阶段 4掌握 0/100

编程与数据处理

能独立完成数据获取、清洗、分析、存储的完整Python流水线——量化工厂第一车间的工程师。

🎯 本阶段完成后你能

  • 建立向量化世界观,熟练使用pandas双索引/groupby/rolling
  • 能下载清洗全A股数据(复权/停牌/退市/幸存者偏差全处理)
  • 写出防前视偏差的因子计算与检验代码
  • 搭建可复现的数据管道(缓存/校验/parquet/README)

🧭 知识主线

向量化思维 → numpy广播 → pandas核心操作 → 数据源与下载 → 清洗实战 → 工程习惯 → 实战检验

🚩 学习顺序

先建立向量化思维(世界观)→ numpy/pandas核心操作(武器)→ 数据获取(原料)→ 清洗实战(脏活)→ 工程习惯(专业分水岭)→ 综合实战

问题列表(100) 精讲 44 · 速览 56

⬜
groupby:量化数据的"分组大脑"
Python 基础进阶精讲●●●●●⚠ 前置未掌握:布尔索引:数据筛选的"条件语句"艺术
学习
⬜
merge:数据世界的"外科缝合术"
Python 基础进阶精讲●●●●●⚠ 前置未掌握:groupby:量化数据的"分组大脑"
学习
⬜
pivot与melt:宽表长表的形态变换
Python 基础进阶精讲●●●●●⚠ 前置未掌握:groupby:量化数据的"分组大脑"
学习
⬜
pct_change:一行收益率的正确打开方式
Python 基础进阶精讲●●●●●⚠ 前置未掌握:groupby:量化数据的"分组大脑"
学习
⬜
rolling vs expanding:固定窗口与累计窗口
Python 基础用进阶精讲●●●●●⚠ 前置未掌握:rolling:时序因子的"移动窗口"引擎
学习
⬜
为什么要剔除新股?
数据清洗实战⚡ 速览●●●●●⚠ 前置未掌握:第一个数据项目:全A后复权面板
学习
⬜
为什么要剔除ST和停牌?
数据清洗实战⚡ 速览●●●●●⚠ 前置未掌握:为什么要剔除新股?
学习
⬜
什么是回测的股票池(Universe)?
数据清洗实战⚡ 速览●●●●●⚠ 前置未掌握:为什么要剔除ST和停牌?
学习
⬜
涨跌停怎么处理?
数据清洗实战⚡ 速览●●●●●⚠ 前置未掌握:什么是回测的股票池(Universe)?
学习
⬜
价格异常值怎么排查?
数据清洗实战⚡ 速览●●●●●⚠ 前置未掌握:涨跌停怎么处理?
学习
⬜
Winsorize怎么做?
数据清洗实战⚡ 速览●●●●●⚠ 前置未掌握:价格异常值怎么排查?
学习
⬜
为什么要做市值中性?
数据清洗实战⚡ 速览●●●●●⚠ 前置未掌握:行业中性和市值中性怎么做?
学习
⬜
为什么行业中性?
数据清洗实战⚡ 速览●●●●●⚠ 前置未掌握:为什么要做市值中性?
学习
⬜
缺失因子值怎么处理?
数据清洗实战⚡ 速览●●●●●⚠ 前置未掌握:为什么行业中性?
学习
⬜
横截面操作和时序操作区别?
数据清洗实战⚡ 速览●●●●●⚠ 前置未掌握:缺失因子值怎么处理?
学习
⬜
pandas怎么按天横截面排名?
数据清洗实战⚡ 速览●●●●●⚠ 前置未掌握:横截面操作和时序操作区别?
学习
⬜
什么是面板数据(Panel Data)?
数据清洗实战⚡ 速览●●●●●⚠ 前置未掌握:pandas怎么按天横截面排名?
学习
⬜
双重索引怎么用?
数据清洗实战⚡ 速览●●●●●⚠ 前置未掌握:什么是面板数据(Panel Data)?
学习
⬜
宽表和长表怎么互转?
数据清洗实战⚡ 速览●●●●●⚠ 前置未掌握:双重索引怎么用?
学习
⬜
复权价和原始价的字段管理?
数据清洗实战⚡ 速览●●●●●⚠ 前置未掌握:lookahead审计:给因子计算链做"时间安检"
学习
⬜
数据快照(Snapshot)纪律?
数据清洗实战⚡ 速览●●●●●⚠ 前置未掌握:复权价和原始价的字段管理?
学习
⬜
代码可复现三要素?
数据清洗实战⚡ 速览●●●●●⚠ 前置未掌握:数据快照(Snapshot)纪律?
学习
⬜
函数怎么设计才复用?
工程能力⚡ 速览●●●●●⚠ 前置未掌握:代码可复现三要素?
学习
⬜
为什么要写配置文件?
工程能力⚡ 速览●●●●●⚠ 前置未掌握:函数怎么设计才复用?
学习
⬜
日志(logging)重要吗?
工程能力⚡ 速览●●●●●⚠ 前置未掌握:为什么要写配置文件?
学习
⬜
什么是单元测试?
工程能力⚡ 速览●●●●●⚠ 前置未掌握:日志(logging)重要吗?
学习
⬜
git必须会什么?
工程能力⚡ 速览●●●●●⚠ 前置未掌握:什么是单元测试?
学习
⬜
内存不够怎么办?
工程能力⚡ 速览●●●●●⚠ 前置未掌握:git必须会什么?
学习
⬜
循环太慢怎么排查?
工程能力⚡ 速览●●●●●⚠ 前置未掌握:内存不够怎么办?
学习
⬜
多进程有用吗?
工程能力⚡ 速览●●●●●⚠ 前置未掌握:循环太慢怎么排查?
学习
⬜
SQL要会到什么程度?
工程能力⚡ 速览●●●●●⚠ 前置未掌握:多进程有用吗?
学习
⬜
Linux要会什么?
工程能力⚡ 速览●●●●●⚠ 前置未掌握:SQL要会到什么程度?
学习
⬜
什么是pickle/joblib?
工程能力⚡ 速览●●●●●⚠ 前置未掌握:Linux要会什么?
学习
⬜
requirements.txt/environment.yml?
工程能力⚡ 速览●●●●●⚠ 前置未掌握:什么是pickle/joblib?
学习
⬜
Jupyter的好习惯?
工程能力⚡ 速览●●●●●⚠ 前置未掌握:requirements.txt/environment.yml?
学习
⬜
调试技巧?
工程能力⚡ 速览●●●●●⚠ 前置未掌握:Jupyter的好习惯?
学习
⬜
DataFrame频繁Warning要理吗?
工程能力⚡ 速览●●●●●⚠ 前置未掌握:调试技巧?
学习
⬜
索引对齐的坑?
工程能力⚡ 速览●●●●●⚠ 前置未掌握:DataFrame频繁Warning要理吗?
学习
⬜
处理时区问题?
工程能力⚡ 速览●●●●●⚠ 前置未掌握:索引对齐的坑?
学习
⬜
什么是API文档阅读能力?
工程能力⚡ 速览●●●●●⚠ 前置未掌握:处理时区问题?
学习
⬜
代码风格?
工程能力⚡ 速览●●●●●⚠ 前置未掌握:什么是API文档阅读能力?
学习
⬜
推荐的项目结构?
工程能力⚡ 速览●●●●●⚠ 前置未掌握:代码风格?
学习
⬜
写出计算20日动量因子的伪代码?
实战检验⚡ 速览●●●●●⚠ 前置未掌握:推荐的项目结构?
学习
⬜
写出20日滚动波动率?
实战检验⚡ 速览●●●●●⚠ 前置未掌握:写出计算20日动量因子的伪代码?
学习
⬜
写出横截面Rank标准化?
实战检验⚡ 速览●●●●●⚠ 前置未掌握:写出20日滚动波动率?
学习
⬜
写出对数收益率?
实战检验⚡ 速览●●●●●⚠ 前置未掌握:写出横截面Rank标准化?
学习
⬜
如何计算换手率因子?
实战检验⚡ 速览●●●●●⚠ 前置未掌握:写出对数收益率?
学习
⬜
如何批量算100个因子的IC?
实战检验⚡ 速览●●●●●⚠ 前置未掌握:如何计算换手率因子?
学习
⬜
pandas里怎么做分层回测?
实战检验⚡ 速览●●●●●⚠ 前置未掌握:如何批量算100个因子的IC?
学习
⬜
如何计算策略换手率?
实战检验⚡ 速览●●●●●⚠ 前置未掌握:pandas里怎么做分层回测?
学习
⬜
如何画净值对比图?
实战检验⚡ 速览●●●●●⚠ 前置未掌握:如何计算策略换手率?
学习
⬜
如何输出绩效报告表?
实战检验⚡ 速览●●●●●⚠ 前置未掌握:如何画净值对比图?
学习
⬜
JSON/CSV读取注意?
实战检验⚡ 速览●●●●●⚠ 前置未掌握:如何输出绩效报告表?
学习
⬜
merge后行数变多怎么办?
实战检验⚡ 速览●●●●●⚠ 前置未掌握:JSON/CSV读取注意?
学习
⬜
如何快速验证数据?
实战检验⚡ 速览●●●●●⚠ 前置未掌握:因子数据对不齐行情怎么办?
学习
⬜
如何加速一个跑一小时的回测?
实战检验⚡ 速览●●●●●⚠ 前置未掌握:如何快速验证数据?
学习
⬜
怎么写出好维护的因子库?
实战检验⚡ 速览●●●●●⚠ 前置未掌握:如何加速一个跑一小时的回测?
学习
⬜
数据工程占量化研究时间比例?
实战检验⚡ 速览●●●●●⚠ 前置未掌握:怎么写出好维护的因子库?
学习
⬜
本阶段实战作业?
实战检验⚡ 速览●●●●●⚠ 前置未掌握:数据工程占量化研究时间比例?
学习

🛠 阶段实践大作业

搭建自己的数据管道:下载→清洗→存储为 parquet。

完成后你将真正拥有"用代码理解市场"的第一次体验。