分享
注册
1分钟入驻>
问一问
首发回答
在股票量化投资里，数据清洗主要是处理缺失值、异常值等保证数据质量，特征工程则是从原始数据中提取有价值特征。
数据清洗方面，对于缺失值，可以采用删除法（如果缺失数据占比小）、均值/中位数填充法；对于异常值，可通过设定合理范围来识别和修正，比如用Z - score方法识别。特征工程中，首先可以从原始数据衍生新特征，像计算股票的移动平均线、成交量的变化率等；然后进行特征选择，比如使用相关性分析，剔除相关性过高或与目标变量相关性低的特征。
我在股票量化投资领域有丰富的经验，能为你提供更多关于数据处理和策略构建的建议。如果你想进一步探讨量化投资的细节，点赞支持我，再点我头像加微联系我，我会为你深入解答。
数据清洗方面，对于缺失值，可以采用删除法（如果缺失数据占比小）、均值/中位数填充法；对于异常值，可通过设定合理范围来识别和修正，比如用Z - score方法识别。特征工程中，首先可以从原始数据衍生新特征，像计算股票的移动平均线、成交量的变化率等；然后进行特征选择，比如使用相关性分析，剔除相关性过高或与目标变量相关性低的特征。
我在股票量化投资领域有丰富的经验，能为你提供更多关于数据处理和策略构建的建议。如果你想进一步探讨量化投资的细节，点赞支持我，再点我头像加微联系我，我会为你深入解答。
发布于2025-4-17 02:04 南京
当前我在线
直接联系我
秒答
关注
分享
追问
踩 
举报
1977
从业认证
电话咨询
+微信
咨询
18630917047 
