📚 课程目录第1章课程导入

1. 课程导入

在金融数据分析中，时间序列是最常见、也最容易被低估的数据形态。无论是股票日线行情、分钟级tick、期货主力合约、基金净值、宏观利率，还是加密货币的7×24小时报价，它们都共享一个特征：数据按时间顺序产生，且时间本身携带信息。价格、成交量、收益率、波动率等指标，只有在正确的时间轴上才有意义。一旦时间戳错位、缺失、重复或时区混乱，后续的因子计算、回测、风险敞口和绩效归因都会产生系统性偏差。

Pandas之所以成为金融数据处理的事实标准，是因为它同时提供了带标签的时间索引、灵活的重采样、强大的缺失值处理和高效的对齐机制。在真实生产环境中，原始金融数据往往来自多个数据源：交易所、数据供应商、内部风控系统、第三方API。它们的频率不同、交易日历不同、字段命名不同、时区不同，甚至同一资产在不同源上的时间戳精度也不同。Pandas的DatetimeIndex、resample、reindex、merge_asof、ffill/bfill等工具，正是解决这些问题的核心武器。

核心原理：金融时间序列的“三性”与Pandas的对应能力

金融时间序列的清洗与对齐，本质上围绕三个性质展开：时序性、完整性、一致性。时序性要求时间戳单调、可排序、可切片；完整性要求缺失值被合理识别与填补；一致性要求不同频率、不同来源的数据能在同一时间轴上正确合并。Pandas分别提供了对应的抽象：

时序性：pd.to_datetime、DatetimeIndex、sort_index、asfreq，确保时间轴可比较、可切片。
完整性：isna、interpolate、ffill、bfill、fillna，区分“真实缺失”与“非交易时段”。
一致性：resample、reindex、merge_asof、join，实现跨频率、跨资产、跨源对齐。

关键认知：金融时间序列的“缺失”并不总是错误。周末、节假日、停牌、涨跌停、非交易时段，都会造成时间轴上的“空洞”。清洗的目标不是把所有空洞填满，而是区分“市场休市”与“数据丢失”，再决定是保留、前向填充还是标记为不可用。

方法流程：从原始数据到可分析时间序列

一个稳健的金融时间序列处理流程，通常包含以下步骤。注意，这些步骤并非严格线性，实际项目中经常需要反复迭代。

时间解析与标准化：将字符串、Unix时间戳、Excel日期等统一转换为datetime64[ns]，并明确时区。
排序与去重：按时间升序排列，检测重复时间戳，判断是数据重复还是多市场合并导致。
频率识别与重采样：识别原始频率（tick、1min、日线、周线），按目标频率聚合，注意OHLCV的聚合规则。
缺失诊断：区分交易日历缺失、停牌缺失、真实数据丢失，生成缺失报告。
对齐与合并：多资产、多因子、多数据源按时间轴对齐，选择merge_asof或reindex。
质量校验：检查时间单调性、频率一致性、极值、负价格、成交量异常等。

下面是一个最小可运行的示例，展示如何将原始字符串时间转换为Pandas时间索引，并做基础清洗：

import pandas as pd
import numpy as np

raw = pd.DataFrame({
    "trade_time": ["2024-01-02 09:30:00", "2024-01-02 09:31:00",
                   "2024-01-02 09:31:00", "2024-01-02 09:33:00"],
    "symbol": ["AAPL", "AAPL", "AAPL", "AAPL"],
    "price": [185.2, 185.5, 185.5, 185.8],
    "volume": [1200, 800, 800, 1500]
})

raw["trade_time"] = pd.to_datetime(raw["trade_time"])
raw = raw.drop_duplicates(subset=["trade_time", "symbol"])
raw = raw.set_index("trade_time").sort_index()

# 按分钟重采样，缺失分钟用NaN标记
minute = raw.resample("1min").agg({"price": "last", "volume": "sum"})
print(minute)

这段代码揭示了两个关键点：第一，重复时间戳必须显式处理，否则后续重采样会静默聚合；第二，重采样后的缺失分钟是“市场无成交”还是“数据未采集”，需要结合交易日历判断，不能一律ffill。

案例/场景：多源数据对齐的真实挑战

假设你正在构建一个多因子选股模型，需要同时使用：交易所日线行情、第三方财务因子、宏观利率数据。三者的时间频率分别是日频、季度频、月频，且交易日历不同。如果直接按日期merge，会出现大量NaN；如果简单前向填充，又会引入“未来函数”风险。正确的做法是：

行情数据按交易日历reindex，保留停牌日并标记。
财务因子按公告日而非报告期对齐，避免使用未来信息。
宏观数据按发布日merge_asof，确保每个交易日只能看到已发布的数据。

实战提示：在回测中，merge_asof的direction="backward"是避免未来函数的常用手段。它表示“对于每个时间点，只匹配不晚于该时间点的最近一条记录”。

误区/复盘：初学者最容易踩的五个坑

误区	典型表现	正确做法
把缺失当异常	对所有NaN统一`ffill`	先区分休市、停牌、数据丢失，再分类处理
忽略时区	跨市场数据时间错位	统一为UTC或交易所本地时间，并记录转换规则
重采样聚合错误	用`mean`聚合OHLC	开盘取first、最高取max、最低取min、收盘取last
未来函数	用报告期对齐财务数据	用公告日+`merge_asof`向后匹配
重复时间戳未处理	回测收益翻倍或异常	先`drop_duplicates`或按业务规则聚合

这些误区的共同根源，是把时间序列当成普通表格处理。金融时间序列的每一行都携带“时间语义”，时间轴本身就是模型的一部分。清洗与对齐不是预处理的小步骤，而是决定策略有效性的基础设施。

本课程后续30章将围绕这条主线展开：从时间解析、频率转换、缺失诊断，到多源对齐、交易日历处理、未来函数防范，再到真实金融数据集的端到端实战。你将不仅学会Pandas的API，更会建立一套可复用、可验证、可解释的金融时间序列处理思维。清洗与对齐做对了，后面的因子挖掘和策略回测才有意义。