第一章：Python金融分析基础

各位同学好，我是老张。在量化投资这个行当摸爬滚打了十几年，我越来越觉得——Python就是咱们量化人的瑞士军刀。今天咱们就从最基础的两个库开始：NumPy和Pandas。

说实话，我刚入行那会儿，还在用Excel处理数据。每天对着几万行数据，手动拉公式，眼睛都快瞎了。后来接触了Python，才发现原来数据处理可以这么优雅。嗯，咱们直接进入正题。

1.1 NumPy：高性能数值计算的基石

NumPy，全称是Numerical Python。说白了，它就是Python世界里做数学运算的"发动机"。为什么这么说？因为Python原生的列表做运算实在太慢了。

我个人习惯，拿到金融数据第一件事就是转成NumPy数组。来看个例子：

import numpy as np

# 创建股票收益率数组
returns = np.array([0.02, -0.01, 0.03, -0.005, 0.015])
print(f"平均收益率: {returns.mean():.4f}")
print(f"收益率标准差: {returns.std():.4f}")
print(f"累计收益率: {(1 + returns).prod() - 1:.4f}")

# 向量化运算——这才是精髓
prices = np.array([100, 102, 101, 104, 103.5])
daily_returns = np.diff(prices) / prices[:-1]
print(f"日收益率: {daily_returns}")

我在项目中遇到过一个问题：用Python列表计算500万行数据的移动平均，跑了整整3分钟。换成NumPy后，0.3秒就出结果了。你想想看，这差距有多大？

1.2 Pandas：金融数据的"瑞士军刀"

NumPy解决了计算速度问题，但金融数据还有两个特点：带标签、有时间序列。这就是Pandas登场的时候了。

Pandas有两个核心数据结构：

• Series：一维带标签数组，相当于带索引的列表
• DataFrame：二维表格数据，相当于带行列标签的Excel表格

我建议你记住这个比喻：DataFrame就是Excel表格的Python版本，但功能强大100倍。

import pandas as pd
import numpy as np

# 创建股票数据DataFrame
dates = pd.date_range('2024-01-01', periods=5, freq='D')
stock_data = pd.DataFrame({
    '开盘价': [100, 102, 101, 104, 103],
    '收盘价': [102, 101, 104, 103, 105],
    '成交量': [10000, 12000, 9000, 15000, 11000]
}, index=dates)

print(stock_data)
print(f"\n收盘价均值: {stock_data['收盘价'].mean():.2f}")

# 计算收益率——Pandas一行搞定
stock_data['收益率'] = stock_data['收盘价'].pct_change()
print(f"\n收益率数据:\n{stock_data['收益率']}")

1.3 数据清洗：金融数据的"必修课"

真实世界的金融数据，从来都不是干干净净的。缺失值、异常值、重复值，你总会遇到。我处理过的数据里，大概有5%-10%需要清洗。

# 模拟脏数据
dirty_data = pd.DataFrame({
    'price': [100, np.nan, 102, 101, np.nan, 104],
    'volume': [10000, 12000, None, 9000, 15000, 11000]
})

# 检查缺失值
print("缺失值统计:")
print(dirty_data.isnull().sum())

# 填充缺失值——我常用的方法
dirty_data['price'].fillna(method='ffill', inplace=True)  # 前向填充
dirty_data['volume'].fillna(dirty_data['volume'].median(), inplace=True)  # 中位数填充

print(f"\n清洗后数据:\n{dirty_data}")

1.4 Matplotlib与Seaborn：让数据"说话"

数据算完了，不可视化等于白干。我个人习惯用Matplotlib做基础图表，Seaborn做统计图表。为什么？因为Matplotlib灵活但代码啰嗦，Seaborn简洁但定制性差。两者搭配，天下无敌。

import matplotlib.pyplot as plt
import seaborn as sns

# 生成模拟数据
np.random.seed(42)
dates = pd.date_range('2024-01-01', periods=100, freq='D')
prices = 100 + np.cumsum(np.random.randn(100) * 0.5)

# Matplotlib画折线图
plt.figure(figsize=(12, 5))
plt.plot(dates, prices, label='股价走势', color='#2196F3', linewidth=2)
plt.title('股票价格走势图', fontsize=14)
plt.xlabel('日期')
plt.ylabel('价格')
plt.legend()
plt.grid(True, alpha=0.3)
plt.show()

# Seaborn画收益率分布
returns = pd.Series(np.diff(prices) / prices[:-1], index=dates[1:])
plt.figure(figsize=(10, 5))
sns.histplot(returns, bins=30, kde=True, color='#FF5722')
plt.title('收益率分布直方图', fontsize=14)
plt.xlabel('日收益率')
plt.ylabel('频次')
plt.show()

为什么会这样？因为金融数据往往呈现尖峰厚尾分布，用直方图加核密度估计（KDE）能直观看出极端值情况。我在做风险分析时，这个图是必看的。

1.5 知识体系总览

说了这么多，咱们用一张图把本章的知识结构串起来：

这张图就是咱们本章的"作战地图"。从左到右，从原始数据到最终的可视化结果，每一步都有对应的工具。你想想看，有了这套体系，处理金融数据是不是清晰多了？

1.6 实战小贴士

最后，分享几个我这些年总结的经验：

场景	推荐工具	我的经验
大规模矩阵运算	NumPy	比Python列表快50倍以上
表格数据清洗	Pandas	fillna()配合ffill最常用
时间序列分析	Pandas + Matplotlib	rolling()做移动平均很顺手
收益率分布分析	Seaborn	histplot + kde 是标配

好了，第一章的内容就到这里。记住：工具是死的，思路是活的。多动手，多思考，你也能成为量化高手。