如何投資是現代企業、個人投資者所面臨的實際問題，投資的目標是收益盡可能大，但是投資往往伴隨着風險，如果在保證收益最大化的情況下，風險最小；或是風險相同的情況下，如何實現收益的最大化；通過本實訓，可以使學生了解投資收益的來源，如何去識別、區分風險類型，通過模型測算投資組合的風險和收益大小，從而靈活調整投資組合，制定並實施投資決策。
項目開發流程分以下四步：
數據收集 （爬取證券市場數據）
數據清洗（得到訓練數據）
模型使用（得到推薦結果）
結果評估（推薦結果評估）
具體描述如下：
- 使用python爬取新浪財經等網站中的股票交易數據。數據包括了交易日期、開盤價、最高價、最低價、收盤價、調整后的收盤價以及成交量。其中調整后的收盤價最為重要，它對股票分割、股息和其他公司行為進行了標准化，能真實地反映股票隨時間的回報。
- 將爬取的數據進行清洗，得到結構化的數據，並存儲到MySQL中。
收益計算：
3. 使用pandas的.pct_change()方法來計算收益率。繪制股票歷史每日收益隨時間變化的圖。
- 使用numpy包中的mean()函數計算股票歷史收益的均值（日平均收益）。
- 根據日平均收益計算平均年化收益。
- 使用matplotlib繪圖包中的hist()函數繪制收益直方圖，了解收益分布情況及收益中的異常值。
風險計算：
7. 使用numpy包中的std()函數計算收益的方差，並轉為年化方差。投資回報中較高的標准差意味着較高的風險。
-
使用scipy.stats提供的skew()函數計算收益分布的偏度。在金融領域，人們更傾向於正的偏度，因為這意味着高盈利的概率更大。
-
使用scipy.stats提供的 kurtosis() 函數計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。
-
使用scipy.stats提供的shapiro()函數判斷收益分布的正態性。