固收量化数据清洗与特征工程实战

📚 共计 30 章节

固收数据全景

中债登·上清所·CFETS · 数据频率与颗粒度 · 质量痛点

数据源概览

Python环境搭建

Anaconda · Jupyter · pandas/numpy · MySQL/ClickHouse

环境数据库

数据读取实战

CSV/Excel分块 · API抓取(Wind/Tushare) · SQL查询

数据概览与EDA

df.info() · describe() · 缺失值可视化 · 箱线图

缺失值处理

MCAR/MAR/MNAR · 删除/填充 · 前向后向 · 插值

异常值检测

3-sigma · IQR · 孤立森林 · 业务规则过滤

重复值与去重

完全/部分重复 · key去重 · 时间序列陷阱

数据类型转换

object→datetime · 字符串转数值 · Label/OneHot

时间序列对齐

交易日历 · 非交易日处理 · 重采样(日/周/月)

时间重采样

数据合并与拼接

merge多键 · concat · 时间索引join

债券基础特征

剩余期限 · 久期(Macaulay/Modified) · 凸性 · YTM

利率曲线特征

即期/远期曲线 · 关键期限插值 · 斜率与曲率

信用利差特征

行业利差 · 评级利差 · 期限利差 · 分解计算

流动性特征

换手率 · 报价价差 · 交易量滚动 · Amihud指标

流动性微观

波动率特征

历史波动率 · 已实现波动 · GARCH · 波动率微笑

宏观因子特征

GDP · CPI · PMI · 社融 · M2 滞后对齐与差分

资金面特征

R007/DR007 · Shibor · 同业存单 · 回购成交量

资金银行间

技术指标特征

MA · MACD · RSI · 布林带 · 固收应用

文本特征提取

舆情情感(SnowNLP/BERT) · 公告关键词 · 事件驱动

Z-score · MinMax · RobustScaler · 分位数变换

归一化标准化

WOE编码 · 目标编码 · 频率编码 · 有序编码

时间序列特征

滞后(Lag) · 滚动窗口 · EWMA指数加权

因子交互 · 多项式特征 · 业务逻辑组合

交互多项式

方差过滤 · 相关系数 · 卡方 · 互信息 · Boruta

PCA · t-SNE · UMAP · 固收因子应用

降维可视化

数据管道构建

sklearn Pipeline · 自定义Transformer · Feature Store

数据质量监控

PSI漂移检测 · 分布监控 · 自动化报警

回测数据准备

避免未来信息 · 样本内外划分 · 时序交叉验证

回测交叉验证

实战案例一：信用债违约预测

数据获取→清洗→特征构建→选择全流程

信用债实战

实战案例二：利率债趋势预测

宏观因子+技术指标+文本特征融合

利率债融合