PreTalent璞睿求职|做投行、行研、咨询等金融岗位，找数据

做投行、行研、咨询等金融岗位，有没有什么好用的找数据技巧呢？

01 如何找官方的数据来源？

找到了数据，却没法找到来源，而数据不能使用的时候？数据说法不一，而没有一个官方的来源，无法抉择的时候？

这两个问题有些类似，我们都是需要找到一个权威的官方来源。

股票基本面财务数据：

当然最正统的来源是上市公司的年报：

美股：SEC.gov | Home

港股：http://www.hkex.com.hk/chi/index_c.htm

上交所：上海证券交易所

深交所：深圳证券交易所

更方便获取年报的网站应该是巨潮资讯网，当然单间公司也可以到公司的官网去下载。一般上市公司网站都有相关栏目。一般叫“投资者关系”。

官方经济数据：

美联储：Board of Governors of the Federal Reserve System

统计局：中华人民共和国国家统计局

石油：

OPEC：OPEC : Home

（OPEC每月都会发布月度报告，这也是很多新闻的来源）

伦敦贵金属交易所：London Metal Exchange: Home

（伦敦金等）

外汇：

国家外汇管理局：http://www.safe.gov.cn/

这类数据来源有很多，大同小异，就不再花时间堆链接了。

关键词：方法

找来源的方法很简单，姑且叫它“关键字溯源法”吧。

其 实就是从财经新闻中寻找那些关键字，然后在搜索引擎上寻找它的网站。除去一些伪相关等无意义的财经新闻外，一些新闻是由专业的财经记者写的，一些是引用一 些业内著名人士的分析的，还有一些则是翻译外国的一些文件或新闻。在这些新闻内容中，多多少少会有一些机构组织名称（通常是英文名）是容易被我们忽视的， 而这些恰恰是关键信息来源，甚至比你看的新闻更加客观。这是一个很久以前的可能不起眼的新闻，以它为例子：

2014年全球十大黄金生产商排名

文中列出了十大黄金矿商的产量（这里暂且不论新闻的真实性，如果需要验证的话，可以到相应国家的股市上看或在Google上查询一下，再严格点可以深入各个公司的年报细看），这里提供了大量的信息：

1. 十大黄金矿商的名称；

2. 数据来源（左下角GFMS）。

Then，搜索一下GFMS。

于是，我们得知了它是全球领先的会金属咨询公司，如果还不放心数据的真实性（毕竟这是二手数据了），我们可以直接搜索公司的名称，年报是最标准不过的了。

比如搜索Goldcorp，进入其官网下载年报打开，所有的信息一目了然。

在这几百页的PDF里，你看到的就不仅是产量这么简单了。包括维持成本（All-in sustaining costs）等等。你也可以对它们进行整合得出数据：

如果对大宗商品感兴趣，从这方面入手也是一个切入点，也可以看看外国企业开采黄金的成本等等。可以作出一些调研分析。对于行研有一定的帮助。

如果你对看到的新闻追根溯源，能够发现很多对分析有用的东西，比如美国能源署EIA2015展望（现在已经2016了）

有很多有意思的东西可以去被挖掘。

02 数据找不到，如何继续阐述问题?

有些数据就是找不到，不知道如何阐述某个问题的时候？

有些数据的确是找不到的，这时候就需要自己预测了。最常用的方法就是利用计量经济学的方法建立经济模型，根据已知的因素进行线性回归分析，进一步去预测某些数据。

之前见过一个人，在投行工作期间研究高速公路上市公司，需要未来几年计划铺设的公里数，有些政府网站会提供相关数据，但是有些政府网站并没有提供，网上也没 有任何相关数据。最终他根据几个已知的数据，比如历史铺设的公里数、GDP增长率等等自己建立了一个经济模型进行预测，结果据说还挺准确的。

比较常用的统计软件就是Eviews、SPSS这些了吧。涉及到的具体问题比较复杂，也需要根据具体问题来分析。

03 一个数字标题

有些数据明明就有，却来自于某些咨询公司，标价动不动就是上千！

现有的数据库往往太贵，一般人承受不起。所以当一些数据可以从网页上获取得到，却没有相应的接口时，就需要用爬虫了。

Excel

Excel可以选择复制粘贴的方式，但效率较低，且无法更新。所以在Excel中调用数据是更为明智的做法。

具体做法是：

在网上找到想要的表格数据

复制网站，打开Excel，选择数据-自网站

在弹出框的地址栏中输入网址，进去后，在需要的表格左上方会有黄色的框黑色的箭头，点击便是选中表格。

选中后点击导入就可以了。

爬虫+数据库（构建自己的数据库）

上面的Excel算个“小爬虫”了。但真正高效的还是得用程序编写。例如Python+MongoDB，当然使用其它的组合也可以。

尽管效率比较高，但需要学习编程知识，同时可能面临反爬虫问题。

例子：

想 要求出A股所有上市公司的资本回报率（Returnof Invested Capital ,ROIC），但它不是一个会计科目，也不是常用的财务指标，没发现有网站提供这个信息（提供了其实也得用爬虫，寻找的时间成本也高），所以需要自己计 算。而完整的财务报表也没有免费的API提供，只有一些网页提供了。所以最终爬虫爬了约5000个网站，搜集了约100000条的财务数据才把它算出来 了。

具体做法是：

（1）写出爬虫，将信息爬取下来。

具体对应的库：

网页操作：

urllib：https://pypi.python.org/pypi/urllib3

requests：Requests: HTTP for Humans

爬虫及爬虫框架：

BeautifulSoup：Beautiful Soup Documentation

lxml：The lxml.etree Tutorial

scrapy：Scrapy入门教程

pyspider：pyspider

（2）将数据写入数据库中（调用方便快捷，可重复利用）。

数据库：

pymongo：PyMongo 3.2.2 Documentation

sqlite3：11.13. sqlite3 — DB-API 2.0interface for SQLite databases

MySQLdb：GitHub - farcepest/MySQLdb1: MySQL databaseconnector for Python (legacy version)

（3）从数据库调出并作计算。

科学计算：

numpy：NumPy — Numpy

pandas：Python Data Analysis Library

scipy：SciPy.org — SciPy.org

（4）数据可视化。

画图：

matplotlib：http://www.labri.fr/perso/nrougier/teaching/matplotlib/

同时pandas也能够画图

（有时二三步也可调换，先计算好后将计算结果写入数据库。）

通过该种方法，就可以在各个网站上将需要的数据（可获取的或不可获取的）放进自己的数据库，下次需要调用的时候就可以轻易调用了。对于一次性的数据，甚至不用写入数据库，调用一遍并进行计算就可以得到想要的数据了。对于研究相关领域有很大用处。