用Pandas Dataframe來架構起金融股票數據的內部形態

2. 金融股票數據的另外一個形態，怎樣在業務內部流動，同時怎樣避免錯誤

前一篇講解了股票的原始狀態，那麼在業務過程當中，數據會變成怎樣的形態，來完成衆多奇奇怪怪的業務呢，如下將會解答。

 

首先，任何股票都有機會停市，退市。或者退市了再二次上市。

例子，阿里爸爸（9988.HK）在港交所二次上市。

再例如，富力地產（2777.HK），12供2股的方法向市場增發當天，停牌一天。

這種狀況下，某些股票的數據就會斷斷續續，不連貫。

那麼唯一叄考的標準，就只有大盤指數的數據，纔是最信得過的依靠。

所以把數據拿了回來，應該用大市指數的交易日，做爲整個Dataframe的index，而後注入其餘股票數據在這Dataframe，才能最完整地保證不出錯。

 

 

 

以上數據全是亂編，不用細看。

假設邵匡概念基金，在1月9日~1月10日之間停牌分成，那麼該2天就不會有收市價。

可其餘股票0700騰訊，1299友邦是正常交易日。

 

因此這就避免了不少業務問題，如：

a. 邵匡概念基金和友邦的過往5天股價對比圖，由於邵匡概念基金是停牌，因此那2天不能畫到股價線。這避免了拿錯了1月2日，1月3日，1月7日，1月8日，1月11日，這樣5個交易日的數據。

b. 計算含多隻股票的板塊的貝塔值，波動率等，由於邵匡概念基金和該2天停牌，那麼計算均值應該是（370+82）/2，（騰訊+友邦）/2。而不是（370+82+0）/3，（騰訊+友邦+邵匡概念）/3，這樣計算確定尋死。