VIP15
本课程属于：035-金融数据清洗与标准化 智能金融与金融工程 · 共 15 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

Pandas金融时间序列清洗与对齐实战

共计 30 章节
可可资料掘金营 · 点击在线试看
01
课程导入
目标=金融时间序列分析的重要性 · Pandas在金融数据处理中的角色 · 课程学习目标与整体框架
课程导入目标=金融时间序…
02
金融时间序列基础
目标=时间序列定义 · 金融数据常见类型（价格 · 成交量
金融时间序列基础目标=时间序列定…
03
Pandas时间序列核心工具
目标=Timestamp · DatetimeIndex · Period
Pandas时间序列核心工具
04
时间序列数据读取与生成
目标=从CSV · Excel · 数据库读取金融数据
时间序列数据读取生成
05
时间索引设置与转换
目标=set_index · reset_index · to_datetime
时间索引设置转换
06
缺失值识别与处理
目标=isna · dropna · fillna
缺失值识别处理
07
重复时间戳与异常值处理
目标=识别重复索引 · 去重策略 · 异常值检测（Z-score
重复时间戳异常值处理
08
数据重采样基础
目标=resample方法 · 降采样与升采样 · OHLC聚合
数据重采样基础resample
09
重采样高级技巧
目标=自定义聚合函数 · 多列不同聚合 · groupby与resample结合
重采样高级技巧目标=自定义聚合…
10
时间序列对齐核心概念
目标=索引对齐 · join · merge
时间序列对齐核心…目标=索引对齐
11
不同频率数据对齐
目标=将日频与月频数据对齐 · 使用asfreq与reindex · 前向填充与插值在对齐中的应用
不同频率数据对齐目标=将日频
12
多资产时间序列对齐
目标=多个股票 · 多个市场数据对齐 · 处理不同交易时间与缺失日期
多资产时间序列对…目标=多个股票
13
时区处理与对齐
目标=时区感知时间序列 · tz_localize · tz_convert
时区处理对齐
14
滚动窗口与移动统计
目标=rolling · expanding · ewm
滚动窗口移动统计
15
滞后与差分
目标=shift · diff · pct_change
滞后差分
16
时间序列可视化
目标=matplotlib与pand… · 时间序列折线图 · K线图基础
时间序列可视化matplotlib
17
案例实战一
目标=股票日频数据清洗 · 处理缺失值与停牌 · 对齐交易日历
案例实战一目标=股票日频数…
18
案例实战二
目标=宏观经济数据对齐：CPI · GDP · 利率等不同频率数据合并
案例实战二CPI
19
案例实战三
目标=高频数据清洗与对齐 · 买卖价差处理 · 成交量分布分析
案例实战三目标=高频数据清…
20
案例实战四
目标=多市场数据整合：A股 · 港股 · 数据对齐
案例实战四目标=多市场数据…
21
常见问题与解决方案
目标=时间索引不唯一 · 时区混淆 · 重采样后缺失值
常见问题解决方案
22
性能优化与大数据处理
目标=使用向量化操作 · 避免循环 · 分块读取
性能优化大数据处理
23
时间序列特征工程
目标=从时间戳提取特征（年 · 月 · 日
时间序列特征工程目标=从时间戳提…
24
时间序列交叉验证与拆分
目标=时间序列拆分 · 滚动窗口交叉验证 · 避免未来数据泄露
时间序列交叉验证拆分
25
综合项目一
目标=构建多因子数据集 · 清洗 · 对齐
综合项目一目标=构建多因子…
26
综合项目二
目标=事件研究数据对齐 · 分红）对齐股价与事件日期 · 计算异常收益
综合项目二目标=事件研究数…
27
综合项目三
目标=投资组合时间序列分析 · 协方差矩阵计算 · 滚动相关性
综合项目三目标=投资组合时…
28
Pandas与其他工具集成
目标=与NumPy · SciPy · statsmodels
Pandas其他工具集成
29
最佳实践与代码规范
目标=可复现分析流程 · 函数封装 · 管道设计
最佳实践代码规范
30
课程总结与进阶方向
目标=核心知识点回顾 · 常见陷阱总结 · 进阶学习资源
课程总结进阶方向