CM261 / C32026.10.23

C3 · 資料清理、視覺化與轉換

從兩檔股票的行情,做出可以解釋的比較

盧政良 助理教授元智大學管理學院
C3 / 課程導入02 / 36

台積電比較貴,代表表現比較好嗎?

2026 年 9 月 1 日,台積電收盤價 2,440 元,鴻海 256 元。

想比較表現

這段期間,哪一檔的相對價格漲幅較大?

也想了解波動

每天的價格變動有多大?成交量與變動有什麼關係?

股價高低、期間報酬與每日波動,回答的是不同問題。

C3 / 課程導入03 / 36

今天完成一份雙股比較

  1. 整理資料把日期、價格與成交量整理成可計算的欄位。
  2. 畫圖理解觀察走勢、分布與兩個變數之間的關係。
  3. 轉換尺度用報酬率、共同起點與對數回答比較問題。

成果包含:一份整理後資料、比較圖,以及有根據的文字解釋。

C3 / 課程導入04 / 36

接續 W02,從取得資料走向分析

已完成 本週 11/6
用 yfinance 取得行情 清理格式、缺值與重複紀錄 設計動能、波動度等金融特徵
讀取證交所報表 用圖理解分布與關係 定義模型要預測的結果
比較來源差異 報酬率、共同基準與對數轉換 落後資訊、時間切分與資料洩漏

本週先理解手上的資料;11/6 再問它能怎麼成為模型的輸入。

C3 / 課程導入05 / 36

開啟本週 Notebook

下載完整範例 · 開啟 Google Colab

  1. 登入課程平台,下載 Notebook。
  2. 在 Colab 選「上傳筆記本」,選取下載的檔案。
  3. 執行第 1 節,確認出現兩檔股票的資料。

Notebook 已附真實行情快照;也提供自行換股票下載的選做程式。

C3 / 先把資料整理成可以理解的表格06 / 36

第一部分

先把資料整理成可以理解的表格

C3 / 先把資料整理成可以理解的表格07 / 36

先看每一列在說什麼

Ticker Date Close Volume
2330.TW 2026-09-01 2440.0 17,216,484
2330.TW 2026-09-02 2385.0 19,825,721
2317.TW 2026-09-01 256.0 29,000,052

每列是一檔股票的一個觀測日。Close 是元/股;Volume 使用 Yahoo 來源的成交股數。

價格取自 auto_adjust=False 的 Close。本課比較價格變化,未計入股利與交易成本。

C3 / 先把資料整理成可以理解的表格08 / 36

整理前,先做一份資料摘要

raw.head()
raw.dtypes
raw.groupby('Ticker')['Date'].agg(['count', 'min', 'max'])

本次快照:兩檔股票各 20 列,日期範圍皆為 9/1–9/30。

先知道期間與每列的意思,才能解釋後續的圖與統計量。

C3 / 先把資料整理成可以理解的表格09 / 36

一份看起來正常,卻還不能直接計算的表格

Notebook 第 2 節另建練習副本,刻意加入下列問題:

看到的內容 要做的處理
股票代碼前後有空白 去除多餘空白
成交量是字串 "17,216,484" 移除千分位逗號,轉成數字
日期順序被打亂 先轉成日期,再依股票與日期排序
同一列出現兩次 比較內容後,移除完全相同的重複列

這些問題來自練習設定;原始行情另行保存。

C3 / 先把資料整理成可以理解的表格10 / 36

讓文字欄位成為可以計算的數字

text = practice['Volume'].astype('string')
text = text.str.strip().str.replace(',', '', regex=False)
volume = pd.to_numeric(text, errors='coerce')

"17,216,484" 可以轉成 17216484;"—" 會成為缺值。

接著查看轉換失敗的原始列,分清缺值記號與其他輸入錯誤。

C3 / 先把資料整理成可以理解的表格11 / 36

缺成交量,還能使用這一天的價格嗎?

練習副本把台積電 9/2 的成交量改成 —,價格仍為 2,385 元。

畫股價走勢

價格仍可使用,保留這個觀測日。

畫價量散布圖

這一天缺少成交量,不能畫成完整的一個點。

依分析需要選擇有效欄位,並交代使用了多少筆觀測。

C3 / 先把資料整理成可以理解的表格12 / 36

重複紀錄與價格衝突,要分開處理

同股票、同日期 處理方式
價格與成交量都相同 保留原始資料後,可去除完全相同的重複列
一筆價格為 2,440,另一筆為 9,999 先查來源;不能直接挑第一筆
clean = clean_data(raw)

Notebook 的 clean_data 會整理欄位與排序;遇到衝突會指出問題。

C3 / 先把資料整理成可以理解的表格13 / 36

看到異常值,先查原因

假設圖上出現一天價格大幅跳動,可能是輸入錯誤,也可能有公司事件或真實市場變化。

  1. 回看原始列與來源。
  2. 查價格調整方式及相關事件。
  3. 記下保留、修正或排除的理由。

單憑「離其他點很遠」,還不足以決定刪除。

C3 / 用圖回答不同的問題14 / 36

第二部分

用圖回答不同的問題

C3 / 用圖回答不同的問題15 / 36

股價走勢與成交量,要一起讀

台積電股價折線圖及成交量長條圖,共用交易日期軸

上圖看價格如何變動,下圖看各日交易量;上下共用日期,單位分開標示。

C3 / 用圖回答不同的問題16 / 36

程式怎麼把兩個圖對齊?

fig, (ax_price, ax_volume) = plt.subplots(2, 1, sharex=True)
ax_price.plot(stock['Date'], stock['Close'])
ax_volume.bar(stock['Date'], stock['Volume'] / 1_000_000)

sharex=True 共用日期軸;成交量除以一百萬,是為了用「百萬股」標示。

完整軸標籤、圖形比例與存檔程式在 Notebook 第 3 節。

C3 / 用圖回答不同的問題17 / 36

直接把兩檔股價畫在一起

台積電與鴻海原始收盤價,價格尺度差距明顯

台積電的線比較高,表示每股價格較高;這張圖尚未回答誰的相對漲幅較大。

C3 / 換一種表示方式,才能比較18 / 36

第三部分

換一種表示方式,才能比較

C3 / 換一種表示方式,才能比較19 / 36

讓兩檔股票從同一個起點出發

價格指數 = 當日價格 ÷ 起點價格 × 100。

股票 9/1 起點 9/30 收盤價 9/30 價格指數
台積電 2,440 2,480 101.64
鴻海 256 251.5 98.24

兩者都從 100 出發,指數高於 100 表示相對起點上漲。

C3 / 換一種表示方式,才能比較20 / 36

共同起點,讓期間表現更容易比較

兩檔股票以 9 月 1 日為 100 的價格指數

9/1 收盤至 9/30 收盤:台積電約 +1.64%,鴻海約 −1.76%。這是本期間的價格變化。

C3 / 換一種表示方式,才能比較21 / 36

先對齊日期,再選共同起點

prices = clean.pivot(index='Date', columns='Ticker', values='Close')
prices = prices.sort_index()
index100 = prices.div(prices.iloc[0]).mul(100)

prices 每列一個日期,每欄一檔股票。Notebook 會先確認缺值,再計算比較圖。

換成其他股票時,也要確認兩檔使用相同基準日與價格定義。

C3 / 換一種表示方式,才能比較22 / 36

期間漲幅之外,每天的變動也值得看

returns = prices.pct_change(fill_method=None)

台積電從 9/1 的 2,440 元到 9/2 的 2,385 元:

$$ 2385 / 2440 - 1 \approx -0.02254 $$

即約 −2.25%。欄位存小數,圖上乘 100 顯示百分比。

C3 / 換一種表示方式,才能比較23 / 36

第一天的報酬,為什麼是空的?

本表從 9/1 開始,沒有前一筆價格,因此無法計算第一筆報酬。

保留缺值

如實表示本表缺少比較起點。

計算分布時

兩檔各有 19 筆有效報酬,樣本數要一起交代。

若中間漏掉一個應有交易日,相鄰列的價格變化也可能跨越多日。

C3 / 換一種表示方式,才能比較24 / 36

報酬率分布:每天的變動集中在哪裡?

兩檔股票的相鄰觀測價格報酬率直方圖,使用相同分組區間

橫軸是報酬率區間,縱軸是落在區間內的次數。短樣本只描述這段期間。

C3 / 換一種表示方式,才能比較25 / 36

長條圖與直方圖,回答不同問題

圖形 一根柱子代表 本課例子
長條圖(bar plot) 某個日期或類別的數值 9/2 的成交量
直方圖(histogram) 落在某個數值區間的觀測次數 報酬率介於 −1% 與 0% 的次數
plt.hist(returns['2330.TW'].dropna() * 100, bins=8)

比較兩檔時使用相同分組邊界;改變區間數,也會改變圖的外觀。

C3 / 換一種表示方式,才能比較26 / 36

成交量大,當日報酬就比較高嗎?

台積電成交量與同日價格報酬率散布圖

每個點是一個觀測日。觀察是否形成明顯關係;單張圖不足以支持因果或未來預測。

C3 / 換一種表示方式,才能比較27 / 36

對數轉換,壓縮大數值之間的差距

stock['LogVolume'] = np.log1p(stock['Volume'])

log1p 計算自然對數 ln(1 + x),零成交量可得到 0,缺值仍保留。

例如成交量從 1,000 到 10,000,相差 9,000;轉換後約從 6.91 到 9.21,相差 2.30。

轉換改變尺度,不保證變成常態分布,也不會自動修正資料錯誤。

C3 / 換一種表示方式,才能比較28 / 36

轉換前後,要回到資料看效果

台積電成交量原始尺度與對數尺度的分布比較

這份短樣本的變化可能有限。是否採用轉換,仍要依分析目的判斷。

C3 / 換一種表示方式,才能比較29 / 36

基準化、對數與標準化,各自做什麼?

方法 改變什麼 使用情境
起點設為 100 以共同日期比較相對價格變化 比較兩檔走勢
對數轉換 壓縮較大數值的間距 觀察數值尺度與分布
標準化(standardization) 減平均、除標準差 讓某些模型較容易比較不同尺度的欄位

標準化需要估計平均與標準差;模型分析時由訓練資料估計,11/6 再配合時間切分實作。

C3 / 把結果寫成一個可以理解的比較30 / 36

第四部分

把結果寫成一個可以理解的比較

C3 / 把結果寫成一個可以理解的比較31 / 36

讓 AI 協助產生比較圖

請使用附上的 2026 年 9 月兩檔股票資料。
依股票與日期排序,保留原始資料,說明缺值與重複紀錄。
畫出以共同起點 100 表示的價格走勢,以及報酬率分布。
兩檔報酬率直方圖使用相同區間,標出單位與有效樣本數。
用三句話比較期間價格變化、每日波動與分析限制。
請提供可在 Colab 依序執行的 Python 程式。

附上 Notebook 的行情表,再對照實際輸出修改文字結論。

C3 / 把結果寫成一個可以理解的比較32 / 36

一段有資料支持的比較

  1. 期間表現:9/1 至 9/30 收盤,台積電價格約上漲 1.64%,鴻海約下跌 1.76%。
  2. 每日波動:各 19 筆報酬的樣本標準差,台積電約 1.19%,鴻海約 1.33%;本期間鴻海略高。
  3. 分析限制:樣本只涵蓋一個月,價格變化未納入股利與成本,不能直接推論未來表現。

比較要同時交代期間、指標與限制。

C3 / 把結果寫成一個可以理解的比較33 / 36

現在換你完成另一張圖

在 Notebook 第 3 節,把股票改為 2317.TW。

  1. 執行股價與成交量圖,確認股票代碼、日期與單位。
  2. 在第 5 節調整直方圖的區間數,觀察外觀差異。
  3. 寫出一項觀察,並說明圖形尚不能回答什麼。

完整範例供練習;需提交的作業請下載平台「Notebook 作業」版本。

C3 / 把結果寫成一個可以理解的比較34 / 36

整理好的資料,如何接到 11/6?

本週保存的欄位 11/6 接著問
日期、股票、價格與成交量 如何定義一筆模型觀測?
價格報酬與轉換後尺度 如何構造動能、波動度及落後特徵?
原始資料與整理紀錄 如何只使用決策當時已知的資訊?

11/6 再定義預測目標與時間切分,開始金融特徵工程。

C3 / 把結果寫成一個可以理解的比較35 / 36

課後練習與延伸閱讀

  • 補充教材:日期轉換、依欄位處理缺值、分組計算、圖形設定與輸出。
  • Weekly Lab 03:讀表、讀程式、判讀圖形與資料轉換。
  • Notebook 作業:完成清理與轉換函式,附圖形觀察與 AI 使用說明。

前往課程平台 · 下載完整 Notebook

C3 / 把結果寫成一個可以理解的比較36 / 36

延伸閱讀:從圖形理解投資資料

Investing for Programmers 書籍封面

Investing for Programmers · Stefan Papp

第 10 章的圖形閱讀:補強「一張圖能回答什麼」。本週先讀價格圖的解讀,技術指標留待金融特徵工程。

閱讀後:挑一張本週的圖,寫下它回答的問題,以及不能支持的結論。

出版社章節導覽

講者提示

投影片總覽