数据获取方式
使用炒股软件进行简单复盘，核心在于获取可靠的历史数据。多数行情软件提供内置的数据导出功能，可将K线、分时、财务数据导出为CSV或Excel。导出前需检查软件支持的周期，如日线、周线、分钟线。部分软件限制导出长度，例如只能导出最近500个交易日数据，可在设置中调整或使用API获取更全数据。
若需批量或自动化数据更新，可选择API接口。国内券商和金融数据服务商提供Restful API，如华泰、中信证券的开放平台，通达信、同花顺也有非官方接口。使用API前需申请密钥，注意调用频率限制。Python的tushare、baostock等库直接从数据源拉取，简化数据收集过程，但需留意免费额度和字段覆盖。
数据清洗与整理
导出数据后，清洗步骤必不可少。原始数据常包含跳空缺口导致的NaN值，或一字涨停时的无成交数据。处理时先删除重复行，统一日期格式。对缺失值可采用前向填充，但需标记填充位置。指标计算前应去除ST股或停牌期间数据，避免影响回测结果。
整理数据时，按时间戳排序，并转换数据类型的精度。例如，价格需保留两位小数，成交量需为整数。为后续分析方便，可添加辅助列，如收益率、涨跌幅、振幅。利用Python的pandas库处理这些工作，效率高于Excel。
简单复盘流程
简单复盘不涉及复杂模型，侧重于检验交易纪律和执行情况。每日收盘后，导出当日成交记录和持仓，结合行情数据逐笔核对。重点标记实际买卖点与计划买卖点的偏差，以及滑点和手续费的影响。
创建复盘表格，包含时间、交易品种、方向、开平仓价格、盈亏、原因（信号或心态）。利用数据透视表统计各品种盈亏分布，辅助识别问题模式。复盘时需对比指数走势，判断个股涨跌是基于大盘或自身逻辑，这有助于过滤噪音。
量化策略验证
利用API获取大量历史数据，可验证简单策略的可行性。例如，双均线交叉策略，在数据中计算5日和20日均线，输出模拟信号。通过回测框架如backtrader，直接加载CSV数据，快速回测收益曲线和最大回撤。
import backtrader as bt
import pandas as pd
class SmaCross(bt.SignalStrategy):
def __init__(self):
sma1 = bt.ind.SMA(period=5)
sma2 = bt.ind.SMA(period=20)
self.signal_add(bt.SIGNAL_LONG, bt.CrossOver(sma1, sma2))
cerebro = bt.Cerebro()
data = bt.feeds.PandasData(dataname=df)
cerebro.adddata(data)
cerebro.addstrategy(SmaCross)
cerebro.broker.setcash(100000)
cerebro.run()
回测结果需结合交易成本调整，并观察信号数量。若信号过多，可能适应噪音，需增加滤波条件。若信号过少，可能错过机会。数据导出能帮助检查信号在实盘中的有效性，避免过拟合。
数据导出实操细节
不同软件的导出功能位置差异较大。通达信通过菜单“系统”->“盘后数据下载”可下载完整历史数据，再在K线界面右键选择“数据导出”。同花顺需在“工具”->“数据导出”中操作，支持自定义日期范围。东方财富的choice终端有更高级的导出选项。
手动导出通常只能一次性操作，若需定时更新，可使用模拟鼠标点击的脚本，但兼容性差。API接口更稳定，但需要处理身份验证和分页。例如，使用tushare的pro接口，每日调用限制2000次，获取日线数据没问题。
import tushare as ts
ts.set_token('your_token')
pro = ts.pro_api()
df = pro.daily(ts_code='600000.SH', start_date='20180101', end_date='20231231')
df.to_csv('stock.csv')
复盘中的常见问题
数据导出可能出现日期缺失，如非交易日未生成数据，需自动跳过。复权问题也重要，前复权适合交易，后复权适合分析走势。若使用未复权数据，除权后会跳空，误导指标判断。
简单复盘常忽略交易成本，导致高估收益。每笔交易应计入佣金和印花税。滑点可通过价格乘以系数模拟。处理这些，使用自定义函数。
心态方面，复盘数据仅反映客观行为，需结合日志记录主观原因。导出数据提供了事实，但解释部分仍需人为思考。因此，复盘流程中，数据导出是基础，关键在后续分析。
提高复盘效率的技巧
批量处理多股票数据时，使用循环遍历文件，统一格式存储。命名文件包含日期和代码，便于检索。定期备份数据，防止软件更新导致丢失。
利用Excel的Power Query对CSV自动刷新，或使用Python脚本生成汇总报告。可视化工具如Matplotlib绘制净值曲线，直观展示风险。
import matplotlib.pyplot as plt
plt.plot(equity_curve)
plt.title('Equity Curve')
plt.show()
复盘频率不必过密，周度复盘足以发现错误。采用数据驱动，结合技术指标，但不过度依赖。简单复盘的核心是明确规则，数据导出确保规则执行有据可查。
炒股软件的数据导出和API接口为简单复盘提供了技术支撑。正确使用这些工具，能清晰重现每笔交易。复盘不是预测行情，而是审视自身决策。数据在手，改进有据。
