DataCedar/Resources·Reference

Historische Aktienkurse: Ein vollständiger Forschungsleitfaden

Die Felder, Anpassungen, Identität und Abdeckungsprüfungen, die erforderlich sind, bevor eine Kursreihe zu Forschungsdaten wird.

By DataCedar··2 min read·German

Historische Aktienkurse sind vergangene Beobachtungen von Eröffnungs-, Höchst-, Tiefst-, Schlusskursen und oft Volumen eines Wertpapiers in definierten Intervallen. Eine forschungsbereite Reihe spezifiziert außerdem die Wertpapieridentität, Börsensitzung, Zeitzone, Roh- oder bereinigte Ansicht, Corporate Actions, Quelle, Abrufzeit und Abdeckung, sodass Lücken und spätere Korrekturen prüfbar bleiben.

Ein Chart ist keine Datensatzspezifikation

Charts optimieren für visuelle Kontinuität. Forschung benötigt exakte Zeitstempel, numerische Präzision, stabile Identität, Intervallgrenzen, erwartete Sitzungen und eine dokumentierte Anpassungspolitik. Zwei Charts können identisch aussehen, aber unterschiedliche Renditen erzeugen.

Definieren Sie Symboluniversum, Start und Ende, Intervall, Sitzungsscope, Zeitzone, Anpassungsansicht und Ausgabeschema, bevor Sie abrufen. Speichern Sie diese Definition mit den resultierenden Zeilen.

Identität und Anpassungen

Ticker ändern sich und können wiederverwendet werden. Verbinden Sie Beobachtungen über eine stabile Wertpapier- und Emittentenidentität und behalten Sie das für jede Periode gültige Symbol bei. Corporate Actions sollten versioniert und niemals aus plötzlichen Kursbewegungen abgeleitet werden.

Rohdaten rekonstruieren notierte Kurse; bereinigte Daten unterstützen viele Renditeberechnungen. Halten Sie beide unterscheidbar und berechnen Sie abgeleitete Renditen neu, wenn sich Quellaktionen ändern.

  • Börse und Zeitzone bewahren.
  • Roh- und bereinigte Werte trennen.
  • Delistete Wertpapiere einschließen.
  • Corporate-Action-Herkunft erhalten.

Abdeckung und Korrekturen

Vergleichen Sie tatsächliche Zeilen mit einem erwarteten Börsenkalender. Feiertage, Handelsunterbrechungen, Sammlungsausfälle, eingeschränkte Quellen und echte Nullaktivität sind unterschiedliche Zustände.

Speichern Sie Rohbelege und Abrufläufe, sodass eine spätere Anbieter-Korrektur eine neue Version erzeugt, anstatt ein vergangenes Experiment stillschweigend zu ändern.

Key takeaways

  • 01Definieren Sie den Datensatz vor dem Download.
  • 02Verwenden Sie stabile Identität statt heutiger Ticker.
  • 03Halten Sie die Anpassungspolitik explizit.
  • 04Speichern Sie Abdeckung und Quellversionen mit jedem Test.

Die Felder, Anpassungen, Identität und Abdeckungsprüfungen, die erforderlich sind, bevor eine Kursreihe zu Forschungsdaten wird.

Start freeView pricing

Questions, answered.

Quellen sind Börsen und lizenzierte Anbieter, erlaubte Marktdaten-APIs und öffentliche Webprodukte. Vergleichen Sie Rechte, Anpassungen, Abdeckung und Korrekturrichtlinien.

Erstellen Sie den Forschungsdatensatz, bevor Sie das Modell anpassen.

Beginnen Sie mit Unternehmensidentität, einem As-of-Stichtag, Quellrechten und erwarteter Abdeckung. Fragen Sie dann die Belege ab, die Ihre Entscheidung tatsächlich hätte sehen können.

Start free