普通人做量化，数据库该怎么选？

做量化，绕不开数据库。很多刚入门的朋友一上来就问我：花姐，数据库这么多，到底用哪个？要不要一上来就整一套像大机构那样的分布式数据库？

我先说结论：普通人做量化，数据库别贪大求全，先够用，后扩展。

一、你先想清楚，你的量化规模多大？

数据库不是摆设，它解决的核心问题就两个：

1. 存得下
2. 取得快

普通人量化，早期数据量很有限------A股全市场日线数据加上财报、公告，压缩后几十个G就够了。即便加上分钟级数据，硬盘也能装得下。所以不用一上来就考虑分布式，先用好本地或轻量级的方案。

二、三种主流选择

1. CSV/Parquet 文件 + Pandas

最简单粗暴，直接用文件存，Python随时读。

• 优点：零门槛，适合探索阶段，复制粘贴就能用
• 缺点：数据一多（比如上G），IO效率就会拖垮回测速度

如果你还在练手阶段，这种方案完全没问题，别嫌土。

2. SQLite / DuckDB

本地单文件数据库，轻量级神器。

• SQLite：稳定、简单，很多小型量化项目够用
• DuckDB：近两年特别火，特别擅长分析型查询（批量聚合、回测）
• 适用场景：单机、数据量在几十G以内，想要 SQL 查询的便利性

我个人非常推荐 DuckDB，速度和易用性都比 SQLite 爽。

3. PostgreSQL / MySQL

如果你数据逐渐多起来，或者想和 Web 服务对接，这两位才是大杀器。

• PostgreSQL：功能强大，适合结构化和半结构化数据
• MySQL：社区成熟，资料多
• 适用场景：多人协作、数据多源整合、要做策略在线部署

但注意，自己搭这些数据库，有学习成本，别因为折腾环境耽误了研究策略。

三、别急着上云或分布式

很多朋友一开始就盯着云数据库、大数据方案（像 ClickHouse、Spark 之类的），这些确实牛，但没必要早期就搞。 你个人电脑都没跑满，何必折腾上云，花钱还麻烦？等你做到资金量大、策略复杂，瓶颈真来了，再考虑升级。

四、实用建议

• 量化新手：DuckDB + 本地文件，性价比最高
• 数据量上百 G，再升级 PostgreSQL 或 ClickHouse
• 文件结构要规划好，别乱堆，后期查找很痛苦

记住，数据库只是工具，策略才是核心。别本末倒置。