摘要：面向股票时间序列预测、量化金融分析与强化学习研究构建的大规模 S&P 500 股票市场数据集，共包含约 620,095 条日频观测记录和 73 个综合特征，覆盖最近约 5 年的标普 500 成分股行情，原始数据来源于 Yahoo Finance API。
数据集概述
面向股票时间序列预测、量化金融分析与强化学习研究构建的大规模 S&P 500 股票市场数据集，共包含约 620,095 条日频观测记录和 73 个综合特征，覆盖最近约 5 年的标普 500 成分股行情，原始数据来源于 Yahoo Finance API。数据集不仅包含传统的开盘价、最高价、最低价、收盘价和成交量等基础市场数据，还预先构建了技术指标、价格变化特征、历史滞后特征以及多个未来时间窗口的预测目标，可直接用于股票收益率预测、涨跌方向判断、市场风险分析和算法交易模型研究。
数据结构与关键特征
该数据集的特征体系主要由基础行情数据、技术分析指标、工程化特征、滞后时间序列特征和预测目标变量组成。基础数据包括日期、Ticker、OHLC、成交量、股息和拆股信息；技术指标包括 SMA、EMA、MACD、RSI、布林带和历史波动率等；工程化特征涵盖每日及多日价格变化、高低价比、开收盘价比、成交量移动平均和成交量比率等；同时提供收盘价、成交量、价格变化、RSI、MACD 和波动率的多阶历史滞后变量，用于刻画市场的时间依赖关系。预测目标覆盖 1 日、5 日、10 日和 20 日多个时间尺度，并分别提供未来收益率、涨跌二分类标签以及价格运动类别，可同时支持回归、二分类、多分类和时间序列预测任务。
应用价值与研究方向
该数据集适用于股票收益率预测、价格方向分类、风险评估、量化交易策略开发以及强化学习投资决策等研究。传统机器学习方面可采用随机森林、XGBoost、LightGBM 等模型进行收益和方向预测，深度学习方面可进一步使用 LSTM、GRU、TCN、Transformer 等模型学习长短期市场依赖关系，还可将市场状态构造成强化学习环境，研究 DQN、PPO、A2C、SAC 等算法在动态资产配置和交易决策中的表现。研究过程中需要特别注意严格按时间顺序划分训练集和测试集，避免前视偏差，同时考虑幸存者偏差、市场状态变化和技术指标之间的高度相关性，以获得更可靠的回测结果与模型性能评估。
数据集来源
由张家梁(Bob)整理并于2026年在7zcode平台公开发布。
数据集信息
免责声明与引用
数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。
作者信息
作者：Bob (张家梁)
项目编号：Datasets-440
文件大小：115M
原创声明：本数据集为整理作品
联系方式
开源协议
本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。
评论(0)