4. 数据源选择与获取：常见金融数据源与频率选择

构建 VaR 模型的第一步是获取高质量、高保真的金融时间序列数据。数据源的选择直接影响样本的代表性与模型回测的可信度。本节将对比三大主流数据源（Yahoo Finance、Wind、Tushare），并讨论不同数据频率对 VaR 估计的影响。

4.1 常见金融数据源对比

下表从数据覆盖、更新时效、获取成本、编程接口四个维度对三个数据源进行横向对比，帮助你在不同场景下做出选择。

4.2 数据频率选择：日频、小时频、分钟频

VaR 模型对数据频率高度敏感。频率越高，样本量越大，但噪声与微观结构效应也越显著。下表总结了三种常见频率的适用模型与注意事项。

4.3 数据获取流程与代码示例

以下是一个标准的数据获取流程，以 Yahoo Finance 为例，获取某只股票的日频收盘价，并做基本清洗。

1. 安装依赖库： pip install yfinance pandas
2. 下载数据： 指定股票代码、起止日期、频率
3. 数据清洗： 处理缺失值、调整股息/拆股
4. 收益率计算： 对数收益率或简单收益率

import yfinance as yf
import pandas as pd

# 1. 下载日频数据
ticker = "AAPL"
start_date = "2020-01-01"
end_date = "2023-12-31"

data = yf.download(ticker, start=start_date, end=end_date, interval="1d")

# 2. 保留调整收盘价，丢弃缺失值
adj_close = data["Adj Close"].dropna()

# 3. 计算对数收益率
log_returns = np.log(adj_close / adj_close.shift(1)).dropna()

# 4. 输出样本统计
print(f"样本量: {len(log_returns)}")
print(f"均值: {log_returns.mean():.6f}")
print(f"标准差: {log_returns.std():.6f}")

4.4 数据源与频率选择决策流程

下面的 SVG 流程图展示了从需求分析到数据获取的完整决策路径，帮助你快速定位最适合当前 VaR 项目的配置。

4.5 数据质量检查清单

在将数据送入 VaR 模型之前，必须通过以下质量检查，避免“垃圾进，垃圾出”。

• 完整性检查： 交易日历是否对齐？是否存在非交易日缺失？
• 异常值检测： 是否存在价格跳空超过 20% 的异常记录？
• 复权一致性： 是否使用后复权（调整股息、拆股）？前复权会导致历史收益率失真。
• 时间戳对齐： 多资产组合中，所有序列的时间戳必须严格对齐到同一时区与频率。
• 滚动窗口验证： 检查滚动窗口内的收益率分布是否出现结构性突变（如 2020 年 3 月 COVID 冲击）。