金融数据的类型与频率

直觉

在跑任何策略之前，先想清楚两件事：用哪类数据，以及多高频率。这俩选择直接决定了策略能做什么、不能做什么——日内数据能捕捉分钟级机会但成本极高；月频数据便宜但反应迟钝。

三大数据类型

类型	例子	特点
行情数据	OHLCV（开高低收量）	最常用，量最大，反映交易行为
基本面数据	财报、估值、分红	频率低（季度），更新有滞后
另类数据	卫星图、舆情、物流	信息增量高，但噪声大、难处理

本书内置数据集都是合成行情数据（见 static/data/README.md）。顺手看一眼它们长什么样：

单资产行情 spy_daily.csv：

/data/spy_daily.csv

多资产宽表 multi_asset_daily.csv（股/债/商品/REIT）：

/data/multi_asset_daily.csv

频率与年化因子

不同频率对应不同的「一年含几个周期」$k$，它决定了年化时乘多少、波动开多少次方：

频率	$k$（一年周期数）
日（交易日）	252
周	52
月	12

$$\mu_{\text{ann}} = k\cdot\bar r, \qquad \sigma_{\text{ann}} = \sigma\sqrt k$$

「人话」解释：为什么是 $\sqrt k$？

若各期收益独立，方差可加（$n$ 期方差 $=n\times$单期方差），所以 $n$ 期波动 $=\sigma\sqrt n$。 「开方」就来自「方差可加、标准差开方」。这也是为什么高频数据年化波动巨大（分钟级的年化波动看着吓人，其实只是 $\sqrt k$ 被放大了）。

可运行案例：同一资产不同频率的对比

读取 spy_daily.csv，把日频聚合到周频和月频，比较它们的年化收益与波动——你会发现：频率越低、样本越少，但年化波动估计更稳。

import numpy as np
import pandas as pd

df = pd.read_csv('/data/spy_daily.csv', parse_dates=['date']).set_index('date')
close = df['close']

def stats(r, k, name):
  print(f"{name:4s} 样本数={len(r):4d}  年化收益={r.mean()*k:>8.2%}  年化波动={r.std(ddof=0)*np.sqrt(k):>7.2%}")

daily_r = np.log(close / close.shift(1)).dropna()
stats(daily_r, 252, "日频")

weekly_close = close.resample('W').last().dropna()
weekly_r = np.log(weekly_close / weekly_close.shift(1)).dropna()
stats(weekly_r, 52, "周频")

monthly_close = close.resample('ME').last().dropna()
monthly_r = np.log(monthly_close / monthly_close.shift(1)).dropna()
stats(monthly_r, 12, "月频")

小结

• 三类数据：行情 / 基本面 / 另类；
• 频率决定年化因子 $k$：收益 $\times k$，波动 $\times\sqrt k$；
• 频率越高样本越多，但噪声和成本也越高——选频率要匹配策略逻辑。