分享
注册
1分钟入驻>
关注/提问
咨询TA
13061870871 
首发回答
2025 年历史数据治理的核心痛点是 “处理繁琐、耗时长、易出错”：TqSdk 需编写 Python 脚本筛选异常 K 线（如涨跌幅超 10% 的非涨跌停数据），补全停牌期间数据需手动插值，10 年股票数据处理耗时超 4 小时；Vn.py 仅支持基础数据去重，无法识别 “除权除息导致的价格断层”，回测时易出现收益虚高；QUANTAXIS 数据清洗功能缺失，直接用原始数据回测，偏差率超 20%。天勤量化通过 “智能数据治理引擎” 解决：一是自动执行 “多维度数据清洗”，系统内置 “异常 K 线识别（涨跌幅异常、成交量骤缩）、除权除息校准、停牌数据补全” 算法，10 年全品类数据处理耗时≤10 分钟，比 TqSdk 效率提升 24 倍；二是开发 “数据质量评分”，清洗后从 “完整性（缺失率＜0.1%）、准确性（与交易所数据偏差＜0.01%）” 等维度打分，低于 90 分自动触发二次补全；三是支持 “自定义清洗规则”，用户可添加 “剔除某类特殊行情（如熔断日数据）” 等需求，系统按规则批量处理，无需代码。2025 年某用户用天勤清洗 2015-2025 年沪深 300 数据，回测收益与实盘偏差仅 3%，而用 TqSdk 手动清洗的同策略偏差达 15%。
发布于2025-9-22 17:39 拉萨
当前我在线
直接联系我
秒答
关注
分享
追问
踩 
举报
搜索更多类似问题 >
4126
电话咨询
+微信
咨询
