加载价格数据：CSV 文件与免费 API、复权与未复权价格、缺失值与时区

你将学到什么

• 如何把 CSV 文件读入带有正确日期的 DataFrame，以及能修复常见导入问题的参数。
• 免费数据 API 能提供什么，它们的许可条款和默认设置意味着什么，以及如何缓存下载的数据。
• 拆股和股息复权因子如何计算，以及为什么回测需要复权价格，而实盘下单需要未复权价格。
• 如何发现并处理缺失值，以及如何在不移动 K 线的前提下设置和转换时区。

讲解

CSV 文件。CSV（comma-separated values，逗号分隔值）文件是纯文本文件，每根 K 线占一行。关键调用是：

df = pd.read_csv("data/raw/xyz.csv", parse_dates=["Date"], index_col="Date")

parse_dates 把文本列转换为时间戳，index_col 把它设为索引。常见修复：德国格式的导出文件使用 sep=";" 和 decimal=","，像 03.04.2025 这样的日期使用 dayfirst=True，解析出错时使用 date_format="%d.%m.%Y"。加载后，运行 df = df.sort_index()（有些导出文件按从新到旧排序），检查 df.index.is_unique，并用 df.columns = df.columns.str.lower() 把列名改为小写。

免费 API。API（application programming interface，应用程序编程接口）让代码可以向服务器请求数据。对于第一个项目，yfinance 库（Yahoo Finance 数据）是常见选择：yf.download("SAP.DE", start="2015-01-01")；它面向个人研究，准确性不受保证。有一个默认设置很重要：截至 2026 年，auto_adjust=True，因此开盘价、最高价、最低价和收盘价都已经针对拆股和股息进行了复权，也没有“Adj Close”列；使用 auto_adjust=False 时，你会得到经拆股复权的 OHLC，外加一个同时包含股息调整的“Adj Close”列。提供免费额度的替代方案包括 Stooq（CSV 下载）、Alpha Vantage 和 Tiingo（需要注册和 API 密钥，请求次数限制严格）；条款会变化，请查看当前条件，第 12 课会介绍密钥管理和速率限制。无论数据来源如何，都请把原始下载结果保存一次到 data/raw/（CSV 或 Parquet），然后基于该文件工作；数据供应商会修订历史数据，而请求额度十分有限。

复权与未复权。课程《系统化交易与回测》解释了拆股和股息为什么会扭曲回测；这里讲的是修正如何进行。对于 n 拆 1 的拆股，之前的每个价格都除以 n（成交量乘以 n）。对于在第 t 天除息的现金股息 D，标准方法是把第 t 天之前的所有价格乘以因子 1 − D ÷ C，其中 C 是除息日前最后一天的收盘价。复权会向过去逐次累积。由此产生的后果：每出现一次新的股息，复权后的历史数据都会改变；百分比收益率是正确的，而以欧元计的价格水平则不是。规则：用复权数据做回测，用未复权价格下真实订单，并且永远不要在同一个计算中混用两者。

缺失值。pandas 用 NaN 标记缺口。用 df.isna().sum() 找出它们。用 df["close"].ffill() 向前填充少量价格缺口是可以接受的，但永远不要向前填充成交量，也永远不要对价格进行插值，因为插值使用了未来的值，会植入前视偏差（第 7 课）。其他情况请用 df.dropna(subset=["close"]) 删除这些行，并记录删除了多少行。注意，旧的 fillna(method="ffill") 写法自 pandas 2.1 起已被弃用，不应再用于新代码；请写成 .ffill()。

时区。日线数据很少需要时区；日内数据则总是需要。tz_localize("Europe/Berlin") 给一个不含时区的索引附加时区，但不改变钟点时间；tz_convert("America/New_York") 则会改变钟点时间。如果错误地把 UTC 数据本地化为柏林时间，每根 K 线都会被悄悄移动一到两个小时，因此请查阅数据供应商的文档。欧洲和美国的夏令时切换日期不同，正是在这些日子里，处理不当的时间戳会让不同品种的数据错位。

实例演算

假设示例：一只股票星期一收盘价为 €50.00。一笔 €1.00 的股息在星期二除息，当天该股收于 €49.50。不计手续费和税费。

复权因子 = 1 − 1.00 ÷ 50.00 = 0.98。星期二之前的所有价格都乘以 0.98：星期一的收盘价变为 50 × 0.98 = €49.00；前一周 €48.00 的收盘价变为 48 × 0.98 = €47.04。

跨越除息日的收益率：未复权为 (49.50 − 50.00) ÷ 50.00 = −1.0%，看起来像亏损，但这是错误的。复权后为 (49.50 − 49.00) ÷ 49.00 = +1.02%，正确反映了收到的 €1.00 现金与 €0.50 的价格损失相抵（在 €50 上净得 +€0.50；之所以存在细微差别，是因为复权后的基数是 €49）。

再看一次 2 拆 1 的拆股：拆股前原始收盘价为 100、102、104，拆股后为 52、53。把拆股前的价格除以 2，得到 50、51、52、52、53，这是一个连续的序列。如果不这样做，pct_change() 会在拆股当天报告 −50% 的收益率，即一次从未发生过的暴跌。

常见错误

练习活动

在纸上完成：一只股票连续两天收盘价为 €90.00 和 €93.00，随后进行 3 拆 1 拆股，之后收盘价为 €31.00 和 €30.38（假设数据）。在收盘价为 €30.38 的那一天，一笔 €0.60 的股息除息，而其前一天的收盘价为 €31.00。(a) 写出拆股前两个收盘价经拆股复权后的值。(b) 计算股息复权因子，并将其应用于除息日之前的全部三个收盘价。(c) 说明从 €31.00 收盘价到 €30.38 收盘价的原始收益率和完全复权后的收益率。

要点回顾

• 用 parse_dates 和 index_col 加载数据，然后排序、检查唯一性并统一列名。
• 只下载一次，把原始数据保存在本地，并阅读 API 的许可条款及其复权默认设置（yfinance：截至 2026 年为 auto_adjust=True）。
• 拆股因子为 1 ÷ n，股息因子为 1 − D ÷ C，均向过去应用；用复权价格做回测，用未复权价格进行交易。
• 最多只向前填充少量价格缺口，永远不要插值，永远不要向前填充成交量，并按照数据供应商实际使用的时区只做一次时区本地化。

下一步

第 5 课把价格转换为收益率：简单收益率与对数收益率、累计收益率、年化收益率和波动率，以及滚动窗口。