一、认识数据 —— OHLCV（日线行情五件套）
每一行 = 一个交易日，每一列 = 当天市场记录的一个数字。
💡 为什么量化里最爱用收盘价？
因为一天交易下来，经过多空双方充分博弈，收盘价是市场用真金白银投票出来的"最终共识"。算收益率、画趋势线、做回测，默认都用 Close。
第二部分：核心指标 —— 收益率
1、先忘掉股票，用生活例子理解
昨天苹果 10 元/斤，今天 11 元/斤。
涨了 1 块钱，但更关键的是：1 块钱相对于昨天的 10 块钱，涨了 10%。
这个 10%，就是收益率。
也就是：今天比昨天“多出来的部分”，除以“昨天的价格”。
2、为什么不用“涨了多少钱”，非要用“收益率”？
- 茅台：昨天 1000 元，今天涨了 10 元 → 涨幅 1%
- 小破股：昨天 10 元，今天涨了 5 元 → 涨幅 50%
- 只看钱数，你会觉得茅台更猛；但算收益率，小破股才是真正的“暴涨”。
- 收益率让你能公平对比不同价位的股票。
第三部分：小实验 —— 谁波动更大？
实验逻辑
- 同时下载 苹果（AAPL）、特斯拉（TSLA）、英伟达（NVDA） 近一年的日线数据。
- 分别算出各自的日收益率。
- 计算各自收益率序列的
- 标准差（σ）。 谁的 σ 大，谁波动更猛。
标准差（σ）到底是个啥？
简单说：收益率平均偏离“平均值”的幅度。
σ 越大，说明每天的收益率散得越开，今天可能涨 5%，明天可能跌 4%。
σ 越小，说明每天的收益率都紧贴着平均值，涨跌都很温和。
# ========== 三只股票收益率对比图 ==========fig, axes=plt.subplots(1,2,figsize=(14,5))colors=['tab:blue','tab:orange','tab:green']for(name, series), cinzip(all_rets.items(), colors): axes[0].plot(series.index, series.values,label=name,alpha=0.75,linewidth=0.8)axes[0].axhline(0,color='black',linestyle='--',linewidth=0.6)axes[0].set_title('日收益率对比',fontsize=13)axes[0].set_xlabel('日期')axes[0].set_ylabel('日收益率')axes[0].legend()axes[0].grid(True,alpha=0.3)axes[1].bar(vol.index, vol.values *100,color=colors[: len(vol)],edgecolor='white')axes[1].set_title('波动大小对比（标准差 %）',fontsize=13)axes[1].set_ylabel('标准差 (%)')axes[1].grid(True,axis='y',alpha=0.3)fori,vinenumerate(vol.values): axes[1].text(i,v*100+0.02, f'{v:.2%}',ha='center',fontsize=11)plt.tight_layout()plt.show()winner=vol.index[0]print(f'\n在本实验设定下（{period} 日线），波动最大的是：{winner}')
在本实验设定下（1y 日线），波动最大的是：特斯拉
# ========== 三只股票 Histogram 并排对比 ==========fig, axes=plt.subplots(1,3,figsize=(15,4),sharey=True)forax,(name, series), cinzip(axes, all_rets.items(), colors): ax.hist(series.values,bins=35,color=c,alpha=0.75,edgecolor='white')ax.axvline(0,color='black',linestyle='--',linewidth=0.6)ax.set_title(f'{name}\nσ = {series.std():.2%}')ax.set_xlabel('日收益率')axes[0].set_ylabel('天数')fig.suptitle('三只股票：日收益率 Histogram 对比',fontsize=14,y=1.02)plt.tight_layout()plt.show()作业：
importyfinance as yfimportpandas as pdimportmatplotlib.pyplot as pltimportnumpy as np# ---------- 【修改区】在这里替换 'AAPL' 为你的最爱 ----------# 示例：换微软 MSFT，或谷歌 GOOGL，或 AMDtickers={'MSFT':'微软',# <--- 这里改！原来这里是 'AAPL': '苹果''TSLA':'特斯拉','NVDA':'英伟达',}# ---------------------------------------------------------period='1y'# 时间长度，可改成 '6mo'、'2y'all_rets={}print("⏳ 正在下载数据...")forsymbol, nameintickers.items():# 下载数据（progress=False 隐藏进度条）data=yf.download(symbol,period=period,progress=False,multi_level_index=False).dropna()# 计算日收益率，去掉第一行 NaNall_rets[name]=data['Close'].pct_change().dropna()print(f'✅ {name} ({symbol}): {len(all_rets[name])} 个交易日')# 计算波动（标准差）并降序排列vol=pd.Series({name: s.std()forname, sinall_rets.items()}).sort_values(ascending=False)print('\n=== 📊 日收益率波动（标准差，越大越猛）===')forname,vinvol.items(): print(f' 🚀 {name}: {v:.3%}')print(f'\n🏆 波动最大的是：{vol.index[0]}')# ---------- 画直方图对比 ----------fig, axes=plt.subplots(1,3,figsize=(15,4),sharey=True)colors=['tab:blue','tab:orange','tab:green']forax,(name, series), cinzip(axes, all_rets.items(), colors): ax.hist(series.values,bins=35,color=c,alpha=0.75,edgecolor='white')ax.axvline(0,color='black',linestyle='--',linewidth=0.6)ax.set_title(f'{name}\nσ = {series.std():.2%}')ax.set_xlabel('日收益率')axes[0].set_ylabel('天数')fig.suptitle('📈 三只股票：日收益率 Histogram 对比',fontsize=14,y=1.02)plt.tight_layout()plt.show()想拉长周期看趋势，把 period=‘1y’ 改成 ‘2y’（两年）或 ‘5y’（五年）