练习

1. 多资产数据获取与清洗

使用yfinance同时获取阿里巴巴(BABA)、京东(JD)在2021-2023年的完整交易日数据：

• 验证数据集是否存在缺失值

• 用向前填充法处理Open/High/Low/Close的缺失数据

• 对Volume字段缺失值填充0

import yfinance as yf
import pandas as pd

tickers = ['BABA', 'JD']
raw_data = yf.download(tickers, start='2021-01-01', end='2023-12-31')

2. 波动率曲面分析

获取英伟达(NVDA)2020-2023年日线数据：

• 计算20日、60日、120日历史波动率（收益率标准差）

• 将波动率序列与股价走势绘制在双坐标轴图表

• 添加图例说明不同窗口长度的波动率特征

nvda = yf.download('NVDA', start='2020-01-01')['Close']

3. 收益分布特征分析

对比分析特斯拉(TSLA)与通用汽车(GM)在新冠疫情期间（2020-2021）的收益率分布：

• 计算两股票的日收益率偏度与峰度

• 绘制叠加直方图比较分布形态

• 添加正态分布曲线作为基准参考

import numpy as np
from scipy.stats import norm

pandemic_data = yf.download(['TSLA', 'GM'], start='2020-01-01', end='2022-01-01')['Close']

4. 移动平均策略回测

选取标普500ETF(SPY)2015-2020年数据：

• 构建双均线策略（20日与200日）

• 计算每日策略信号（短期均线上穿/下穿长期均线）

• 绘制价格与均线系统交互示意图

• 标注典型的金叉/死叉发生位置

spy = yf.download('SPY', start='2015-01-01', end='2020-12-31')['Close']

5. 交易量异常检测

分析苹果(AAPL)过去五年的交易量数据：

• 计算交易量的20日Z-Score指标：
  
  $Z_t = \frac{V_t - \mu_{20}}{\sigma_{20}}$

• 标记Z-Score绝对值超过3倍的异常交易日

• 在价格走势图上用垂直标记线标注异常量能日

aapl_volume = yf.download('AAPL', period='5y')['Volume']