常见陷阱
1. 混淆naive datetime（无时区）和aware datetime（有时区）
2. 忽略夏令时调整
3. 跨时区交易时段计算错误
4. 回测数据与实盘数据时间对齐问题
7.2 数据的时间戳与时区处理
金融市场数据基础
🎯 学习目标
- 理解金融数据时间戳的格式与标准
- 掌握时区转换与处理的关键方法
- 能够正确处理跨市场交易时区差异
- 避免时区错误导致的交易与回测偏差
时间戳与时区处理
时间戳与时区处理是量化交易系统开发中的关键环节。 全球不同交易所使用不同的时区，错误的时间处理会导致策略失效和交易风险。 本节将详细介绍如何正确处理金融数据的时间戳与时区问题。
⏰ 时间戳格式标准
Unix时间戳
从1970年1月1日UTC时间00:00:00开始的秒数或毫秒数：
- 秒级时间戳：1609459200（2021-01-01 00:00:00 UTC）
- 毫秒级时间戳：1609459200000（2021-01-01 00:00:00 UTC）
- 纳秒级时间戳：1609459200000000000（2021-01-01 00:00:00 UTC）
ISO 8601格式
国际标准时间表示格式，人类可读性强：
- 2021-01-01T00:00:00Z
- 2021-01-01T08:00:00+08:00
- 20210101T000000Z
🌍 全球主要市场时区
| 市场 | 时区 | UTC偏移 | 交易时段 |
|---|---|---|---|
| 中国A股 | CST（北京） | UTC+8 | 09:30-11:30, 13:00-15:00 |
| 美股（NYSE） | EST/EDT | UTC-5/-4 | 09:30-16:00 |
| 伦敦（LSE） | GMT/BST | UTC+0/+1 | 08:00-16:30 |
| 东京（TSE） | JST | UTC+9 | 09:00-15:00 |
| 加密货币 | 全球7×24 | UTC | 无间断 |
🔧 Python时间处理
使用pytz处理时区
import pytz
from datetime import datetime
# 创建时区对象
cst = pytz.timezone('Asia/Shanghai')
est = pytz.timezone('US/Eastern')
# 本地时间转为UTC
local_time = cst.localize(datetime(2024, 1, 1, 9, 30))
utc_time = local_time.astimezone(pytz.UTC)
# 时区转换
us_time = utc_time.astimezone(est)
使用pandas处理时间序列
import pandas as pd
# 创建带时区的时间序列
dates = pd.date_range('2024-01-01', periods=5, tz='Asia/Shanghai')
# 时区转换
dates_utc = dates.tz_convert('UTC')
# 去除时区信息
dates_naive = dates.tz_localize(None)
⚠️
📝 本节小结
✅
- • 掌握了Unix时间戳和ISO 8601格式标准
- • 理解了全球主要市场的时区差异
- • 学会了Python中时区转换的处理方法
- • 了解了时间处理中的常见陷阱与解决方案