價格 (Price): 金融中最基本的變數，由供需力量決定。交易者使用價格數據進行技術分析或建立機器學習模型來預測未來走勢。

交易量 (Volume): 特定時間範圍內交易的總股數或合約數。它提供了對市場活躍度的洞察，通常用於確認價格走勢的趨勢或信號。

報酬率 (Returns): 資產價格隨時間變化的百分比。在金融建模中，報酬率比絕對價格更受青睞，因為它們具有更穩定的統計特性（較平穩），並使跨資產或時間段的比較更容易。文件中還提到了日報酬率的一些「風格化事實」(Stylized facts)，例如：

報酬率分佈不是常態的（厚尾現象）。

報酬率的時間序列相關性很小，但其絕對值或平方值（波動性）則表現出正相關和長期記憶（波動性聚集）。

波動性 (Volatility): 衡量價格隨時間變化的程度。高波動性表示價格波動大，是評估風險和衍生品定價的關鍵。

買賣價差 (Bid-Ask Spread): 買方願付的最高價與賣方願受的最低價之間的差異。價差大小可反映市場的流動性或風險。

限價訂單簿 (Limit Order Book, LOB) 數據: 顯示所有不同價格水平的未成交限價訂單（買單和賣單），揭示了市場的深度和完整的供需動態。

宏觀經濟領先指標 (Macroeconomic Leading Indicators): 用於預測未來經濟表現的數據點，例如利率、通膨率、失業申請數和消費者信心指數。

財務指標 (Financial Indicators): 用於評估公司或市場財務狀況的指標，如流動性比率、槓桿比率和盈利能力比率（ROA, ROE）。

另類數據 (Alternative Data): 來自非傳統來源的數據，用以增強預測模型。例如：

文本數據 (Textual Data): 來自新聞、社群媒體的文本，用於情緒分析。

衛星圖像 (Satellite Imagery): 用於監控工業活動、零售店客流量或農業產量。

網路爬蟲數據 (Web Scraping): 收集網站上的產品價格、評論等數據。

Google Trends: 反映全球搜索行為，提供對消費者興趣的洞察。

感測器數據 (Sensor Data): 來自物聯網 (IoT) 設備的數據，評估即時經濟活動。

信用卡與交易數據 (Credit Card and Transaction Data): 提供消費者支出行為的洞察。