因子特征极值清洗(Winsorization)

发布时间:2026-6-29 09:34阅读:245

量化张经理 证券经理
帮助10万+ |好评1301
问一问
从业认证| 入驻5年
量化张经理 证券经理
两融账户可在线办理,支持智能条件单和网格交易,佣金成本价
当前我在线 最快30秒解答 立即追问 99%的人选择

文章很精彩?转发给需要的朋友吧

推荐相关阅读
PTA的“基差历史极值”如何修复?
PTA基差历史极值的修复,靠现货供需调整、期现联动来逐步回归合理区间。江经理为您提供免费专业解答,若想了解相关实操技巧或其他品种情况,可联系我。
期货江经理 177
股票量化投资中,如何进行数据清洗和特征工程呢?
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...
理财宫老师 687
量化策略的“因子数据清洗的彻底性”对信号可靠性影响有多大?天勤量化有哪些数据清洗工具?
因子数据清洗彻底性是信号“真实性”的基础:某策略因未清洗“异常值数据”,回测收益虚高30%,实盘后亏损12%;某平台数据清洗不彻底,某多因子策略因“复权错误”,信号准确率下降40%。天勤量化通过...
沙经理 937
股票量化交易中,如何进行数据清洗和特征工程?
数据清洗方面,首先要处理缺失值,可根据数据特点选择删除缺失值所在行或列,或者采用均值、中位数、众数等方法进行填充。其次要处理异常值,比如通过统计分析方法识别出异常值并进行修正或删除。特征工程方面...
资深陈顾问 728
股票量化实操:如何正确利用“截面因子去极值(Winsorization)”保护你的多因子选股模型?
在构建全市场股票多因子量化选股策略的研发流水线中,独立交易者常常面临历史截面数据中的“异常值噪点”冲击。举例来说,当我们在某一个调仓截面上计算全市场个股的市盈率(PE)或净利润增长率时,经常会遇到某些个股因为重组、基数极低或一次性损益,导致其因子值呈现出高出市场平均水平数百倍的极端数值。如果不对这些异常极值进行前置的数据去噪清洗,直接将原始因子流送入后续的回归或打分矩阵中,这些极端的非典型噪点会像引力黑洞一样,彻底拉偏整体截面的均值与标准差。在最终的多头资产分配中,系...
量化张经理 247
股票量化多因子模型中的“去极值(Winsorization)”:消灭异常值的数理净化
在构建股票多因子量化策略时,数据质量直接决定了模型的生死。很多散户通过量化终端直接调用全市场的历史财务数据(如市盈率、净利润增长率等)进行因子选股时,会发现回测效果极差。这是因为没有对原始数据执行“去极值(Winsorization)”的净化处理。本文白描梳理去极值的底层业务逻辑及其在策略中的必要性。一、 什么是数据极值及其带来的灾难在真实的A股市场中,由于各家上市公司的经营状况差异巨大,财务报表中的某些数字会呈现出极其反常的极端状态。例如,某家常年亏损的轻资产公司,在某季度通过...
量化张经理 238
TA的文章 全部>
回到顶部