在衡阳市量化交易中，遇到数据缺失可采用以下方法处理：
数据补充
从其他数据源获取：如果一个数据平台出现数据缺失，可以尝试从其他数据平台补充，如从万得、东方财富Choice等平台获取相同数据进行比对和补充。
向数据供应商请求：联系数据供应商，说明缺失情况，请求其提供完整数据，对于付费数据服务，供应商通常有义务解决数据缺失问题。
数据插值
线性插值：假设数据缺失点前后的数据是线性变化的，根据前后已知数据点来估算缺失值。比如，已知股票在相邻两个时间点的价格，可通过线性插值计算中间缺失时间点的价格。
多项式插值：利用多个已知数据点构建多项式函数，通过该函数计算缺失值，能更好地拟合数据的变化趋势，但计算相对复杂。
数据填充
均值填充：用该数据列的均值填充缺失值，简单易行，但可能会引入偏差，适用于数据分布相对均匀，缺失值较少的情况。
中位数填充：用中位数填充能避免均值受极端值影响的问题，对于有异常值的数据，中位数填充更稳健。
基于相似样本填充：找到与缺失数据样本相似的其他样本，用相似样本的数据来填充缺失值，如根据同行业、同规模公司的财务数据填充缺失值。
模型预测填充时间序列模型：如ARIMA模型，利用时间序列的历史数据预测缺失值，适用于具有时间序列特征的数据，如股票价格、成交量等数据的缺失值预测。
机器学习模型：采用随机森林、K近邻等机器学习算法，利用其他特征变量来预测缺失值，通过训练模型学习数据之间的关系，进而对缺失值进行估计。