模块2：数据获取与处理

本模块介绍价格、财务和宏观数据的读取、清洗与特征构造。输入错误、复权不一致、日期错位或未来信息都会直接影响研究结果。

课程目录

文件序号	内容说明
01_data_sources.ipynb	利用 yfinance 等主流工具获取价格、财务和宏观数据
02_data_cleaning.ipynb	缺失值处理、前向填充、异常值检测（3-sigma）与价格复权对齐
03_feature_engineering.ipynb	结合平稳性与滚动标准化，从 OHLCV 构建机器学习可用的滞后特征

数据处理规则

1. 计算长期总收益时，需要使用与研究目的相符的复权价格或显式计入分红、拆股等公司行动。
2. 特征只能使用计算时点已经可得的数据；全样本标准化会把未来分布信息带入过去样本。