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。这里是Oracle Express的网址：http://www.oracle.com/technetwork/database/database-technologies/express-edition/overview/index.html。为了更容易的操纵数据库Oracle SQL Developer也是少不了的，网址：http://www.oracle.com/technetwork/developer-tools/sql-developer/overview/index.html，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，网址：http://quotes.money.163.com/trade/lsjysj_600000.html?year=2014&season=4，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

listing.date

url.date1

url.date2

for (i in 1:length(SH))

{

#解析网页，得到listingdate

cat(i,'\n')

url.date

xx

posi

listing.date[i]

}

listing.date.tab

#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

market

code

url2

start

url3

end

url4

#文件的存放路径

file.path

#股票代码+发行日期，格式：CODE制表符yyyymmdd

security

code

listingdate

security.tab

for (i in 1 : length(security))

{

security.tab[i,] = strsplit(security[i],"\t")

}

for (i in 1 : dim(security.tab)[1])

{

code

start

cat(i,"\t---",code,"\n")

url

file

download.file(url,destfile=file, method="auto",quiet=T)

}

上一段代码把股票数据下载到指定的文件夹，不过数据是以个股为单位独立的存储在csv文件中的，文件名即是股票代码。成百上千的csv文件不容易导入数据库，需要把这些文件拼接成几个大文件。

“百川汇流”，导入数据库。在正式导入数据库之前需要把几千个csv文件拼接成几个大型文件。为了提高逼格(真实的原因是建立数据库的时候本人还不会Python)，这里用C++完成拼接文件的工作，其实有Python基础的读者也可以用Python来完成。文件拼接的C++程序如下，

#include

#include

#include

int main(void)

{

//处理股票数据

const int N = 1000;

ifstream fin;

vector file_list,ff;

char x[N];

string ss;

//获取要处理的文件列表

fin.open("fff.txt");

while (!fin.eof())

{

fin.getline(x, N, '\n');

ss.assign(x);

if (ss.size() > 0)

{

file_list.push_back(ss);

}

}

fin.close();

//cout<

ofstream fout, fout0,fout1,fout2,fout3,fout4,fout5;

string obj_file("x.csv"),path1("F:/download/obj/"),path2("F:/download/outh/");

for (int i = 0; i < file_list.size(); ++i)

{

cout<

int f_num = i / 500;

obj_file[0] = '0'+f_num;

fout.open(path2+obj_file,ofstream::out | ofstream::app);

fin.open(path1+file_list[i]);

bool first = true;

while (!fin.eof())

{

fin.getline(x, N, '\n');

ss.assign(x);

if (ss.size() > 0 && !first)

{

//1到1004为沪市

if (i+1<=1004)

{

ss="SH,"+ss;

}

else

{

ss="SS,"+ss;

}

ss.erase(7,1);

ss.erase(9,1);

ss.erase(12,1);

fout<

}

first = false;

}

fin.close();

fout.close();

}

}

需要解释一下，第一步获取要处理的文件的文件名列表，前半部分为沪市，后半部分为深市，列表存放在fff.txt文件(获取文件名列表可以用R中的dir函数)。第二步把所有文件转移到同一个文件夹下，运行C++程序处理文件，将文件归并到6个文件中。拼接的同时，在数据中增加了“市场”字段，SH表示沪市，SS表示深市。数据的日期格式因该是yyyymmdd，C++代码中已经通过ss.erase()调整过了。

文件拼接完成之后，按照数据的存储形式在Oracle中建立相应的“表”，在用SQL Developer将拼接好的csv文件中的数据导入Oracle就可以了，这完全是数据库操作，不再赘述。

做完上面几步就完成了股票数据库的建立，胜利收官。同理，举一反三地可以建立股票指数数据库。下面讲一下注意事项：

1.在数据下载的时候可能遇到打不开下载链接的情况，这时候R程序会报错并停止，这时候需要人工的跳过这个链接，重新运行程序，直接进入下一步的循环，所以下载的时候人工监控是少不了的。

2.建议用最新版的R运行程序，之前的版本在下载文件时存在内存溢出的现象，在下载几百个文件之后会因为内存不足而强行终止运行。

3.在数据导入数据库之后建议人工检验一下每一个字段，把存在空值的行删掉。

最后借助RODBC包把Oracle和R连接起来，给出一个数据分析的例子，计算一下浦发银行600000和上证指数000001之间的线性关系，R代码如下，

rm(list=ls())

library(RODBC)

channel

sql1

where

dates in

(

SELECT dates FROM idx where code='000001'

INTERSECT

SELECT dates FROM security where code='600000'

and

close > 0

and

dates >= to_date('20100101', 'yyyymmdd')

)

and

code = '000001'

order by dates asc"

sql2

where

dates in

(

SELECT dates FROM idx where code='000001'

INTERSECT

SELECT dates FROM security where code='600000'

and

close > 0

and

dates >= to_date('20100101', 'yyyymmdd')

)

and

code = '600000'

order by dates asc"

i000001

head(i000001)

s600000

head(s600000)

t

s

i

plot(i, s, pch = 20, xlab="000001", ylab="600000")

capm.lm

abline(coef = capm.lm$coe, co="red", lwd=2)