رفتن به محتوا
همه اسناد کتابخانه

استفاده از داده تاریخی سهام US بدون سوگیری بقا

مقاله یادگیری ماشین برای معامله‌گری

خلاصه

این سند مجموعه‌داده روزانه سهام US را توصیف می‌کند که از حدود 3,200 شرکت، از 1962 تا مارس 2018، پوشش می‌دهد. ناشران حذف‌شده از فهرست را نیز دربرمی‌گیرد؛ بنابراین برای پژوهش تاریخی مفید است، چون کنارگذاشتن شرکت‌های ناموفق یا حذف‌شده می‌تواند نتایج را منحرف کند. داده شامل فیلدهای استاندارد OHLCV و قیمت پایانی تعدیل‌شده است و می‌توان آن را برای نمادها یا تاریخ‌های منتخب، یا نمونه تصادفی کوچک‌تری برای نمونه‌سازی بارگیری کرد.

مجموعه‌داده ثابت مانده، زیرا ارائه‌دهنده‌اش به‌روزرسانی آن را در مارس 2018 متوقف کرده است. بنابراین پژوهشگران باید آن را منبع تاریخی ثابتی بدانند، نه خوراک کنونی بازار. سند چگونگی دریافت و بارگیری داده‌های parquet را شرح می‌دهد و نمونه‌هایی از کاربرد پژوهشی را معرفی می‌کند، اما هیچ تحلیل معامله یا شاهد عملکردی ارائه نمی‌دهد. ارزش اصلی آن برای پژوهش، پوشش تاریخی اعلام‌شده و جهان سرمایه‌گذاری عاری از سوگیری بقاست؛ توضیح نمی‌دهد اوراق بهادار حذف‌شده چگونه نمایش داده می‌شوند، رویدادهای شرکتی چگونه مدیریت می‌شوند یا چه بررسی‌های دیگری برای کیفیت داده ممکن است لازم باشد.

ایده‌های کلیدی

  • مجموعه‌داده شامل تاریخچه روزانه OHLCV برای حدود 3,200 شرکت US، از جمله ناشران حذف‌شده از فهرست، است.
  • سری تاریخی از 1962 تا مارس 2018 ادامه دارد و دیگر به‌روزرسانی نمی‌شود.
  • پژوهشگران می‌توانند کل جهان را بارگیری کنند یا بر اساس نماد، بازه تاریخ یا اندازه نمونه فیلتر کنند.
  • سند دسترسی و بارگیری داده را شرح می‌دهد، اما نتایج استراتژی یا تحلیل کیفیت داده ارائه نمی‌کند.

برچسب‌ها

سهامبازارهای آمریکاآزمون گذشته‌نگر
متن کامل
# 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.

با ذکر منبع و مطابق مجوز اثر، به‌طور کامل نمایش داده می‌شود. مجوز: MIT

این خلاصه را عامل پژوهشی Stratmill بر پایه متن اصلی نوشته است؛ نسخه‌ای از اثر منبع نیست.