# 美股历史数据获取：Yahoo Finance 转 Zorro 回测格式


## 背景

用 Zorro 做策略回测，需要 T6 格式的历史数据。Zorro 自带的数据源有限，我常用的几个标的（SPY、VIX、HYG 等）不在其中，只能自己动手准备。

我的需求很简单：获取美股日线数据，转成 Zorro 能用的格式。

数据源选择 Yahoo Finance，免费且覆盖面广，虽然数据质量不算高，但用来验证策略原型已经足够。

整个流程分两步：

1. 用 Python 下载历史数据，保存为本地 CSV 文件。
2. 用 lite-C 脚本把 CSV 转成 T6 历史文件。

## 第一步：Python 下载数据

用 `yfinance` 库下载，保存调整后的 OHLCV 数据。完整脚本如下：

```python
"""
从 yahoo finance 下载美股日历史数据。
将调整 ohlcv 保存到指定本地目录。
"""
import os
import time
import warnings

import yfinance as yf
import pandas as pd

warnings.filterwarnings("ignore")

# ==================== 参数配置 ====================
TICKERS = ["SPY", "^VIX", "^VIX3M", "HYG", "IEF"]  # 股票代码
START_DATE = "2000-01-01"  # 格式: YYYY-MM-DD
END_DATE = ""              # "" 表示最新
OUTPUT_DIR = "Log"         # 输出目录（相对目录，默认根目录是zorro主目录）

PROXY_ENABLED = False      # 是否使用代理
PROXY_HOST = "127.0.0.1"   # 主机地址
PROXY_PORT = 7890          # 代理端口
# =================================================

def fetch(ticker: str) -> pd.DataFrame:
    if PROXY_ENABLED:
        yf.config.network.proxy = f"http://{PROXY_HOST}:{PROXY_PORT}"

    df = yf.download(
        ticker,
        start=START_DATE,
        end=END_DATE or None,
        interval="1d",
        auto_adjust=True,   # 仅输出调整后 ohlcv
        progress=False,
        threads=False,
        multi_level_index=False,
    )
    return df

def save_csv(out_dir: str, ticker: str, df: pd.DataFrame) -> str:
    # 部分股票代码包含前缀"^"，删除，确保存储格式一致
    filename = ticker.lstrip("^")
    path = os.path.join(out_dir, f"{filename}.csv")
    df = df[["Open", "High", "Low", "Close", "Volume"]]
    df.index = df.index.tz_localize(None)
    df.to_csv(path, header=True, float_format="%.4f", date_format="%Y-%m-%d")
    return path

def main():
    root = os.path.dirname(os.path.dirname(os.path.abspath(__file__)))
    out_dir = os.path.join(root, OUTPUT_DIR)
    if not os.path.isdir(out_dir):
        os.makedirs(out_dir)

    for ticker in TICKERS:
        print(f"Downloading {ticker} ...")
        try:
            df = fetch(ticker)
        except Exception as e:
            print(f"  FAILED: {e}")
            continue

        path = save_csv(out_dir, ticker, df)
        print(f"  SUCCESS: {len(df)} bars -> {path}")

        if len(TICKERS) > 1:
            time.sleep(1)  # 限制请求

if __name__ == "__main__":
    main()
```

要点说明：

- `auto_adjust=True`：输出复权后的价格，省去自己处理分红拆股。
- 文件名处理：指数代码带 `^` 前缀（如 `^VIX`），保存时去掉，保证文件名统一。
- 请求间隔：多个标的循环下载时，每次停顿 1 秒，避免请求过快。

![python output](image_01.png)

## 第二步：Zorro 转换为 T6

CSV 不是 Zorro 的原生格式，回测前要转成 T6 历史文件，需要创建 lite-c 脚本，脚本如下：

```c
// 将 yahoo finance 日历史数据转化为 t6 历史文件

// csv 行字段格式，dataParse 函数按照指定格式解析行数据
// +：csv 按升序排列，解析后的历史文件按降序排列
// %Y-%m-%d：日期格式
// f3:开盘价；f1:最高价；f2:最低价；f4:收盘价；f6:成交量
// 默认跳过表头行
// csv 示例：
// Date,Open,High,Low,Close,Volume
// 2000-01-03,92.6650,92.6650,89.9304,90.9070,8164300
// 2000-01-04,89.7155,90.0476,87.2837,87.3520,8089800
string Format = "+%Y-%m-%d,f3,f1,f2,f4,f6";

// 要转换的资产id，用逗号分隔
string Symbols = "SPY,VIX,VIX3M,HYG,IEF";

// csv 文件目录（相对目录）
string InputDir = "Log";

// t6 历史文件目录
string OutputDir = "History";

function main()
{
    int n = 0;
    string Symbol = strtok(Symbols, ",");
    while(Symbol) {
        printf("\n[%d] Process %s", ++n, Symbol);

        string InputPath = strf("%s\\%s.csv", InputDir, Symbol);
        string OutputPath = strf("%s\\%s.t6", OutputDir, Symbol);

        if(!file_date(InputPath)) {
            printf("\n[%d] File not found: %s", InputPath);
            Symbol = strtok(0, ",");
            continue;
        }

        dataNew(1, 0, 0);
        int Records = dataParse(1, Format, InputPath);
        if(!Records) {
            printf("\n[%d] Failed to parse csv!", n);
            Symbol = strtok(0, ",");
            continue;
        }
       	printf("\n[%d] Loaded %d lines", n, Records);

        dataSave(1, OutputPath);
       	printf("\n[%d] Save to %s", n, OutputPath);
        Symbol = strtok(0, ",");
    }
}
```

核心逻辑是调用`dataParse`和`dataSave`函数，`Format` 字符串定义了 CSV 的解析规则：

- `+`：CSV 按日期升序排列，转换后按降序存储，这是 zorro 要求的。
- `%Y-%m-%d`：日期格式。
- `f3,f1,f2,f4,f6`：分别是开盘，最高，最低，收盘，成交量，对应 CSV 的列位置。
- 表头行默认跳过，不用额外处理。

脚本会遍历 `Symbols` 里的每个标的，找到对应 CSV，解析后保存到 `History` 目录。

![zorro output](image_02.png)

## 使用步骤

1. 把 Python 脚本放到 Zorro 主目录下的子目录里，运行它，生成 CSV 文件（自己管理 python 环境）。
2. 把 Zorro 脚本放入 Zorro 主目录，编译并运行。
3. 到 `History` 目录确认 T6 文件是否生成。

## 注意事项

- CSV 文件名必须和 `Symbols` 里的名称一致。比如 `^VIX` 下载后存为 `VIX.csv`，`Symbols` 里就写 `VIX`。
- 如果某个 CSV 缺失或解析失败，脚本会跳过它，继续处理下一个，不会中断。
- 目录路径是相对 Zorro 主目录的。如果放别处，改 `InputDir` 和 `OUTPUT_DIR` 即可。

## 小结

处理流程包含两步：Python 负责下载，Zorro 负责转换。数据质量虽一般，但足够验证策略原型。原型验证通过后，再换更高质量的数据源进行深度测试和优化。


---

> 作者: [量化炼金](https://codealchemy.blog.csdn.net/)  
> URL: http://localhost:1313/posts/us-stock-data-zorro/  

