终端，所以我们看下同花顺数据库的数据字典（首页），

左侧的那些是表中文名，右侧就是表列，及数据说明，它的基金数据有这些：

左边是分类，比如我们最最最多用到的基金净值数据，

就在类别下面，右侧就是它的表结构了，如果我们想查一个基金的净值，只需要写一个sql语句：

select*fromfund_net_valuewherefund_code=xxxxxxorderbyeddesc;

它也会基于净值算很多衍生数据，像教科书指标，排名，同类对比等，

在这就能看到它提供的各种衍生数据。

还可以“投资组合”里面，看基金买的股票、债券等详细信息：

最后，聊下恒生聚源。它也有终端，但可以等同于没有。因为机构用户，绝绝绝（此处没有结巴）大多数用的都是wind和iFinD。聚源与同花顺、wind比一个明显的劣势就是EDB指标的缺乏，虽然也有，但很少。wind是国内EDB指标最多最全的，同花顺后来者居上，大致达到了wind七成（个人估计，不对此负任何责任）的水平，聚源就更弱点了，估计只有同花顺的7成水平。这里就要提提为什么EDB指标这么重要了，机构客户用终端产品，各种行情（股票，债券，基金，商品，指数）这叫做基本盘，必须有；各种财务数据（上市公司财报，盈利预测，基金季报，债券估值）这些还是基础，也是必须有。那在哪块竞争呢，就是EDB，各种你想的到的，想不到的指标，都要有！指标不全的话，我怎么在Excel里面构建我的模型呢？哪怕个指标，就1个没有，也没法用，我的excel插件总不能99个指标从聚源取了后，剩下的1个取不到怎么办，这活没法干了。另外，聚源不像东方财富（Choice）有很多的C端流量，所以虽然它的数据体量对散户而言绝对是降维打击，但是no流量，nomoney。

虽然它的终端一般，但数据库那是真的强。机构客户至少半壁江山（谦虚的说。也不透露太多具体信息了）的数据库市场是聚源的。我们先看看聚源数据字典的首页：

这个首页，讲真，比同花顺的清楚。左侧有哪些类型的数据一目了然，右侧还有个全局的大图。这里只说说基金的：

也很清楚，分成了基础数据和衍生两块。

很多人写文章引述的一个基金经理自购比例，

就出自上表。

此外，分析基金过程中和净值几乎同等重要的，就是基金持仓：

一季度，三季度是十大重仓股，二季度，四季度先披露季报，然后有个半年报和年报会披露全持仓。十大重仓是季频的，全持仓是半年频的，虽然频率很低，但它却是各种持仓补全算法的基础。做业绩归因，也必须依赖它。

再比如公募基金仓位，

多数人重点看的还是权益资产仓位。在熊市或者牛市前期，基金经理能不能把仓位降下去或者提上来（只针对灵活配置型基金），择时能力强不强，就看这个表了~这个数据是季频的，它是各种回归算法对齐，或者说检验误差的benchmark。

衍生表就更多了，如果想做，可以无穷无尽的做下去，光是基金经理有关的表，

就有这么多。如果偷懒，买个库表来直接做终端足足够用~

除此以外，但凡是基金季报里面披露的数据，供应商基本都会收录，比如说加权平均净值利润率，衡量期间基金的盈利能力，常用来表征投资者真实感觉到的收益率，在基金季报的这个位置：

聚源是收录在这个表中的：

公募基金的数据比股票少太多了，搞来搞去就只有净值，季报，路演，纪要等，所以供应商收录的还是比较全的。想要做基金分析，先找份基金的年报完整的看一遍，对里面犄角旮旯的数据指标先有个感官认识，然后对着某家数据供应商的基金数据字典再捋一遍，分析中有哪些指标、维度就有个初级的理解了。

常规金融数据库三巨头说完了，其实还有不少好的供应商。巨潮，天子门生（深交所旗下的）。巨灵有个特点是便宜，真的很便宜。东财的Choice终端普及率也蛮高了。财汇早就被大智慧收购了，它的债券数据做的很牛。

但是等会，上面提到的都是公募基金，私募这块市场呢，还有两家非常厉害的选手，就是私募排排和朝阳永续，它们都有很强的私募数据库产品（好买基金好像没有数据库对外卖的）。虽然上面提到的三家厂商也有私募数据，但如果真打算分析私募，还是建议直接买更专业选手的产品。私募不像公募那样必须定期披露季报、按日披露净值，也就是约束少，收集私募的数据非常困难，单一个对公募而言非常普通非常简单的净值吧，私募的净值就会有各种意想不到的情况发生。私募多数周频披露净值数据，但是哪天披露，不一定。周一到周日都行，还不固定，可以本周周三披露，下周周四披露~。还有比周频更长的披露间隔，或者披露2周，停一周，继续披露。这个事儿就比较麻烦，比如说算个区间收益率，大家净值头尾都对不齐，你说咋整。再比如比较30个产品吧，结果10位大哥是每周二披露的净值，10位大哥是每周四披露的净值，还有10位大哥是一周披露2次，每周一和每周五都披露净值。说到这是不是觉得私募忒难搞了？其实是也不是，我搞了N年的私募分析，确实大把的时间都在想法规整这些不规则的数据，以及处理各种意想不到的数据问题，但看的多了，也有套方法把它们摁的老老实实的；但和公募比，私募又是简单的，因为它只有净值呀！顶多再加个尽调撑s了。公募有季报，持仓，持有人结构，FOF配了多少，基金经理还经常出来路演，访谈的纪要，各种乱七八糟的数据一大堆。

最后，如果我们有雄心壮志，想做一个更的基金分析系统，除了公募、私募外，还要考虑未来兼容银行理财，券商资管，甚至信托的数据是不？资管新规之后，这些类型的产品都奔着净值化的道路去了，未来和基金的形式是一样的了。拿银行理财来说，你可能又得去买普益标准的数据库，接入他们的数据，那我们手上的公募，私募，银行理财，券商资管的净值（及其他财务类指标）数据就来自四家数据供应商，每家都有自己独特的唯一key，它们的数据怎么用，怎么混在一起用，到后面的具体章节再和大家细说。

下期见~