第4章 Python与金融数据

第4章：Python与金融数据——环境搭建与数据处理实战

说实话，做量化投资这么多年，我见过太多人一上来就急着写策略。结果呢？环境没配好，数据拿不到，折腾半天连个K线都画不出来。这一章，咱们就把地基打牢。

4.1 Python环境搭建：为什么我推荐Anaconda

刚入行那会儿，我还在手动装Python、装包、配路径。遇到依赖冲突，那叫一个头疼。后来用了Anaconda，嗯，真香。

Anaconda是什么？ 说白了，就是一个Python全家桶。它帮你装好了Python解释器、常用科学计算库，还自带一个包管理器叫conda。

核心优势：

一键安装，省去手动配置的麻烦
环境隔离，不同项目用不同Python版本
预装200+常用库，包括pandas、numpy、matplotlib

下载地址我就不贴了，直接搜“Anaconda下载”，选对应系统的版本。安装时记得勾选“Add Anaconda to my PATH environment variable”。

注意： 我曾经遇到过学生装完Anaconda后，又去官网单独装了Python，结果两个版本冲突，import pandas都报错。记住，有Anaconda就够了，别画蛇添足。

4.2 Pandas基础：处理金融数据的瑞士军刀

金融数据长什么样？说白了就是时间序列。日期是索引，开盘价、收盘价、成交量是列。Pandas就是为这种数据而生的。

核心数据结构：

Series：一维数组，带标签。比如某只股票每天的收盘价。
DataFrame：二维表格，行和列都有标签。比如多只股票的历史行情。

我习惯用pandas来清洗数据。举个例子，你从Yahoo Finance拿到的数据，经常有缺失值。用df.dropna()直接扔掉，或者用df.fillna(method='ffill')向前填充。

import pandas as pd

# 创建一个简单的DataFrame
data = {
    '日期': ['2024-01-01', '2024-01-02', '2024-01-03'],
    '收盘价': [100.5, 101.2, 99.8],
    '成交量': [10000, 12000, 9500]
}
df = pd.DataFrame(data)
print(df.head())  # 查看前几行

我的习惯： 拿到数据后，先调df.info()看数据类型，再调df.describe()看统计特征。这一步能帮你发现很多问题，比如某列全是NaN，或者价格出现了负数。

4.3 NumPy基础：高性能数值计算

Pandas底层依赖NumPy。你想想看，金融数据动不动几十万行，用Python原生列表做计算，慢得你想砸电脑。NumPy用C语言实现，速度能快几十倍。

核心概念：

ndarray：N维数组，所有元素类型相同
向量化操作：不用写循环，直接对整个数组做运算

import numpy as np

# 创建数组
prices = np.array([100.5, 101.2, 99.8, 102.1, 98.5])

# 计算收益率
returns = (prices[1:] - prices[:-1]) / prices[:-1]
print(returns)  # 一行代码搞定，不用写for循环

我在做因子分析时，经常用NumPy的矩阵运算。比如计算协方差矩阵，np.cov(returns_matrix)一行搞定。如果用纯Python写，得嵌套三层循环。

避坑指南： 我曾经在计算夏普比率时，直接用Python列表做除法，结果跑了一个小时没出结果。换成NumPy数组后，3秒搞定。记住，金融数据计算，能用NumPy就别用原生列表。

4.4 获取金融数据：Yahoo Finance API实战

数据是量化投资的命根子。Yahoo Finance提供了免费的API，虽然偶尔抽风，但胜在方便。

安装yfinance库：

pip install yfinance

获取单只股票数据：

import yfinance as yf

# 下载苹果股票数据
aapl = yf.download('AAPL', start='2024-01-01', end='2024-12-31')
print(aapl.head())

获取多只股票数据：

# 同时下载多只股票
tickers = ['AAPL', 'MSFT', 'GOOGL']
data = yf.download(tickers, start='2024-01-01', end='2024-12-31')
# 只取收盘价
close_prices = data['Close']
print(close_prices.head())

注意： Yahoo Finance的API有请求频率限制。我曾经写了个循环下载500只股票，结果被IP封了24小时。建议每次请求间隔1秒，或者用time.sleep(1)控制节奏。

4.5 知识体系总览

下面这张图，是我自己总结的本章知识结构。你把它存下来，学完这章后对照着检查，看哪个环节还不熟。

4.6 实战小练习：从数据获取到简单分析

光说不练假把式。咱们来个完整的例子，把今天学的串起来。

import pandas as pd
import numpy as np
import yfinance as yf

# 1. 获取数据
ticker = 'AAPL'
data = yf.download(ticker, start='2024-01-01', end='2024-12-31')

# 2. 计算日收益率
data['Return'] = data['Close'].pct_change()

# 3. 计算移动平均线
data['MA20'] = data['Close'].rolling(window=20).mean()

# 4. 查看结果
print(data[['Close', 'Return', 'MA20']].head(10))

# 5. 简单统计
print(f"平均日收益率: {data['Return'].mean():.4f}")
print(f"收益率标准差: {data['Return'].std():.4f}")
print(f"最大回撤: {data['Close'].min():.2f}")

我的建议： 第一次跑这个代码，别急着改参数。先理解每一步在干什么。等跑通了，再换成其他股票试试，比如'TSLA'、'BTC-USD'。你会发现，不同资产的收益率特征差别很大。

嗯，这一章的内容就到这儿。环境搭好了，数据拿到了，基础库也练了。下一章咱们开始真正做资产配置优化，到时候这些基础都会用上。

公众号:蓝海数据掘金营，微信deep3321

📚 课程目录