分享
注册
1分钟入驻>
+微信
从业认证
首发回答
QMT量化数据里的缺失值、异常值处理，是策略落地前很重要的准备环节，给你说几个实用的处理技巧。
先讲处理逻辑：得结合量化数据的实际用途来，不能盲目处理。落地步骤分三步：1.缺失值处理：时序数据用前后值填充或线性插值，截面数据用中位数填充，别乱选均值；2.异常值用IQR法算上下边界，超出的要么标记要么替换，比如某天某只股票成交量突然涨10倍大概率是异常；3.处理后要回测验证，确保不影响策略效果。举个例子：某只股票收盘价突然是正常的50倍，用IQR算出是异常，就替换成同行业中位数，避免数据失真。注意别处理过度，不然数据变味会影响回测结果。
如果想了解QMT里具体的代码实现细节，或者更多数据清洗的实用技巧，点击追问联系我就行。
先讲处理逻辑：得结合量化数据的实际用途来，不能盲目处理。落地步骤分三步：1.缺失值处理：时序数据用前后值填充或线性插值，截面数据用中位数填充，别乱选均值；2.异常值用IQR法算上下边界，超出的要么标记要么替换，比如某天某只股票成交量突然涨10倍大概率是异常；3.处理后要回测验证，确保不影响策略效果。举个例子：某只股票收盘价突然是正常的50倍，用IQR算出是异常，就替换成同行业中位数，避免数据失真。注意别处理过度，不然数据变味会影响回测结果。
如果想了解QMT里具体的代码实现细节，或者更多数据清洗的实用技巧，点击追问联系我就行。
当前我在线
直接联系我
秒答
关注
分享
踩
发布于8小时前 杭州
还有疑问？看看专业认证经理怎么说
资深刘经理：
针对QMT数据的缺失值，优先采用同周期均值填充或线性插值的常规处理方式
小太阳王经理：
处理异常值时，可通过分位阈值法识别后进行截断或平滑，再完成数据清洗
36
电话咨询
咨询
18630917047 
