研究工具量化研究工具与数据基础 · 第1–5讲1/5 · 配套练习模块导览 →

练习

第1讲：研究入门 (Introduction to Research) · 练习

获取并清洗多资产数据，分析波动与收益分布，回测移动平均规则，并识别成交量异常点。

← 返回本讲讲义

完成状态保存在当前浏览器，可随时取消。

本文目录 · 5 节

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

code

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

code

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

code

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

code

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

code

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

完成练习后，自评一次

建议先独立作答，再展开参考答案进行核对。

返回讲义下一讲