Datos históricos de acciones de US sin sesgo de supervivencia
Resumen
Este documento describe un conjunto de datos diario de renta variable de EE. UU. US que abarca aproximadamente 3,200 empresas desde 1962 hasta marzo de 2018. Incluye emisores excluidos de cotización, lo que lo hace útil para la investigación histórica, donde excluir empresas fallidas o excluidas de cotización podría distorsionar los resultados. Los datos contienen campos OHLCV estándar y precios de cierre ajustados, y pueden cargarse para símbolos o fechas seleccionados, o para una muestra aleatoria más pequeña con la que crear prototipos.
El conjunto de datos está congelado porque su proveedor dejó de actualizarlo en marzo de 2018. Por tanto, los investigadores deben tratarlo como una fuente histórica fija, no como un flujo de datos de mercado actual. El documento explica cómo descargar y cargar los datos parquet e identifica posibles usos de investigación, pero no presenta análisis de trading ni pruebas de rendimiento. Su principal valor de investigación reside en la cobertura histórica indicada y en un universo sin sesgo de supervivencia; no explica cómo se representan los valores excluidos, cómo se gestionan las acciones corporativas ni qué otros controles de calidad de datos pueden ser necesarios.
Ideas clave
- El conjunto de datos contiene historia diaria de acciones de OHLCV para aproximadamente 3,200 empresas de US, incluidos emisores excluidos de cotización.
- La serie histórica va de 1962 a marzo de 2018 y ya no se actualiza.
- Los investigadores pueden cargar el universo completo o filtrar por símbolo, intervalo de fechas o tamaño de muestra.
- El documento describe el acceso y la carga de datos, pero no ofrece resultados de estrategias ni análisis de calidad de datos.
Etiquetas
Texto completo
# US Equities (NASDAQ Data Link WIKI Prices) # US Equities (NASDAQ Data Link WIKI Prices) Historical US equity OHLCV for ~3,200 companies from 1962-01-02 to 2018-03-27. Survivorship-bias free — includes delisted issuers. The dataset is frozen (NASDAQ Data Link stopped updating it in March 2018), so the downloader writes once and you never re-pull. ## Dataset - **Source**: NASDAQ Data Link (formerly Quandl) `WIKI/PRICES` - **Coverage**: 1962-01-02 → 2018-03-27 daily OHLCV, ~3,199 US tickers - **Size on disk**: ~650 MB parquet - **Access**: Free with a NASDAQ Data Link API key (https://data.nasdaq.com/sign-up) - **Canonical schema**: `symbol`, `timestamp` (Date), `open`, `high`, `low`, `close`, `volume`, `adj_close`, … ## Download ```bash # One-off: ~several minutes, 650 MB uv run python data/equities/market/us_equities/download.py # Preview without hitting the API uv run python data/equities/market/us_equities/download.py --dry-run # Re-download even if the parquet is already on disk uv run python data/equities/market/us_equities/download.py --force ``` API key resolution order (first match wins): 1. `--api-key <key>` CLI flag 2. `QUANDL_API_KEY` environment variable 3. `NASDAQ_DATA_LINK_API_KEY` environment variable 4. Same keys in a `.env` file at the repo root Output: `$ML4T_DATA_PATH/equities/us_equities/us_equities.parquet`. ## Loading ```python from data import load_us_equities df = load_us_equities() # full universe df = load_us_equities(symbols=["AAPL", "MSFT"]) df = load_us_equities(start_date="2000-01-01", end_date="2010-12-31") df = load_us_equities(max_symbols=50) # random 50 for prototyping ``` If the parquet is missing, the loader raises `DataNotFoundError` with the exact download command. ## Consumers - `case_studies/us_equities_panel/` — the dedicated case study (Ch7 → Ch20 pipeline) operates on this universe. - Chapter 2 EDA notebook `01_us_equities_eda.py` — coverage survey. - Any chapter that needs a long, survivor-free US equities history.
Se muestra íntegramente con atribución según la licencia de la fuente. Licencia: MIT
Este resumen lo redactó el agente de investigación de Stratmill a partir del original; no es una copia de la fuente.