数据的检索查询（search）是研究（research）的基础，这篇文章总结一下我在日常工作中的金融数据查询的基本方法。

  · 专题统计数据，根据研究目标而定的数据需求，例如A股的散户比例、各国的货币、财政政策等；

  其中宏观数据、行情数据、公司信息等都是标准化的，重点是找对渠道，认准数据的口径。从数据的频率上来区分，宏观经济数据往往是月度、季度发布的，称为低频数据；而金融行情数据是实时的，在交易日的每分每秒都更新，是高频数据。

  专题统计数据的获取没有确定的方法，如果存在有可靠的专题统计，那么万事大吉，否则就需要统计整理的工作。

  实时大数据则是最有时效性、很有含金量的部分。数据爬虫的技术本身不算复杂，重点是拿到人无我有的数据，才能挖掘独有的价值。此外，还有一些国外的金融数据，需要在外网权威渠道查询。

  金融行业数据，大多数炒股、买基金的朋友基本都会，没有特别的技术。值得一提的是，2020年以来全球金融市场极度动荡，全球多种金融实物资产有必要放在一起看，包括美股、美债收益率、股指期货、VIX恐慌指数、COMEX黄金等，才能对金融市场的变化有整体的感知。

  宏观经济数据体现着国家经济活动的冷热，对经济冷热的感知直接影响我们投资的决策。要做好宏观经济数据的查询、整理，要具备基本的宏观经济知识，准确理解经济指标的意义。

  查询宏观经济数据，搞清楚数据的口径很重要。以利率指标为例——宏观经济中有多种利率指标：国债利率、存款基准利率、贷款基准利率、银行间拆借利率、LPR利率等。

  即使银行间拆借利率拆借利率也有N个版本。因此每一个宏观数据都要有非常明确的限定，讨论和对比才有意义。

  宏观经济数据一般每个月通过央行、统计局的网站发布，此为最权威一手来源。一般wind（万得）这样的金融数据服务商会自动跟踪，行业内默认以wind 数据为准。

  上市公司的信息公开披露相对是全面，一般是通过财经软件都能查到基础信息。非上市公司的信息通过天眼查、wind全球企业数据库等，基本能查到全面的工商信息，尤其是股权控制信息。

  例如，我们想查一下浑水做空报告中披露的瑞幸关联公司——长盛兴业的基本情况。

  专题数据是一个非常泛的概念，完全根据研究需求而定。非标准化的数据查找，没有一定之法，往往是一个顺藤摸瓜、迭代的过程。基本的原则是——不要重复造轮子。你能想到的数据，往往行业内早有人做过了，找到可靠的汇总数据，是事半功倍的做法，形形的券商研报就是重要的线：券商营收结构

  如果我们想研究中国券商行业的发展状况，就有必要了解券商的营收构成。在wind中找到【券商行业透视】的专题板块，即可直接查到历年数据。

  想了解A股的投资者构成变化，就需要A股的散户比例。通过券商研报搜索，关键词“A股 散户

  想研究疫情后各国政府的刺激政策，就需要汇总各国的货币财政政策新闻。各国的政策是非标准的，动态的，没有现成的数据库可以查询，在券商的宏观周报

  以申万宏源的《宏观周报》为例，汇总了美国应对新冠疫情的2万亿财政刺激政策梳理。周报是很多券商的标配输出，质量好的可以长期跟踪，作为稳定的信息源。

  对于动态产生的数据，用大数据爬虫的方法获取是最及时有效的。例如，在新冠肺炎后，对应急影响最大的变量就是复工率

  百度迁徙数据（）。4月8日是武汉解禁的第一天，从百度迁徙大数据能够准确的看出武汉市人口迁入、迁出的流向和规模。

  如何编写爬虫呢？这依然是一个造轮子的问题，常用的数据源在网上往往有成熟的开源代码

  更专业的代码，还可以从代码托管网站github上查找，有编程基础技能的同学应该都能搞定。例如新冠疫情的实时数据：

  国外的金融事件、时政要闻，国内的二手信息往往不够可靠，一定要通过外网渠道核实

  获取第一手、权威的金融数据，是高质量研究的基础。查询数据的过程，也是不断思考、分析、判断的过程

  另外，专业的金融数据服务如wind是非常昂贵的，年费高达3~8万。对于大多数人来说，没有必要这么专业，通过财经网站和央行等官网可以查到最常用的信息。牢记一手信息、权威渠道的原则。