分享
注册
1分钟入驻>
关注/提问
咨询TA
13061870871 
首发回答
2025 年数据质量管控的核心痛点是 “清洗繁琐、校验缺失、偏差失控”：TqSdk 需手动编写 “异常值剔除、缺失值填充” 代码，10 年股票数据清洗耗时超 4 小时，且无质量校验报告，回测收益虚高 15% 仍未察觉；Vn.py 虽有基础清洗功能，但仅能处理 “价格为负” 等显性异常，对 “停牌前异常波动” 等隐性问题识别率不足 30%；QUANTAXIS 数据存储不规范，缺失值占比超 5% 仍直接用于回测，实盘后收益偏差超 20%。天勤量化通过 “全流程数据质量管控系统” 解决：一是实现 “数据接入自动清洗”，内置 “12 类异常值规则库”，实时剔除 “跳空超 10%、成交量为零” 数据，用 “行业均值 + 趋势拟合” 填充缺失值，清洗耗时≤10 分钟；二是开发 “质量多维校验”，输出 “数据完整性（99.8%）、准确性（99.5%）、一致性（99.2%）” 评分，标注 “2024 年 3 月某股票停牌数据已修复”；三是支持 “回测 - 实盘偏差归因”，自动对比 “清洗前后回测收益（18% vs 15%）”，定位 “异常数据导致的偏差占比 20%”，比 TqSdk 数据质量提升 3 倍。2025 年某用户用天勤清洗数据后，回测与实盘收益偏差从 18% 缩至 4%，而用 TqSdk 的同类型用户偏差仍达 15%。
发布于2025-9-25 16:01 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 >
4149
电话咨询
+微信
咨询
