0.<序>
直接T+0的ETF作为国内ETF的特殊品种，受到很多T0团队的青睐，其低成本无底仓的特点，对于小资金量的个体交易员尤具吸引力。但是直接T+0的ETF操作起来并不容易，上下盘口移动速度很快，冲击成本极高，一般都采用提前挂单操作，高频超短套利经常就赚一个档位，能否比别人更快的判断出买卖点，是策略成败的关键。本篇从定量角度来分析豆粕ETF和豆粕期货的相关性，然后设计一个均值回归的策略。
回到量化这个主题，发现有很多事情要说，各种概念、方法、策略、数据接口乃至编程语言都千奇百怪、丰富多彩，条件单算不算量化？不会编程能不能搞量化？学习量化，数学要不要补补课？同为量化爱好者，不同的经历会带来不同的见解和答案。但是个人认为，量化是有门槛的，虽然一直推崇普适化的大众化的量化，道友们可以不懂朴素贝叶斯，也可以不会matlab或者python，但是对于量化的认知和逻辑一定要有，量化不是只有数学博士或者诺贝尔奖得主才能搞，也不是买个券商的AI交易模块就可以迈进量化交易的大门。
实践是检验真理的唯一标准。量化不能只做回测不做实盘，有想法就要尝试，真金白银的去尝试，入行十余年，任何赚钱的策略都不是拍脑袋凭空想出来的，而且想要跨越牛熊、保持稳定盈利更是难上加难。
1.<数据接口比较>
书归正传，探讨豆粕ETF和豆粕期货的相关性，首先要获取二者的数据，本来构思的是用wind或者iFind作为数据接口，用matlab作为编程语言，秀一把小众的matlab，奈何wind现在巨贵，iFind也不便宜，用自己的钱来买确实肉疼，于是乎四处化缘，从机构的朋友那里借账号，最后借到iFind的试用账号（这里感谢一下某岛某财证券的于总），程序也编好了，数据也*载下**了，然后iFind销售打电话来问要不要买正式版，不到两万一套。不买，绝对不能买，能白piao为什么要花钱？所以今天要写文章，发现账号权限被取消了。
付费的数据接口确实好用，机构本来就有钱，而且集体采购价格会有优惠，个人量化交易者花个几万来买数据接口确实没必要。有需要搞wind和iFind数据接口二次开发的道友，可以联系我们。
考虑到大部分道友都没有这两个比较贵的数据接口，所以我们用免费的数据接口，方便大家复现数据处理过程。
其实爬虫应该也可以，爬虫技术用于非商业场景的研究还是可以的，技术无罪，各位道友不要用于非法用途，特此声明。本号后续会专门写一篇文章介绍一下，python爬虫如何在套利场景中应用。
这里要特别提一下，国内有一个伪免费的T**share接口，打着免费的名义，行会员收费积分制之时，花钱买积分才能使用有用的数据，不然只能获取垃圾数据，不要上当，花钱事小，浪费时间不值当。
我们来试一下AKshare。
2.<AKshare的安装和使用>
为什么是AKshare？因为数据丰富，关键完全免费。做可转债量化的朋友在伪免费数据接口T**share对可转债数据收费后，大都被迫交了钱冲会员积分，这种绑架很无奈，换成AKshare吧，有任何问题可以咨询在下。
开发平台建议使用Pycharm社区版，Python版本使用python3.9，这里默认大家都已经成功安装并会使用，如果确实不会，还是可以咨询在下。
AKshare包的安装代码：pip install akshare
在命令行窗口输入，用管理员身份启动窗口。
3.<AKshare数据获取代码>
如下简要给出豆粕ETF和豆粕期货在AKshare上的数据获取代码。
import akshare as ak
#豆粕ETF数据获取
doupoETF = ak.stock_zh_a_minute(symbol='sz159985', period='1')
print(doupoETF)
#豆粕期货数据获取
doupoQH = ak.futures_zh_minute_sina(symbol="M2308", period="1")
print(doupoQH)
下一篇将详细讲解数据清洗和预处理过程，敬请期待。
本篇是ETF系列到量化系列的过渡之作，量化既不神秘也不复杂，很多人喜欢把量化神化妖魔化，其实大可不必，即使没有超级计算机，即使没有获得过诺贝尔奖项的顶级科学家，同样可以研究并使用量化，关键在于思维逻辑，现阶段还远未达到拼毫秒算力的时候。