企业官网建设流程全解析

做商品期货量化的人，几乎都绕不开交易所公开的日度行情文件。今天这篇“量化投资从0开始”系列第15篇，我拿郑商所每天收盘后发布的日统计数据来拆一拆。这个文件是研究国内商品期货最“朴素”也最可靠的数据源之一，甚至不夸张地说，很多看起来复杂的量价因子、仓位因子、情绪指标，最后都能从这份纯文本文件里倒推出来。我身边不少做CTA和跨期套利的同行，每天下午固定时间要干的头一件事，就是把它拉到本地，跑一遍更新流程。后面我们就从文件结构、下载方式、字段语义、因子构造到常见坑，完整过一遍。

1. 郑商所日统计数据到底是什么

1.1 这份数据解决了什么问题

郑商所的全称是郑州商品交易所，国内四大期货交易所之一，主要上市品种是农产品和部分化工品，比如白糖、棉花、菜粕、PTA、甲醇、玻璃、纯碱这些。每个交易日收盘之后，交易所会把当天所有合约的成交、持仓、价格信息汇总，整理成一个固定格式的TXT文本，放到官网上，这个就是日统计数据。

从量化角度来说，它能解决一个很基础也很头疼的问题：统一、规范、免费的历史行情怎么来。市面上很多商业数据源要花钱，而且字段封装得五花八门；交易所官网这份文件虽然是“裸数据”，但它的字段定义是交易所官方口径，用来做因子回测和策略校准，天然就是权威参考。

另一个容易被忽视的作用是数据对齐。你做跨品种套利、跨期套利、或者算涨跌停价格，收盘价、结算价、涨跌、持仓量这些字段必须在一个统一的文件里对齐。郑商所这份日统计表恰好就是按“品种+合约+日期”粒度输出的，拉下来直接就能当底表用。

1.2 能用来做什么，适合谁

有这个文件在手，你可以做三件很典型的事：

• 维护自己的日线数据库，替代或者校验商业数据源；
• 计算持仓变化、成交量变化、结算价与收盘价乖离等基础因子；
• 做合约换月、主力连续合约拼接、跨期价差分析的前置数据清洗。

所以这个系列面向的对象很明确：已经会一点Python和Pandas，想开始接触国内商品期货量化的朋友。如果你完全没碰过期货，也没关系，只要理解“每天交易所发布一张表，我们把表读进来变成DataFrame”，后续的事情就顺理成章了。我自己最早接触国内品种数据，就是从这种TXT文件开始的，当时觉得丑，后来觉得是真香。

2. 文件格式、下载地址与字段语义

2.1 文件存放规律与真正的下载地址

郑商所官网公布的历史数据，走的是静态文件方式，路径规律非常工整：

http://www.czce.com.cn/cn/DFSStaticFiles/Future/YYYY/YYYYMMDD/FutureDataDaily.txt

其中 YYYY 是年份，YYYYMMDD 是交易日。比如你想下载2024年6月26日的数据，URL就是：

http://www.czce.com.cn/cn/DFSStaticFiles/Future/2024/20240626/FutureDataDaily.txt

这个规律的好处是：你不需要解析网页、不需要登录、不需要接口文档，只要用一个循环把日期拼出来，就能批量拉历史数据。坏处是：它确实“太裸”了，文件头、编码、字段宽度都可能因为网站改版而变化，我后面会专门讲怎么避坑。

另外，郑商所还有一种带查询参数的历史数据下载方式，用reqDate参数去取，但那个接口往往只保留最近一段时间的记录，而且字段格式在不同年份也有过调整。日常使用我最推荐的就是上面的静态文件地址，稳定性足够好。

注意：下载时一定要用HTTP的GET请求，同时建议在请求头里带一个正常的 User-Agent，有些时候反爬策略会拦截空UA的请求。别问我是怎么知道的。

2.2 TXT文件内部长什么样

下载回来后，它是一个TXT文本，从最表面看，内容大致是：

品种代码 品种名称 合约代码 前结算价 今开盘 最高价 最低价 今收盘 结算价 涨跌1 涨跌2 成交量(手) 持仓量(手) 持仓量增减 成交额(万元) 交割结算价 SR 白糖 SR607 5301 5301 5301 5301 5301 5301 0 0 0 0 0 0.00 5301 ... 交易所公告：...

注意，不同年份这个文件头可能不同，有些版本前面会多个几行说明，有些版本列名会变成中文逗号分隔。所以写解析脚本时，不建议写死表头在第几行，而是应该先读前几行，找到真正的列名行，再往下解析。

数据字段里，最要命的三个字段是“结算价”“今收盘”“涨跌1/涨跌2”。很多人刚上手会默认“今收盘”就是当日结算依据，其实不是。国内商品期货的当日盈亏结算，用的是该合约当日成交价格按成交量加权计算出来的“结算价”，它和收盘价经常有几十个点的差异。

2.3 各字段的量化用途

下面这张表是我自己整理的重点字段速查：

我给一个具体的例子。假设你想识别“放量增仓上涨”的合约，那你要看的就是：

• 涨跌1 > 0；
• 成交量较过去5日均值放大；
• 持仓量增减 > 0。

这三条，用这份文件里的字段直接就能算，不需要任何外部数据。

2.4 一个容易搞混的交易日概念

郑商所有夜盘交易，比如白糖、PTA、甲醇这些品种，夜盘是晚上21点到23点。夜盘结束后，数据在会计上归属于下一个交易日。举个例子，周五晚上的夜盘成交，会算进下周一的日统计数据里；周一夜盘才算周二的。这个如果不注意，你自己做“按天聚合”的时候，就会把周五夜盘和周五日盘混在一起，导致因子值序列错乱。

3. 实操过程：从零写一个郑商所日统计解析器

3.1 环境准备

我这里默认用的是 Python 3.9+ 和 Pandas 1.5+，如果你还没有装，直接pip install pandas requests就行。后面所有代码我不整复杂框架，一个脚本打到尾，方便你复制出去改着用。

3.2 第一步：下载当日的TXT文件

先写一个下载函数。核心就是把日期拼进URL，然后加个重试和保存逻辑。

import requests import time from pathlib import Path def download_czce_daily(trade_date: str, save_dir: str = "./data") -> Path: """ trade_date: 格式 YYYYMMDD，例如 '20240626' """ year = trade_date[:4] url = ( f"http://www.czce.com.cn/cn/DFSStaticFiles/Future/" f"{year}/{trade_date}/FutureDataDaily.txt" ) headers = { "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) " "AppleWebKit/537.36 (KHTML, like Gecko) " "Chrome/120.0 Safari/537.36" } Path(save_dir).mkdir(parents=True, exist_ok=True) local_path = Path(save_dir) / f"{trade_date}.txt" # 简单重试三次 for attempt in range(3): try: resp = requests.get(url, headers=headers, timeout=10) if resp.status_code == 200: resp.encoding = "utf-8" local_path.write_bytes(resp.content) return local_path else: print(f"[{trade_date}] HTTP {resp.status_code}") except Exception as e: print(f"[{trade_date}] 下载异常: {e}") time.sleep(1.5) raise RuntimeError(f"下载失败: {trade_date}")

为什么resp.encoding = "utf-8"而不是 GBK？因为这几年郑商所官网做过改版，历史文件很多已经变成UTF-8了，老一点的年份可能是GBK。所以下载时我干脆先原样存字节流，解析时再去判断编码。这里把resp.content直接写文件，就是保留原始字节，避免在下载阶段就做了错误的转码。

3.3 第二步：解析TXT为DataFrame

先别急着pd.read_csv，因为这个文件不是标准CSV，列之间可能是多个空格，也可能有制表符，还可能混入中文表头。稳妥的方式是先读取文本，找到正文的起始位置。

import pandas as pd def parse_czce_daily(file_path: Path) -> pd.DataFrame: # 先读原始字节，探测编码 raw = file_path.read_bytes() for enc in ("utf-8-sig", "gbk", "gb18030"): try: text = raw.decode(enc) break except UnicodeDecodeError: continue else: raise ValueError("无法识别的编码") lines = text.splitlines() # 找列名行：通常包含“合约代码”这四个字 header_idx = None for i, line in enumerate(lines): if "合约代码" in line: header_idx = i break if header_idx is None: raise ValueError("未找到表头行") # 跳过表头之前的内容，用正则按空白符切分 from io import StringIO df = pd.read_csv( StringIO("\n".join(lines[header_idx:])), sep=r"\s+", engine="python", encoding="utf-8", dtype=str, ) # 把列名两边的空格清一下 df.columns = [c.strip() for c in df.columns] return df

这里用了dtype=str，因为合并后的列经常有“—”“NaN”之类的占位符，直接读数值会报错。后续要转数值的列再统一pd.to_numeric(..., errors='coerce')。

3.4 第三步：字段清洗与类型转换

拿到原始DataFrame后，需要做这么几件事：

• 去掉行首行尾的空列；
• 把“-”“—”“None”这些占位符变成NaN；
• 成交量、持仓量、价格字段全部转为数值型；
• 增加一列日期，方便后续拼接历史数据。

def clean_czce_df(df: pd.DataFrame, trade_date: str) -> pd.DataFrame: # 去掉完全为空的列 df = df.dropna(axis=1, how="all") # 去掉完全为空的行 df = df.dropna(axis=0, how="all") numeric_cols = [ "前结算价", "今开盘", "最高价", "最低价", "今收盘", "结算价", "涨跌1", "涨跌2", "成交量(手)", "持仓量(手)", "持仓量增减", "成交额(万元)", "交割结算价" ] for col in numeric_cols: if col in df.columns: df[col] = pd.to_numeric( df[col].replace({"-": None, "—": None, "None": None}), errors="coerce" ) df["品种代码"] = df["品种代码"].astype(str).str.strip() df["合约代码"] = df["合约代码"].astype(str).str.strip() df["日期"] = trade_date return df

这个清洗看着简单，但它决定了后续所有因子计算能不能一次跑通。我自己后来把这个逻辑封装成了一个函数，每天定时任务直接调用，极大减少了手工整理的时间。

3.5 第四步：批量拉历史数据

如果你想回测过去两年，每天拼URL、下载、解析，循环跑就行。但是要记得控制频率，毕竟交易所服务器不是给你一个人准备的。

import datetime as dt def make_trade_dates(start: str, end: str): """ 粗略生成交易日序列（只跳过周末，不停用节假日，节假日文件会404） 更严谨的做法是自己维护一个交易日历。 """ s = dt.date.fromisoformat(start) e = dt.date.fromisoformat(end) while s <= e: if s.weekday() < 5: yield s.strftime("%Y%m%d") s += dt.timedelta(days=1) all_dfs = [] for day in make_trade_dates("2024-01-01", "2024-06-30"): try: file_path = download_czce_daily(day, save_dir="./data") df = parse_czce_daily(file_path) df = clean_czce_df(df, day) all_dfs.append(df) except RuntimeError: # 可能是节假日，或者当天数据未发布 continue history = pd.concat(all_dfs, ignore_index=True)

注意，这个“跳过周末”的做法并不严谨，因为节假日它也会去请求，然后碰到404。实际生产中，我建议维护一个交易日历，或者直接根据持仓量不为空的文件合集反推交易日。反推的办法就是：哪些日期路径能成功下载到文件，哪些就是交易日。这个方法虽然不是官方日历，但在90%的场景下都够用。

4. 从日统计数据到可用的量化信号

4.1 信号一：结算价与收盘价的乖离

我个人认为，结算价和收盘价之间的差值是这份文件里最被低估的字段组合。结算价是全天成交的加权平均价，而收盘价是最后时刻的成交价。如果收盘价远高于结算价，说明尾盘买盘非常强势，这种情况常出现在资金抢筹的品种上。

构造方法很简单：

history["收盘结算乖离"] = (history["今收盘"] - history["结算价"]) / history["结算价"]

你可以按“品种代码 + 日期”做截面排序，把乖离最大的几个品种当成一种短期动量信号。我实测下来，在流动性好的主力合约上，这个因子单独用效果一般，但叠加成交量放大条件后，对趋势跟踪类策略有不错的辅助作用。

4.2 信号二：增仓方向一致性

期货市场有句老话叫“增仓上涨看多、增仓下跌看空、减仓上涨谨慎、减仓下跌有支撑”。这句话翻译成因子就是：把持仓量增减和涨跌方向放在一起看。

history["持仓变化"] = history["持仓量增减"] history["价格变化"] = history["涨跌1"] history["增仓上涨"] = ( (history["持仓变化"] > 0) & (history["价格变化"] > 0) ).astype(int)

如果用历史数据统计：在“增仓上涨”这个条件出现后，次日继续上涨的概率是否高于基准，你可以直接在DataFrame上做滚动统计。这就是最朴素的“资金流验证”。当然，单看一个品种容易过拟合，我通常会把全市场所有活跃合约合在一起做横截面统计。

4.3 信号三：成交持仓比

成交持仓比衡量的是合约的换手活跃程度。计算公式是成交量 / 持仓量。这个比值高，说明短线资金活跃；比值低，说明市场沉淀度较高，价格更容易被少量资金推动。

history["成交持仓比"] = history["成交量(手)"] / (history["持仓量(手)"] + 1e-12)

这里加1e-12是为了防止除零。用量化人之间的话说，这是一个“必须写进代码里的细节”，因为新上市合约首日可能没有持仓，直接除就会得到inf。

4.4 信号四：主力合约识别与换月

做国内商品期货，最麻烦的一件事就是确定“主力合约”。交易所文件里没有“主力”这个标签，只有合约列表。常用的方法是：每天取同一品种持仓量最大的合约作为当日主力合约。

idx = history.groupby(["日期", "品种代码"])["持仓量(手)"].idxmax() main_contracts = history.loc[idx].copy()

然后，如果你要做连续价格序列，还需要处理换月。最简单的方式是：在主力合约切换的当天，用“新主力合约的涨跌幅”来替代拼接，避免价格跳空造成的假信号。这个方法看起来很土，但在日度频率上非常实用。

4.5 进阶：配合会员持仓排名数据

日统计数据里只有总量，没有席位信息。如果你想看得更深一步，比如某品种前20名会员是净多还是净空，那就需要再去抓交易所的“会员持仓排名”文件。郑商所同样有对应的每日排名文件，一般在官网“交易排名”栏目下。把“日统计数据”和“会员持仓排名”按日期、合约做合并之后，就能构造出类似“前20席净持仓变化”的经典资金流因子。这个可以作为本系列后续内容单独展开。

5. 常见问题与排查技巧实录

5.1 问题速查表

5.2 高频踩坑点逐个说

第一个坑：盲目用pd.read_csv直接读TXT。很多早期教程这么写，但因为表头前可能有说明行，文件解析会错位。一定要先定位“合约代码”所在的行，再从这个行开始读。

第二个坑：股票思维带到期货。股票有前复权、后复权，期货不存在复权，但存在合约换月。如果你把不同月份的合约价格拼在一起画曲线，不做换月处理，那画出来的“连续图”一眼假。处理方式是：换月当天只保留新合约，通过涨跌幅连续化。

第三个坑：收盘后才去定时下载，却不知道发布延迟。郑商所日统计数据通常在收盘后几个小时内发布，但具体时间不固定。我自己跑定时任务时，一般会设置“下午5点开始，每10分钟拉一次，直到成功为止”，避免数据没发布就以为网络出问题。

第四个坑：忽略文件编码的年份差异。2020年的文件和2024年的文件，编码可能完全不同。批量拉历史时，必须做编码探测，不能写死一种。我上面的解析函数里已经演示了用for enc in ("utf-8-sig", "gbk", "gb18030")循环尝试。

第五个坑：直接用“持仓量增减”字段做当日变化量，却不校验。这个字段偶尔会出现缺失或异常，尤其是新品种上市、老品种退市时。清洗时建议用今日持仓 - 昨日持仓交叉验证，对不上的再剔除。

第六个坑：合约代码大小写问题。郑商所的合约代码一般是两个大写字母加数字，比如SR609，但某些年份的文件里可能出现小写。解析时最好统一upper()。

5.3 独家技巧：如何自建交易日历

与其到处找交易日历，不如自己造一个。方法是：先跑一遍make_trade_dates，把所有周末之外的日期都尝试下载一次，能下载到文件的就是交易日。把这些日期存成一个CSV，每次回测时直接用这个日历，不进交易所服务器反复请求。这样既省时间，也避免触发频率限制。

我在本地就是这么维护的：每天早上定时任务跑一次下载，同时把成功下载的日期追加到交易日历里。日积月累，日历越来越完整，历史数据也不断在本地积累，以后要回溯策略再也不愁没数据。反过来，如果一开始不存档，等到两三年后发现需要某段历史，再回头去交易所拉，对方挂了404你也只能干瞪眼。

6. 关于自动化和后续扩展的一些个人建议

做这类数据工程，我建议你从第一天就养成“全天候定时存档”的习惯。不管你现在用不用得上历史数据，先把每天的日统计数据拉下来存好，成本极低，收益却在后期呈指数级放大的。我见过太多人一开始只拉自己关注的几个品种，后来换策略方向需要别的品种历史数据，结果发现早期没存，只能手工补，痛苦程度谁补谁知道。

另一点，日统计数据处理熟练之后，建议把目光扩大到其他交易所。上期所、大商所、中金所、广期所的数据发布方式大同小异，但文件格式细节各有各的坑。一个交易所跑通，剩下的其实就是复制粘贴后改字段名的事。还有，郑商所除了每日行情TXT，还提供每天的交割结算价表、仓单日报表、会员持仓排名表，这些都可以用类似的下载方案拿到。

最后说一个我在实际使用中的体会：处理这种“官方裸数据”，最大的障碍从来不是计算本身，而是对字段语义的敬畏。拿到一个字段，先别急着写公式，先把交易所文档翻明白，再用几天的真实数据手工验算一遍，再去上因子。我自己在“结算价和收盘价乖离”这个因子上栽过跟头，就是因为早期直接用收盘价做结算依据，导致止损单经常被莫名其妙的跳空扫掉。后来把文件里的结算价字段对齐到回测逻辑里，整个系统才稳下来。你也动手跑一遍，应该能感受到这种“突然开窍”的时刻。