另类数据因子清洗与信号合成实战

📚 共计 30 章节

另类数据概述

什么是另类数据 · 与传统数据区别 · 价值与挑战

数据源探索

社交媒体 · 卫星图像 · 电商评论 · 新闻舆情 · 供应链

数据源多模态

数据采集基础

API接口 · 网络爬虫 · JSON/XML/CSV解析

数据质量初探

缺失值 · 异常值 · 重复值 · 不一致数据

文本数据清洗

正则表达式 · HTML标签去除 · 停用词过滤

时间序列对齐

不同频率对齐 · 时区 · 交易日历 · 重采样

异常值检测

3-Sigma · IQR · Z-Score · 孤立森林

缺失值处理

删除法 · 均值/中位数填充 · 插值 · KNN

数据标准化与归一化

Min-Max · Z-Score · RobustScaler · MaxAbs

缩放预处理

移动平均 · 指数平滑 · 小波去噪 · 卡尔曼滤波

特征工程基础

特征提取 · 构造 · 选择 · PCA降维

文本特征提取

TF-IDF · Word2Vec · BERT · 情感得分

图像数据特征

卫星图像处理 · 像素值 · 颜色直方图 · 纹理

时序特征构建

滚动统计量 · 滞后特征 · 差分 · 季节性分解

因子正交化

施密特正交化 · PCA正交化 · 去相关

正交去相关

因子标准化

横截面标准化 · 时序标准化 · 行业中性化

标准化中性

因子合成基础

等权合成 · 市值加权 · IC加权

动态权重合成

滚动IC加权 · 波动率倒数 · 风险平价

机器学习合成法

线性回归 · 岭回归 · Lasso · 弹性网络

树模型合成

随机森林 · XGBoost · LightGBM

树模型集成

神经网络合成

MLP · LSTM · Transformer 尝试

信号回测框架

回测引擎 · 手续费滑点 · 基准选择

信号评价指标

IC · RankIC · IR · 夏普 · 最大回撤 · 胜率

过拟合检测

交叉验证 · 滚动窗口 · 夏普衰减 · 组合衰减

过拟合验证

信号衰减分析

半衰期 · IC衰减曲线 · 换手率分析

行业与市值中性化

回归中性化 · 分组合成 · 市值分层测试

中性化分层

极端风险控制

VaR · CVaR · 压力测试 · 尾部风险对冲

实盘注意事项

数据延迟 · 交易成本 · 冲击成本 · 容量限制

基于社交媒体情绪的因子清洗与合成

基于卫星图像的供应链因子清洗与合成