第二章：资产选择与数据准备

各位同学，咱们直接进入正题。风险预算模型的第一步，说白了就是选资产、找数据。这一步要是没做好，后面再花哨的模型都是空中楼阁。我在这个行业摸爬滚打十几年，见过太多团队在数据上栽跟头——嗯，我自己也踩过不少坑。

2.1 底层资产怎么选？

选资产不是拍脑袋。我个人习惯，先看三个维度：流动性、代表性、相关性。

• 流动性：你选的资产能不能方便买卖？比如A股沪深300成分股，流动性没问题。但有些小盘股或者冷门债券，一天都成交不了几笔，这种就别碰了。
• 代表性：资产能不能代表某类风险因子？比如用沪深300代表大盘股风险，用中证500代表中小盘风险。
• 相关性：资产之间的相关性要稳定。我遇到过最头疼的事，就是两个资产平时相关性0.3，一到危机时刻直接跳到0.9——那你的风险预算模型就全乱套了。

举个例子，一个经典的风险预算组合可能是这样的：

资产类别	代表标的	风险因子
股票	沪深300 ETF	权益风险
债券	国债ETF	利率风险
商品	黄金ETF	通胀/避险
货币	货币基金	现金管理

2.2 数据源怎么选？

数据源这块，我建议你分三层考虑。

第一层：免费公开数据

• Wind、东方财富Choice：国内最全，但需要付费
• Yahoo Finance、Alpha Vantage：国际数据免费，但国内访问不稳定
• 国家统计局、央行官网：宏观数据免费，但更新慢

第二层：专业数据服务

• Bloomberg、Reuters：贵，但数据质量高
• Quandl、Intrinio：适合量化研究

第三层：自建数据管道

• 用Python爬虫抓取交易所数据
• 用API接口定时拉取

2.3 数据清洗——最脏最累的活

数据清洗，说白了就是「把垃圾变成黄金」。我见过最夸张的情况，一个数据集里30%的数据都有问题。

常见的坑：

• 缺失值：某天停牌，价格是NaN。怎么处理？前向填充、插值、还是直接删除？
• 异常值：某天价格突然涨了100倍，明显是数据错误。用3σ法则或者IQR方法检测。
• 复权问题：股票分红送股后，价格会跳空。必须用后复权或前复权数据。
• 时间对齐：不同市场交易时间不同，A股9:30开盘，美股9:30开盘（北京时间21:30）。怎么对齐到同一时间轴？

下面是我常用的清洗流程：

import pandas as pd
import numpy as np

def clean_price_data(df):
    # 1. 删除全空的行
    df = df.dropna(how='all')
    
    # 2. 前向填充缺失值（最多填充3天）
    df = df.fillna(method='ffill', limit=3)
    
    # 3. 检测异常值（3σ法则）
    z_scores = np.abs((df - df.mean()) / df.std())
    df[z_scores > 3] = np.nan
    
    # 4. 再次填充异常值
    df = df.fillna(method='ffill')
    
    return df

2.4 数据对齐——让所有资产「说同一种语言」

数据对齐，就是把不同频率、不同时间点的数据统一到同一个时间轴上。我习惯用日频数据做风险预算，因为日频数据够用，又不至于太细碎。

对齐步骤：

1. 确定基准时间轴（比如每个交易日）
2. 把所有资产的价格映射到这个时间轴上
3. 对于缺失的交易日，用前一个交易日的数据填充

# 对齐到统一时间轴
def align_data(price_dict, freq='D'):
    # price_dict: {'沪深300': Series, '国债ETF': Series, ...}
    aligned = pd.DataFrame(price_dict)
    aligned = aligned.resample(freq).last()  # 取每个周期的最后一个值
    aligned = aligned.fillna(method='ffill')  # 前向填充
    aligned = aligned.dropna()  # 删除仍然缺失的行
    return aligned

2.5 本章知识体系

下面这张图，是我自己总结的资产选择与数据准备的全流程。你照着这个框架走，基本不会出大问题。

2.6 实战中的几个小技巧

最后，分享几个我自己的实战经验：

• 数据备份：原始数据永远不要动，清洗后的数据另存一份。我吃过亏，清洗到一半发现搞错了，结果原始数据也被覆盖了——那叫一个欲哭无泪。
• 版本管理：每次清洗脚本改动，都要记录版本号。不然三个月后你看着一堆数据，根本不知道哪个版本是对的。
• 自动化：把清洗流程写成脚本，每天定时跑。手动清洗太容易出错了，人不是机器，总会漏掉点什么。