在整个量化研究过程中，除了需要量化研究员具备编程和金融素养之外，还有一个十分重要，且不可或缺的部分——数据。
数据是一切分析的开端，本文将通过研报复现的方式，带着大家学习如何通过Python爬虫获取数据（内含代码）。
市值因子择时
在本文的最开始，将先简单阐明文章中所涉及到的研报内容。
文章中所用到的研报来自中信建投证券研究发展部发布的《因子深度研究系列：市值因子择时》。研报中主要针对小市值选股策略进行了优化（该策略曾在文章【前方高能】10年能赚70倍？量化选股带你躺着赚钱！中提及），其优化思路主要是根据不同的因子，对市值进行风格判断，找出适合何时适合小市值选股，何时适合大市值选股，以此进行风格轮动，避免单一的小市值选股在某些时段的巨大回撤。
优化思路
文中的市值因子择时策略主要如下：
注：本文将聚集因子的获取及构造过程，优化回测过程将于后续文章中讲解。
网络爬虫
数据的分析永远是从数据开始，根据优化思路，我们需首先确定所需数据，包括：
房地产开发投资完成额、CPI、PPI、沪深300、中证500、A股市场所有股票日线数据。
在1月上线的新课程《Python量化专题：金融数据、择时及选股策略》中为大家讲解了股票及指数数据的爬虫方法，因此，本文将以宏观数据为例，为大家简单讲解爬虫。
何为网络爬虫
网络爬虫，指自动提取网页内容的程序。从功能上去理解，就是能够通过编写爬虫脚本，获取网页上我们所浏览的内容。
因此，当我们决定通过网络爬虫的方法获取数据时，就和我们平时找数据的过程一样：先知道在哪能看到数据，编写爬虫脚本，利用程序下载数据。
那么，在哪能找到我们所需的宏观经济数据呢？
找啊找啊找数据
本次策略过程中所用到的数据均可在东方财富网的「数据中心」中找到：
(具体数据来源可扫对应二维码查看）
房地产开发投资完成额
CPI
PPI
找到数据后，我们就可以进入到后续写代码等环节了~
才！怪！
你以为我们找数据的任务就结束了吗？
在正式进入写代码环节前，进行一步“抓包”，也就是找到真正存储数据的url（如图所示）
那么，如何找到这个神秘的url呢？
这里就需要用到Chrome浏览器的「开发者工具」这一爬虫神器 ，具体操作如下（以房地产开发投资完成额为例）：
Step 1. 在当前网页
（http://data.eastmoney.com/cjsj/hyzs_list_EMI00120219.html）
下点击快捷键「F12」，打开开发者工具的network；
Step 2. 进行“抓包”。选中「JS」后，点击网页中不同页数，找到出现的js文件，观察其Preview内容是否与目标内容符合；
Step 3. 找到存储数据的js文件后，观察Headers内容，找到Request URL，解析其中参数。
通过以上3步，我们便顺利找到了真正存储数据的网址，其实我们的爬虫大业已经完成了一大半，对其简单解析后将结果整理成代码：
10行代码搞定爬虫
接下来只需借助Requests模块，用2行代码（第6、7行）即可获取网页内容。
df返回值（部分）
如果需要获取更多的数据，将参数ps设置为甚至更高的数字去获取所有历史数据；或构造for循环去遍历不同页数（参数p）数据，以此获取所有数据。
本文中，小编采用的是第一种方法。
就这样，小编一共用了不到10行Python代码，就搞定了所需历史数据的网络爬虫。
爬虫复盘
在上述爬虫讲解过程中，我们不难发现，其实网络爬虫的一大部分工作都是在寻找「存储数据的网址」（即抓包），而其中需要代码实现的部分却并不复杂。只要掌握了抓包技巧，网络爬虫将会成为一件十分轻松的事情。
当然了，这并非代表爬虫就是一项简单的工作，在遇到较为复杂的网页，如微博、知乎等反爬较强、网页结构较为复杂、框架时常发生变动的网页，则需要其他技巧去解决网络爬虫任务。
但是，对于大部分网页来说，我们所面临的爬虫问题其实与本文中提及的案例并无太大区别，而本文也希望通过这一十分具有代表性的经典案例，为大家揭开爬虫的神秘面纱。
戳原文，直接购买「2021品职CFA课程」
👇👇👇
