金融数据的类型与频率
你将能为研究问题选择合适的数据类型与频率，写清时间戳、可得时间和年化口径，并识别高频、基本面和另类数据各自特有的偏差。
OHLCV 与 pandas 时间序列
你将能解释 OHLCV 每列的生成规则，正确聚合周/月 K 线，并在处理前验证索引排序、重复时间戳、时区与价格合法性。
清洗：缺失、复权与异常值
你将能按缺失原因选择处理方法，区分价格收益与总收益，建立异常值审计记录，并避免用全样本分位数清洗历史数据造成前视。
重采样与多资产对齐
你将能区分价格、简单收益和对数收益的聚合规则，选择交集/并集日历，并识别跨市场 ffill 造成的陈旧价格和虚假相关。
数据快照与避免前视（PIT）
你将能区分事件时间、公告时间和数据库入库时间，使用 as-of join 构造 PIT 特征，并为修订值、退市标的和指数成分变更设计测试。