学习心得 第一期 02_你的第一个量化实验

一、股票数据 --日线行情表

OHLCV：open，high，low，close，volume

了解具体原理：

1. open早盘（9:15-9:25）：集合竞价（“攒单子、定一口价）期间买卖双方各自报出心理价。系统在9:25找到一个能让成交量最大的价格，所有在这个价格之上的买单和之下的卖单，统统按这个价成交。这个价格就是“开盘价”。

2. close尾盘（14:57-15:00）：原理同上，最后3分钟撮合出的那个最大成交量的价格，就是“收盘价”

3. high，low：连续竞价期间（9:30-11:30, 13:00-14:57），当天全天所有成交中，价格波动的上下边界

二、收益率对量化意味着什么？

收益率是我们提出的假说验证的最核心、最重要的依据之一，但是只谈收益不谈风险就是耍流氓。

• 收益率：（120元 - 100元） / 100元 = 20%，收益率默认用close计算

• 日收益率，pandas核心代码：df['日收益率'] = df['Close'].pct_change()

• 收益率的可视化

  • 日收益率曲线：直观展示每天的涨幅
  • 直方图（Histogram）：涨幅主要集中区间，有没有长尾

• 衡量波动：日收益率的标准差（标准差越大，涨跌越猛）

三、🎯 挑战任务（第二章通关）

1. 三选一：把实验里的 'AAPL'、'TSLA'、'NVDA' 换成你最喜欢的一家公司，重做波动对比小实验。
2. 截图打卡：保存一张「收益率 Histogram」图，发好友或学习群。
3. 思考题：Histogram 尾巴很长，说明这类股票可能有什么特点？

解答：

1. 将苹果'AAPL'替换成腾讯'0700.HK'，下面是核心代码、日收益率对比图和日收益率标准差对比图。

由于项目原本拉取苹果股票数据使用的 yfinance（雅虎财经数据源）存在网络不稳定的问题，因此我更换为国内数据源 akshare

for symbol, name in tickers.items():
    if '.HK' in symbol:
        code = symbol.split('.')[0].zfill(5)  # 补零为 5 位，如 0700 → 00700
        data = ak.stock_hk_daily(symbol=code, adjust="qfq")
    else:
        data = ak.stock_us_daily(symbol=symbol, adjust="qfq")

    # 统一处理：新浪源返回英文列名 date, close
    data['date'] = pd.to_datetime(data['date'])
    data = data.set_index('date').sort_index()
    data = data.loc[start_dt:end_dt].dropna()

    # 日收益率计算
    all_rets[name] = data['close'].pct_change().dropna()
    print(f'{name} ({symbol}): {len(all_rets[name])} 个交易日')

# 计算波动率
vol = pd.Series({name: s.std() for name, s in all_rets.items()}).sort_values(ascending=False)

2. 收益率 Histogram 图如下：
   

3. 股票收益率波动非常大。如果右尾很长，收益遇到大利好；如果左尾很长，风险很高，容易出现暴跌。

四、结语

初识quant，发现一切都是有逻辑的，有思考的，不是情绪的冲动，收益率可能是假说的验金石，也可能藏有风险。

---

AI时代量化最重要的能力： ---Yibo

1. 定义者
2. 多模型思维
3. 股市领域伦理判断