如何投资是现代企业、个人投资者所面临的实际问题，投资的目标是收益尽可能大，但是投资往往伴随着风险，如果在保证收益最大化的情况下，风险最小；或是风险相同的情况下，如何实现收益的最大化；通过本实训，可以使学生了解投资收益的来源，如何去识别、区分风险类型，通过模型测算投资组合的风险和收益大小，从而灵活调整投资组合，制定并实施投资决策。

项目开发流程分以下四步：

数据收集 （爬取证券市场数据）

数据清洗（得到训练数据）

模型使用（得到推荐结果）

结果评估（推荐结果评估）

具体描述如下：

1. 使用python爬取新浪财经等网站中的股票交易数据。数据包括了交易日期、开盘价、最高价、最低价、收盘价、调整后的收盘价以及成交量。其中调整后的收盘价最为重要，它对股票分割、股息和其他公司行为进行了标准化，能真实地反映股票随时间的回报。
2. 将爬取的数据进行清洗，得到结构化的数据，并存储到MySQL中。

收益计算：

3. 使用pandas的.pct_change()方法来计算收益率。绘制股票历史每日收益随时间变化的图。

1. 使用numpy包中的mean()函数计算股票历史收益的均值（日平均收益）。

2. 根据日平均收益计算平均年化收益。

3. 使用matplotlib绘图包中的hist()函数绘制收益直方图，了解收益分布情况及收益中的异常值。

风险计算：

7. 使用numpy包中的std()函数计算收益的方差，并转为年化方差。投资回报中较高的标准差意味着较高的风险。

1. 使用scipy.stats提供的skew()函数计算收益分布的偏度。在金融领域，人们更倾向于正的偏度，因为这意味着高盈利的概率更大。

2. 使用scipy.stats提供的 kurtosis() 函数计算收益分布的超值峰度。大部分金融收益都具有正的超值峰度。

3. 使用scipy.stats提供的shapiro()函数判断收益分布的正态性。