Stage 2
数据与工具
在量化研究中，大部分时间都花在数据处理与分析上。 这一阶段的目标是掌握 Python 及其核心数据工具， 能够读取、清洗、分析并可视化金融数据。
核心能力
量化研究的基础工具
掌握 Python 及数据分析工具，是进入量化研究的第一道门槛。
Python 基础
理解 Python 基本语法、函数、模块结构， 能够编写简单的数据分析脚本。
- 变量与数据结构
- 函数
- 模块
- 脚本结构
Numpy / Pandas
Python 数据分析最核心的工具库， 用于数组计算与表格数据处理。
- Numpy 数组
- Pandas DataFrame
- 时间序列数据
- 数据聚合
数据处理
量化研究的核心工作之一是处理原始数据， 包括清洗、转换与特征构建。
- 数据清洗
- 缺失值处理
- 数据对齐
- 特征生成
数据可视化
通过图形理解数据结构， 是研究与探索的重要步骤。
- matplotlib
- 时间序列图
- 收益分布图
- 回测曲线
金融数据接口
能够获取并读取金融市场数据， 是量化研究的基础能力。
- Tushare
- Yahoo Finance
- Akshare
- CSV 数据
研究工作流
建立基本的数据分析流程， 为后续量化研究做准备。
- 数据读取
- 数据分析
- 可视化
- 结果解释
实践任务
建议练习
- 用 Pandas 读取股票历史价格数据
- 计算每日收益率
- 计算移动平均线（MA20 / MA60）
- 画出价格走势图
- 画出收益率分布图
学习资源
推荐资料
Python 数据分析
学习 Python 在数据分析中的基本使用， 包括 Pandas 与数据处理。
金融数据处理
学习如何获取与处理金融市场数据， 包括股票价格、收益率与指标。
Numpy 计算
理解数组计算与向量化操作， 提高数据处理效率。
数据可视化
通过 matplotlib 等工具， 将数据分析结果可视化。