第二章：金融市场与数据

做量化交易，说白了就是跟数据打交道。我见过太多人一上来就研究各种高大上的模型，结果连数据都没搞明白——嗯，这其实是个大坑。今天咱们就把这块地基打扎实。

2.1 三大主流市场：股票、期货、外汇

先聊聊这三个市场。我个人的习惯是，做策略之前先搞清楚市场脾气。

股票市场，大家最熟悉。A股、港股、美股，各有各的玩法。A股有个特点——T+1，你今天买了明天才能卖。这跟期货、外汇完全不一样。我在做A股策略时，就吃过这个亏，模型跑得挺漂亮，结果一实盘发现没法当天止损，那叫一个难受。

期货市场，带杠杆的。你想想看，10倍杠杆意味着行情波动1%，你的本金就波动10%。刺激是真刺激，风险也是真风险。期货还有个好处——可以做空，涨跌都能赚钱。但要注意，期货有交割日，不像股票可以一直拿着。

外汇市场，全球最大的金融市场。一天交易量6万亿美金，什么概念？比全球所有股票市场加起来还多。外汇是24小时交易的，从悉尼开盘到纽约收盘，你睡觉的时候行情也在动。我建议新手先别碰外汇，流动性太好，波动也大，容易上头。

2.2 K线图与时间序列数据

K线图，做交易的人天天看。一根K线包含四个价格：开盘价、收盘价、最高价、最低价。为什么用K线不用折线图？因为信息密度大。一根K线就能看出多空博弈的结果。

我记得刚入行时，有个老交易员跟我说：「看K线要看实体和影线的比例。」实体长说明趋势强，影线长说明有阻力。后来我做量化策略时，还真把这个特征加进去了，效果不错。

时间序列数据，就是按时间顺序排列的数据点。股票的价格、成交量、换手率，这些都是时间序列。处理时间序列有个关键点——时间对齐。不同数据源的时间戳可能不一样，有的精确到秒，有的精确到天。我曾经因为时间没对齐，回测结果看起来年化50%，实盘直接亏成狗。

2.3 数据源与数据获取

数据源这块，我踩过的坑比走过的路还多。给大家推荐几个靠谱的：

• Yahoo Finance：免费，覆盖全球市场。用yfinance库就能拉数据，适合快速验证想法。但要注意，Yahoo的数据偶尔会有调整，回测时最好跟其他源交叉验证。
• Tushare：国内数据源，A股数据很全。需要注册获取token，免费版有调用次数限制。我一般用Tushare拉日线数据，分钟级数据还是得付费。
• Wind/Choice：机构用的多，数据质量高，但贵。个人做研究的话，前期用免费源就够了。

来个代码示例，看看怎么用Python拉数据：

import yfinance as yf
import pandas as pd

# 下载贵州茅台数据
ticker = "600519.SS"
data = yf.download(ticker, start="2023-01-01", end="2023-12-31")

# 看看数据长什么样
print(data.head())

# 保存到本地
data.to_csv("maotai_2023.csv")

这段代码很简单，但有个细节要注意——A股代码在Yahoo上要加后缀。上海交易所加.SS，深圳交易所加.SZ。我第一次用的时候不知道，查了半天数据都是空的，气得想砸电脑。

2.4 数据清洗与预处理

数据清洗，说白了就是「去脏」。真实世界的数据没有干净的，我敢说90%的量化策略失败，根源都在数据质量上。

常见的问题有：

• 缺失值：停牌、节假日、数据源抽风，都会导致数据缺失。处理方法有删除、向前填充、插值等。我个人习惯用向前填充，因为金融数据有记忆性，昨天的价格对今天影响最大。
• 异常值：比如某天涨了1000%，这明显是数据错误。可以用3σ原则或者IQR方法检测。
• 复权处理：股票有分红送股，不复权的价格是失真的。前复权和后复权，我建议用前复权，这样历史价格看起来更连续。

来个清洗的代码示例：

import pandas as pd
import numpy as np

# 假设data是原始数据
def clean_data(df):
    # 1. 处理缺失值
    df = df.fillna(method='ffill')  # 向前填充
    
    # 2. 检测异常值（3σ原则）
    mean = df['Close'].mean()
    std = df['Close'].std()
    df = df[(df['Close'] > mean - 3*std) & 
            (df['Close'] < mean + 3*std)]
    
    # 3. 计算收益率
    df['Return'] = df['Close'].pct_change()
    
    # 4. 删除第一行（收益率是NaN）
    df = df.dropna()
    
    return df

cleaned = clean_data(data)
print(f"清洗前数据量: {len(data)}")
print(f"清洗后数据量: {len(cleaned)}")

数据清洗没有标准答案，关键是要理解你的数据是怎么产生的。比如期货数据要注意换月跳空，外汇数据要注意周末跳空。这些细节，做多了自然就有感觉了。

好了，这一章的内容就到这。数据是量化交易的基石，这块花再多时间都值得。下一章咱们聊聊技术指标，到时候会用到今天讲的数据处理方法。