在量化投資中，金融數據是基礎。獲取、清洗並處理這些數據是構建量化策略的第一步。今天將介紹如何使用 Python 獲取金融數據，並進行基本的數據檢視和處理，還會講解如何使用 Python 進行數據的基本視覺化。另外本系列文章除去特別情況皆會使用 Colab 來執行呈現結果，今日 Colab 連結在此

1. 使用 yfinance 下載金融數據

yfinance 是一個常用的 Python 庫，用於從 Yahoo Finance 下載歷史金融數據，包括股票價格、指數、匯率等。

安裝 yfinance

首先，你需要安裝 yfinance 庫：

pip install yfinance

下載股票數據

以下是一個下載單隻股票（例如蘋果公司，代碼 AAPL）的示例：

import yfinance as yf

# 下載蘋果公司的歷史數據
stock_data = yf.download('AAPL', start='2020-01-01', end='2024-01-01')

# 檢視前五行數據
print(stock_data.head())

應該可以看到以下畫面：

下載多隻股票數據

你也可以同時下載多隻股票的數據：

# 下載多隻股票的歷史數據
stocks = ['AAPL', 'GOOGL', 'MSFT']
stock_data = yf.download(stocks, start='2020-01-01', end='2024-01-01')

# 檢視數據結構
print(stock_data.head())

應該可以看到以下畫面：

2. 探索數據結構

yfinance 下載的數據格式通常為 pandas.DataFrame，數據會包括以下幾列：

• Open: 開盤價
• High: 最高價
• Low: 最低價
• Close: 收盤價
• Adj Close: 調整後收盤價（考慮股息和分拆影響）
• Volume: 交易量

你可以檢視數據的形狀和結構：

# 檢查數據形狀
print(stock_data.shape)

# 檢查列標籤
print(stock_data.columns)

我們依照上面的3個股票的資料得到下面結果：

3. 處理時間序列數據

股票價格數據是一種典型的時間序列數據。處理這些數據的關鍵之一是正確處理時間索引（即日期）。檢查數據是否按時間順序排列：

# 確認數據是否按日期排序
print(stock_data.index.is_monotonic_increasing)

如果數據沒有按順序排列，你可以手動排序：

# 按日期排序數據
stock_data = stock_data.sort_index()

4. 篩選特定的數據列

根據你的需求，你可能只需要收盤價或某個特定的價格列，例如 Adj Close（調整後收盤價）。你可以提取這一列：

# 提取調整後的收盤價
adj_close = stock_data['Adj Close']
print(adj_close.head())

依照上面的3個股票的資料得到下面結果：

5. 繪製股票收盤價走勢圖

在進行視覺化之前，確保已安裝 matplotlib，這是 Python 中常用的視覺化工具。

pip install matplotlib seaborn

我們將提取 APPL 的 Adj Close（調整後收盤價）列，並使用 matplotlib 繪製其走勢圖。

import matplotlib.pyplot as plt
import yfinance as yf


# 下載蘋果公司(AAPL)的歷史數據
stock_data = yf.download('AAPL', start='2020-01-01', end='2024-01-01')

# 提取調整後的收盤價
adj_close = stock_data['Adj Close']

# 繪製收盤價走勢圖
plt.figure(figsize=(10, 6))
plt.plot(adj_close, label='AAPL Adj Close')
plt.title('AAPL 調整後收盤價走勢圖')
plt.xlabel('日期')
plt.ylabel('調整後收盤價')
plt.legend()
plt.grid(True)
plt.show()

可以得到下面圖：

如果要同時顯示多隻股票的也沒問題。

import matplotlib.pyplot as plt
import yfinance as yf


# 下載多隻股票的歷史數據
stocks = ['AAPL', 'GOOGL', 'MSFT']
stock_data = yf.download(stocks, start='2020-01-01', end='2024-01-01')

# 提取調整後的收盤價
adj_close = stock_data['Adj Close']

# 繪製收盤價走勢圖
plt.figure(figsize=(10, 6))
plt.plot(adj_close, label=['AAPL Adj Close', 'GOOGL Adj Close', 'MSFT Adj Close'])
plt.title('各個調整後收盤價走勢圖')
plt.xlabel('日期')
plt.ylabel('調整後收盤價')
plt.legend()
plt.grid(True)
plt.show()

可以得到下面圖：

6. 儲存數據

在處理數據後，你可以將其保存到本地文件，以便後續分析使用：

# 將數據保存為 CSV 文件
stock_data.to_csv('stock_data.csv')

如果是在colab應該可以點選旁邊檔案欄，看到 stock_data.csv已經被順利存下來囉～

6. 第二天任務

• 安裝 yfinance 庫，下載一隻或多隻股票的歷史數據，並進行檢視。
• 探索數據結構，確認你下載的數據是按時間順序排列的。
• 提取調整後收盤價數據，這在後續回測和策略分析中會經常用到。
• 視覺化股票走勢：繪製調整後收盤價的走勢圖，觀察價格的變化。
• 保存數據，確保你的數據文件可以在未來重複使用。

這樣，你將掌握如何獲取和保存金融數據，這是量化投資的第一步。在接下來的幾天中，我們將學習如何對這些數據進行處理、分析和應用於投資策略。