Passer au contenu
Tous les documents de la bibliothèque

Données historiques d’actions US sans biais de survie

Article Machine Learning for Trading

Résumé

Ce document décrit un jeu de données quotidien sur les actions américaines US, couvrant environ 3,200 sociétés de 1962 à mars 2018. Il inclut des émetteurs radiés de la cote, ce qui le rend utile pour les recherches historiques où exclure les entreprises défaillantes ou radiées pourrait fausser les résultats. Les données contiennent les champs OHLCV standard et le cours de clôture ajusté ; elles peuvent être chargées pour certains symboles, certaines dates ou un échantillon aléatoire plus petit à des fins de prototypage.

Le jeu de données est figé, car son fournisseur a cessé de le mettre à jour en mars 2018. Les chercheurs doivent donc le considérer comme une source historique fixe et non comme un flux de marché actuel. Le document explique comment télécharger et charger les données au format parquet et indique des exemples d’utilisation pour la recherche, sans présenter d’analyse de trading ni de preuve de performance. Sa principale valeur pour la recherche réside dans la couverture historique indiquée et l’univers sans biais de survie ; il n’explique pas comment les titres radiés sont représentés, comment les opérations sur titres sont traitées ni quels autres contrôles de qualité des données peuvent être nécessaires.

Idées clés

  • Le jeu de données contient l’historique quotidien des actions OHLCV pour environ 3,200 entreprises US, y compris les émetteurs radiés de la cote.
  • La série historique va de 1962 à mars 2018 et n’est plus mise à jour.
  • Les chercheurs peuvent charger l’univers complet ou filtrer par symbole, période ou taille d’échantillon.
  • Le document décrit l’accès aux données et leur chargement, mais ne fournit ni résultats de stratégie ni analyse de la qualité des données.

Étiquettes

ActionsMarchés américainsBacktest
Texte intégral
# 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.

Reproduit dans son intégralité avec attribution, conformément à la licence de la source. Licence: MIT

Ce résumé a été rédigé par l’agent de recherche de Stratmill à partir de la source originale ; il n’en est pas une copie.