1. 课程导入与数据认知
假设你从行情终端导出“中证新能源指数”近五年的日线数据，打开文件后看到七列：日期、开盘、最高、最低、收盘、成交量、成交额。你可能会觉得，这不就是一张普通的价格表吗？但真正开始做行业研究时，问题会立刻浮现：为什么同一天不同来源的收盘价对不上？为什么指数在某个日期出现了一个巨大的跳空，而当天市场并没有发生什么大事？为什么把两个行业指数放在一起比较时，一个的起点是1000点，另一个是4000点，直接画图根本看不出谁涨得更快？
这些问题的根源，往往不在数据本身“错了”，而在于我们还没有理解数据的生成方式、复权口径和对齐规则。本节作为课程导入，先建立对行业指数数据的整体认知，明确后续三十章要解决的核心任务。
一、行业指数数据从哪里来，包含哪些字段
行业指数数据通常有三个来源：交易所与指数公司官方发布、金融数据终端（如Wind、Choice、同花顺iFinD等）、以及开源数据接口（如AkShare、Tushare等）。不同来源的字段命名和精度略有差异，但核心结构高度一致。一条标准的日频行情记录包含以下字段：
- 日期：交易日的标识，通常为YYYY-MM-DD格式。需要注意，不同市场、不同来源对“交易日”的定义可能不同，比如是否包含节假日调休、是否采用自然日填充。
- 开盘价：当日第一笔成交对应的指数点位，反映集合竞价后的市场预期。
- 最高价 / 最低价：当日指数运行区间的上下边界，常用于计算振幅、判断波动状态。
- 收盘价：当日最后一笔成交对应的点位，是最常用的收益计算基准，也是复权处理的核心对象。
- 成交量：当日成分股成交股数或手数的汇总，反映市场参与活跃度。
- 成交额：当日成分股成交金额的汇总，单位通常为元或亿元，比成交量更能跨股票比较。
这里有一个容易被忽略的细节：指数本身是“点位”，不是“价格”。指数的开盘、最高、最低、收盘都是通过成分股价格加权计算出来的虚拟数值，因此它没有真正的“成交”，成交量和成交额是成分股成交的汇总。理解这一点，对后续理解复权逻辑非常关键——指数不需要像个股那样做“除权除息复权”，但行业指数在编制过程中会涉及成分股调整、权重再平衡，这些事件同样会造成点位序列的“非市场性跳变”。
二、复权与对齐：两个看似简单却极易出错的概念
在行业研究中，“复权”和“对齐”是两个高频出现但常被混用的词。它们解决的是不同层面的问题。
复权主要针对价格序列的连续性问题。对于个股，除权除息会导致价格在除权日出现向下跳空，如果不复权，直接计算收益率会把“分红送股”误判为“下跌”。对于指数，虽然不存在除权除息，但成分股调整、权重变化、基日调整等事件同样会让指数点位在某个日期发生非市场因素导致的跳变。复权的本质，是把这些“人为断点”修正掉，让序列反映真实的市场收益。
对齐解决的是多序列之间的可比性问题。当你同时研究新能源、半导体、医药三个行业指数时，它们的基日不同、基点不同（有的1000点，有的4000点），交易日历也可能因为成分股停牌、数据缺失而不完全一致。对齐就是把这些序列放到统一的时间轴和统一的起点上，使得“涨跌幅”而非“绝对点位”成为可比较的对象。
三、本课程的任务路线图
基于上述认知，本课程将围绕“从原始数据到可比较、可分析的行业指数序列”这一主线展开。整体路线可以概括为四个阶段：
- 数据获取与字段校验：明确数据来源，检查字段完整性、日期连续性、异常值（如收盘价为0、成交量缺失等）。
- 复权处理：识别指数序列中的非市场性跳变，选择合适的复权方法（前复权、后复权或比例复权），并验证复权后的收益率序列是否连续。
- 多序列对齐：统一交易日历、统一起点基准（如归一化到100或1），处理缺失值与停牌日填充规则。
- 研究应用与结果判读：在复权对齐后的数据上计算收益率、波动率、相关性、相对强弱等指标，并结合行业基本面进行解读。
下面的SVG以一条行业指数序列的处理链路为线索，把原始字段、复权修正、对齐归一化和最终研究输出串联起来，帮助你建立本节内容的整体结构感。
四、一个具体的导入示例
为了让你更直观地感受复权与对齐的必要性，这里给出一个假设性的示例。假设我们取两个行业指数在2020年1月2日的收盘数据：指数A为1250点，指数B为4600点。如果直接比较绝对点位，会得出“B比A高很多”的结论，但这毫无意义，因为两者的基日和基点不同。将两者分别除以其基日点位（A为1000，B为4000）再乘以100，得到归一化值：A为125.0，B为115.0。此时可以看出，自基日以来A的累计涨幅为25%，B为15%，A的表现更强。这就是对齐最直接的价值。
再考虑复权。假设指数A在2021年6月进行了一次成分股调整，调入了若干高权重的新能源龙头股，导致指数点位在调整日前后出现约3%的“非市场性抬升”。如果不做复权处理，你在计算2021年6月的月度收益率时，会把这3%误算为市场上涨，从而高估该行业的真实表现。复权处理的目的，就是通过识别调整日、计算调整比例、对序列进行修正，使收益率回归真实的市场变化。
五、学习本课程后你将具备的能力
完成本课程后，你应当能够独立完成以下任务：从任意主流数据源获取行业指数日频数据并完成字段校验；识别指数序列中的非市场性断点并选择合适的复权方法；将多个行业指数对齐到统一的时间轴和起点，计算可比的收益率与风险指标；对复权对齐后的结果进行合理性检验，判断是否存在数据错误或方法误用。这些能力是后续行业轮动、相对强弱分析、因子研究等工作的基础。