第二章：金融数据基础——获取股票/加密货币历史数据

各位同学，欢迎来到实战课的第二站。这一章我们聊点实在的——数据从哪来，怎么洗干净，怎么算收益率。

说实话，很多做量化的人，模型写得天花乱坠，结果数据源就有问题。我见过最离谱的，有人用错了复权方式，回测曲线漂亮得不行，实盘直接崩了。嗯，咱们别犯这种错。

2.1 数据获取：Yahoo Finance API 实战

我个人习惯用 yfinance 这个库。它封装了 Yahoo Finance 的接口，用起来很顺手。你想想看，几行代码就能拿到几十年的股票数据，多方便。

import yfinance as yf
import pandas as pd

# 获取苹果公司股票数据
ticker = "AAPL"
data = yf.download(ticker, start="2020-01-01", end="2023-12-31")
print(data.head())

我在项目中遇到过一个问题：Yahoo Finance 对加密货币的支持不太稳定。比如比特币的代码是 BTC-USD，但有时候会返回空数据。我的建议是，多准备几个数据源做备份。

2.2 数据清洗与预处理

原始数据通常很脏。缺失值、异常值、非交易日的空行……这些都得处理。我曾经因为没处理缺失值，导致强化学习模型在训练时直接报错，排查了半天。

清洗步骤我一般这么来：

1. 检查缺失值——用 isnull().sum() 看一眼
2. 填充或删除——金融数据我倾向于前向填充（ffill）
3. 去重——同一个交易日出现两次，肯定有问题
4. 排序——确保时间索引是升序

# 数据清洗示例
data = data.dropna()  # 删除缺失值
data = data[~data.index.duplicated(keep='first')]  # 去重
data = data.sort_index()  # 排序

2.3 收益率计算与可视化

收益率是量化的基石。说白了，我们做强化学习，目标就是最大化累计收益率。计算方式有两种：

收益率类型	公式	适用场景
简单收益率	(P_t - P_{t-1}) / P_{t-1}	日常分析、可视化
对数收益率	ln(P_t / P_{t-1})	统计建模、强化学习

我个人偏爱对数收益率。为什么？因为它具有可加性，而且分布更接近正态。你想想看，强化学习的奖励函数如果用简单收益率，累计起来会很麻烦。

# 计算对数收益率
data['log_return'] = np.log(data['Close'] / data['Close'].shift(1))

# 可视化
import matplotlib.pyplot as plt
data['log_return'].hist(bins=50, figsize=(10, 6))
plt.title('对数收益率分布')
plt.show()

嗯，这里要注意：收益率计算时，第一行会是 NaN，记得用 dropna() 去掉。

2.4 本章知识体系

下面这张图，是我自己总结的数据处理流程。你照着走，基本不会出错。

这张图把整个流程串起来了。你从左边开始，一步步走到右边，数据就准备好了。我当年刚开始做的时候，经常跳过清洗步骤，结果模型训练出来全是噪音。后来学乖了，老老实实每一步都走一遍。

好了，这一章的内容就这些。数据准备好了，下一章我们就能开始搭建强化学习环境了。