01
高频数据概述
Tick级数据、快照数据、逐笔成交数据的区别与获取渠道。
数据源入门
02
数据源接入
CTP接口、易盛接口、第三方数据商（万得、聚宽）格式解析。
APICTP
03
数据存储选型
CSV、Parquet、HDF5、ClickHouse在高频场景下的优劣对比。
存储性能
04
数据质量初探
缺失值、异常值、重复值、跳空数据的识别与统计。
清洗质量
05
时间戳处理
纳秒级时间戳解析、时区转换、对齐与重采样。
时间重采样
06
合约信息清洗
主力合约与连续合约识别、换月处理、复权逻辑。
合约换月
07
行情数据清洗
买卖盘口(Bid/Ask)合理性校验、价差异常过滤。
盘口价差
08
成交数据清洗
逐笔成交买卖方向标记、大单拆分与合并逻辑。
成交大单
09
数据对齐
不同频率数据(Tick、1秒、1分钟)的对齐与插值方法。
对齐插值
10
去噪处理
小波去噪、卡尔曼滤波在高频价格序列中的应用。
滤波去噪
11
基础特征构建
收益率、对数收益率、波动率(历史/已实现)。
特征波动率
12
盘口特征
买卖价差、订单簿深度、斜率、流动性指标。
订单簿流动性
13
成交量特征
VWAP、成交量分布、成交量剖面。
成交量剖面
14
时间特征
隔夜跳空、日内时段效应、节假日效应、周内效应。
时间日历
15
微观结构特征
买卖压力、订单不平衡、成交集中度。
微观压力
16
价格形态特征
支撑阻力位、枢轴点、分形维度。
形态分形
17
波动率特征
已实现波动率、偏度、峰度、波动率锥。
波动率高阶
18
相关性特征
合约间相关性、期现价差、跨期价差。
相关性价差
19
订单流特征
订单到达率、撤销率、订单大小分布。
订单流到达率
20
微观结构模型
Roll模型、Hasbrouck模型、PIN模型特征提取。
模型PIN
21
特征标准化
Z-score、Min-Max、RobustScaler在高频数据中的选择。
标准化缩放
22
特征降维
PCA、t-SNE、自编码器在高维特征集上的应用。
降维PCA
23
特征选择
过滤法、包裹法、嵌入法(基于树模型特征重要性)。
选择重要性
24
时序特征处理
滞后特征、滚动窗口统计量(均值、标准差、分位数)。
时序滚动
25
分类特征编码
合约代码、交易所、交易时段的One-Hot与Label Encoding。
编码类别
26
数据管道构建
基于Pandas的ETL流程设计与优化。
ETL管道
27
并行计算加速
Dask、Modin、Polars在高频数据清洗中的应用。
并行Dask
28
数据版本管理
DVC、Git LFS在特征数据集管理中的实践。
版本DVC
29
回测数据准备
避免未来函数、生存者偏差、数据泄露的检查方法。
回测偏差
30
实战项目
从原始Tick数据到机器学习特征矩阵的完整Pipeline搭建。
实战Pipeline