3. Python环境准备与数据获取：安装arch库、获取股票/指数收益率数据、数据预处理与可视化

好，咱们正式开始动手了。这一章我带你搭好环境、拿到数据、做预处理，最后画几张图看看收益率长什么样。说白了，这是整个GARCH建模的“地基”。地基不稳，后面再漂亮的模型也是白搭。

3.1 环境准备：安装arch库

做波动率建模，Python里最顺手的库就是arch。我个人习惯用pip安装，一行命令搞定：

pip install arch

如果你用的是Anaconda环境，也可以：

conda install -c conda-forge arch

嗯，这里要注意。arch库依赖numpy、pandas、scipy这些基础库。如果你之前没装过，建议先更新一下：

pip install --upgrade numpy pandas scipy matplotlib

3.2 获取股票/指数收益率数据

数据源我推荐用yfinance，免费、稳定、覆盖全球主要市场。先装一下：

pip install yfinance

然后我们拿沪深300指数（代码 000300.SS）来演示。为什么选它？因为A股市场波动率聚集效应特别明显——你想想看，牛市的时候天天涨，熊市的时候连续暴跌，这种“扎堆”现象正是GARCH要捕捉的。

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

# 下载沪深300指数数据
ticker = "000300.SS"
data = yf.download(ticker, start="2015-01-01", end="2023-12-31")

# 只看收盘价
close = data['Close']

# 计算对数收益率
returns = np.log(close / close.shift(1))

# 删除缺失值
returns = returns.dropna()

print(returns.head())
print(f"样本量: {len(returns)}")

3.3 数据预处理：清洗与检查

拿到收益率数据后，别急着建模。先做三件事：

1. 检查缺失值——停牌、节假日会导致数据空洞
2. 检查异常值——比如某天突然涨跌停，可能是数据错误
3. 检查平稳性——GARCH要求收益率序列是平稳的

代码实现：

# 1. 缺失值检查
print(f"缺失值数量: {returns.isnull().sum()}")

# 2. 异常值检查（用3倍标准差法）
mean = returns.mean()
std = returns.std()
outliers = returns[(returns > mean + 3*std) | (returns < mean - 3*std)]
print(f"异常值数量: {len(outliers)}")

# 3. 平稳性检验（ADF检验）
from statsmodels.tsa.stattools import adfuller
result = adfuller(returns)
print(f"ADF统计量: {result[0]:.4f}")
print(f"p值: {result[1]:.4f}")
if result[1] < 0.05:
    print("序列平稳，可以继续")
else:
    print("序列不平稳，需要差分处理")

3.4 可视化：看波动率聚集效应

数据准备好了，画图看看。波动率聚集效应说白了就是：大的波动后面跟着大的波动，小的波动后面跟着小的波动。用图说话：

import matplotlib.pyplot as plt

fig, axes = plt.subplots(2, 1, figsize=(12, 8))

# 上图：收盘价走势
axes[0].plot(close.index, close.values, color='#2E86AB', linewidth=0.8)
axes[0].set_title('沪深300指数收盘价 (2015-2023)', fontsize=14)
axes[0].set_ylabel('价格')
axes[0].grid(True, alpha=0.3)

# 下图：收益率序列
axes[1].plot(returns.index, returns.values, color='#A23B72', linewidth=0.6)
axes[1].set_title('沪深300指数日收益率', fontsize=14)
axes[1].set_ylabel('收益率')
axes[1].set_xlabel('日期')
axes[1].grid(True, alpha=0.3)

plt.tight_layout()
plt.show()

你仔细看收益率图。2015年股灾那会儿，收益率上下乱跳，波动幅度特别大。到了2017年慢牛行情，收益率就变得很“温顺”。这就是典型的波动率聚集——高波动时期和低波动时期会扎堆出现。

3.5 本章知识体系

下面这张图帮你理清本章的核心逻辑：

好了，环境搭好了，数据也拿到手了。下一章咱们正式进入GARCH模型的世界，看看怎么用arch库拟合一个最简单的GARCH(1,1)模型。