金融数据一直是数据分析的重要数据来源，要做金融数据分析一定要有一个金融数据库，这篇博文就来教大家如何在自己的PC上建立一个简易金融数据库。
“工欲善其事，必先利其器”，建立数据库首先要有一个数据库软件，这里选择的是行业翘楚Oracle。幸运的是，Oracle学微软的那一套，推出了一个免费但功能有限的Oracle Express版本，虽然是功能有限但对基本的数据库操作足够了。为了更容易的操纵数据库Oracle SQL Developer也是少不了的，读者可以根据网站的介绍下载安装这两款软件，这里不再赘述。
“水有源，树有根”，没有数据源的数据库只是一个空的容器。这里把沪深两市的股票交易数据作为数据源，下面介绍如何获得这些数据。
第一步，获得股票代码。交易所网站是获得股票代码最可靠的来源，这里给出网址，深交所：http://www.szse.cn/main/marketdata/jypz/colist/；上交所：http://www.sse.com.cn/assortment/stock/list/name/。读者可以将这些代码分别复制保存在两个文件内，这里不再赘述。
第二步，寻找网络数据源。有些大型网站提供股票数据的下载服务，比如163。这里举一个例子，在163官网的股票板块查询浦发银行（600000），可以顺藤摸瓜找到浦发银行的历史交易数据，点击旁边的“下载数据”按键就可以下载数据了，数据以csv表格的形式存储。
第三步，自动化下载数据，这也是最复杂的一步。沪深两市的可交易股票有几千只，这些股票的数据完全由人工点击网页下载是不现实的，需要实现自动化下载。这里演示如何用R语言实现数据自动下载。在第二步点击“下载数据”按键下载数据的过程中可以得到下载数据的网址，这个网址是实现自动化下载的关键。打开第二步中的网页下载数据，如果使用的是360浏览器，在下载工具中可以得到下载链接，如下图，
如果使用的是火狐浏览器，可以在下载管理器中找到下载的文件，右键“复制下载链接”，如下图，
获得了下载链接后，下面分析一下链接的组成。刚才获得的链接是：http://quotes.money.163.com/service/chddata.html?code=0600000&start=19991110&end=20141231&fields=TCLOSE;HIGH;LOW;TOPEN;LCLOSE;
CHG;PCHG;TURNOVER;VOTURNOVER;VATURNOVER;TCAP;MCAP，关键字一目了然，600000是股票代码；如果下载一个深市的股票可以发现，股票代码前的0表示沪市，1表示深市；19991110表示开始日期（下载时可以选择是上市日还是发行日，不过这里推荐用上市日），20141231表示截止日期；剩下的都是具体的数据项目。
新的问题来了，截止日期可以统一确定，上市日期却不能，必须分别获取股票的上市日期。来到网页http://quotes.money.163.com/trade/lsjysj_600000.html#01b07，这是查询数据前的状态，右键“查看网页源代码”，搜索一下“上市日”，可以发现“上市日”前面有一段代码“value="1999-11-10"”，这就是上市日。
根据网页的特征，可以用R语言自动化的分析网页内容，获得上市日数据，代码如下,
#下载股票上市日期 #download the listingdate of one security library(RCurl) SH <- readLines("SH.txt")#获取证券代码列表 listing.date <- vector(length = length(SH)) url.date1 <- "http://quotes.money.163.com/trade/lsjysj_" url.date2 <- ".html#01b07" for (i in 1:length(SH)) { #解析网页，得到listingdate cat(i,'\n') url.date <- paste(url.date1, SH[i], url.date2, sep="") xx <- getURL(url.date) posi <- regexpr("上市日",xx) listing.date[i] <- substring(xx,posi[1]-13,posi[1]-4) } listing.date.tab <- data.frame(code=SH,listingdate=listing.date,stringsAsFactors=FALSE) #输出 write.table(listing.date.tab,file="xxx.txt",sep="\t",quote=FALSE,row.name=FALSE) 把下载好的数据按照市场分开，分别保存到txt文件即可，这里不再赘述。保存好的数据要稍微处理一下，日期的格式调整为yyyymmdd，write.table会把数据框的“列名”打印出来，列名也是要去掉的。 有了股票代码和上市日期数据就可以自动化下载数据了，最好深市沪市分开进行，存在不同的文件夹下，R代码如下， #下载股票数据 library(RCurl) #http://quotes.money.163.com/service/chddata.html?code=0600030&start=20030106&end=20140920&fields=TCLOSE;HIGH;LOW;TOPEN;LCLOSE;CHG;PCHG;TURNOVER;VOTURNOVER;VATURNOVER;TCAP;MCAP url1 <- "http://quotes.money.163.com/service/chddata.html?code=" market <- "1" # 1:深市，0:沪市 code <- "000003" url2 <- "&start=" start <- "19900101" url3 <- "&end=" end <- "20140920" url4 <- "&fields=TCLOSE;HIGH;LOW;TOPEN;LCLOSE;CHG;PCHG;TURNOVER;VOTURNOVER;VATURNOVER;TCAP;MCAP" #文件的存放路径 file.path <- "F:/download/SS/" #股票代码+发行日期，格式：CODE制表符yyyymmdd security <- readLines("SS.txt") code <- vector(length = length(security)) listingdate <- vector(length = length(security)) security.tab <- data.frame(code, listingdate, stringsAsFactors=FALSE) for (i in 1 : length(security)) { security.tab[i,] = strsplit(security[i],"\t") } for (i in 1 : dim(security.tab)[1]) { code <- security.tab$code[i] start <- security.tab$listingdate[i] cat(i,"\t---",code,"\n") url <- paste(url1,market,code,url2,start,url3,end,url4,sep="") file <- paste(file.path,code,".csv",sep="") download.file(url,destfile=file, method="auto",quiet=T) } |
