用Pandas Dataframe来架构起金融股票数据的内部形态

2. 金融股票数据的另一个形态，怎样在业务内部流动，同时怎样避免错误

前一篇讲解了股票的原始状态，那麽在业务过程中，数据会变成怎样的形态，来完成众多奇奇怪怪的业务呢，以下将会解答。

首先，任何股票都有机会停市，退市。或者退市了再二次上市。

例子，阿里爸爸（9988.HK）在港交所二次上市。

再例如，富力地产（2777.HK），12供2股的方法向市场增发当天，停牌一天。

这种情况下，某些股票的数据就会断断续续，不连贯。

那麽惟一叁考的标准，就只有大盘指数的数据，才是最信得过的依靠。

因此把数据拿了回来，应该用大市指数的交易日，作为整个Dataframe的index，然后注入其他股票数据在这Dataframe，才能最完整地保证不出错。

以上数据全是乱编，不用细看。

假设邵匡概念基金，在1月9日~1月10日之间停牌分红，那麽该2天就不会有收市价。

可其他股票0700腾讯，1299友邦是正常交易日。

所以这就避免了很多业务问题，如：

a. 邵匡概念基金和友邦的过往5天股价对比图，由於邵匡概念基金是停牌，所以那2天不能画到股价线。这避免了拿错了1月2日，1月3日，1月7日，1月8日，1月11日，这样5个交易日的数据。

b. 计算含多只股票的板块的贝塔值，波动率等，由於邵匡概念基金和该2天停牌，那麽计算均值应该是（370+82）/2，（腾讯+友邦）/2。而不是（370+82+0）/3，（腾讯+友邦+邵匡概念）/3，这样计算肯定寻死。