1. 课程导入与数据准备

在开始任何对比分析之前，我们需要先想清楚一件事：这门课要回答的核心问题不是“哪个板块涨得多”，而是“某个板块相对基准到底多赚了还是少赚了”。前者只需要一条涨跌幅数据，后者必须同时具备板块收益与基准收益两条序列，并在同一时间轴、同一口径下相减。因此，本节的目标是搭建一个可复用的数据底座：明确对比对象、选好数据源、统一字段口径、完成导入与初步校验，为后续的超额收益计算和可视化打好基础。

一、先定义清楚三个角色：板块、基准、区间

板块涨跌幅与超额收益对比，本质上是一个“相对强弱”问题。我们至少需要三类数据：板块指数（如申万一级行业指数、中证行业指数、概念板块指数）、基准指数（常用沪深300、中证800、中证全指，也可用万得全A），以及时间区间（起止交易日）。超额收益的常用定义是：

区间超额收益 = 板块区间涨跌幅 − 基准区间涨跌幅
单日超额收益 = 板块日涨跌幅 − 基准日涨跌幅

这里要先约定方向：本文所有“超额”均指板块减基准，正值代表跑赢，负值代表跑输。区间涨跌幅建议用复权后的收盘价计算，即 (期末收盘 / 期初前一日收盘 − 1) × 100%，避免把区间首日涨跌幅漏掉或重复计入。这个约定会在后续所有图表和计算中保持一致。

二、常用数据源与字段选择

实战中数据来源主要有三类：一是行情终端（Wind、Choice、同花顺iFinD），字段规范、覆盖全，适合教学与正式研究；二是交易所与指数公司官网（中证指数、国证指数），可免费下载指数历史行情；三是开源接口（如AKShare、Tushare），适合快速搭建练习环境。无论用哪种，导入后我们关心的核心字段基本一致：

需要特别提醒：不同数据源的pct_chg可能保留两位或四位小数，且部分接口的涨跌幅是“百分数数值”而非小数，导入后必须统一量纲，否则超额收益会出现100倍误差。建议在数据表中额外增加一列ret，统一存为小数形式（如1.27%存为0.0127），后续计算全部基于ret进行。

三、实战环境搭建与数据导入

下面给出一个可直接运行的最小环境示例，使用Python + pandas，数据以本地CSV模拟（示例数据为合理假设，非真实行情）。目录结构建议为data/raw存放原始文件、data/clean存放清洗结果、notebooks存放分析脚本。

import pandas as pd

# 读取板块与基准数据（示例：两个行业板块 + 沪深300）
sector = pd.read_csv("data/raw/sector_index.csv", parse_dates=["trade_date"])
bench  = pd.read_csv("data/raw/benchmark_index.csv", parse_dates=["trade_date"])

# 统一量纲：百分数转小数
for df in (sector, bench):
    df["ret"] = df["pct_chg"] / 100.0

# 合并为长表，便于按指数分组
all_df = pd.concat([sector, bench], ignore_index=True)
all_df = all_df.sort_values(["index_code", "trade_date"]).reset_index(drop=True)

# 透视成宽表：每列一个指数，行是交易日
wide = all_df.pivot(index="trade_date", columns="index_code", values="ret")
wide = wide.dropna(how="any")   # 只保留所有指数都有数据的交易日
print(wide.tail(3))

导入完成后不要急着算收益，先做三项校验：一是日期对齐，确认板块与基准的交易日完全一致，停牌或缺失日要明确剔除而不是简单填零；二是量纲检查，随机抽几天看ret是否落在合理区间（A股单日一般在±10%以内，指数更小）；三是区间完整性，确认起止日期内没有大段缺口。下面的SVG把本节的数据准备流程与关键校验点串成一条数据流，便于对照操作。

四、一个可复用的数据准备清单

为了让每次分析都能复现，建议把本节的操作固化成一份简短清单，随数据一起保存：

• 对比对象：板块指数代码与名称、基准指数代码与名称，各写清楚。
• 时间区间：起止交易日，注明区间收益是否包含首日。
• 量纲约定：ret统一为小数，展示时再乘100加百分号。
• 缺失处理：记录被剔除的交易日及原因（停牌、接口缺失等）。
• 数据版本：原始文件名、下载日期，便于回溯。

完成以上步骤后，你手里应该有一张按交易日对齐的宽表：每一行是一个交易日，列中包含至少一个板块收益列、一个基准收益列，以及由两者相减得到的超额收益列。这张表就是后续所有对比分析、排序、可视化和归因的起点。数据准备做得扎实，后面的结论才站得住。