绿色金融数据清洗与因子构造技巧

📚 共计 30 章节

绿色金融数据概览

什么是绿色金融数据？数据来源（ESG评级、碳排放、绿色债券、绿色信贷等）与数据特征。

数据清洗基础

缺失值处理（删除、填充、插值），异常值检测（3σ原则、IQR方法），重复值处理。

清洗异常值

数据标准化与归一化

Min-Max标准化、Z-score标准化、Robust标准化，及其在绿色金融因子中的应用场景。

标准化因子

文本数据清洗

ESG报告、新闻舆情等非结构化数据的清洗技巧，正则表达式应用，停用词处理。

时间序列数据处理

日期格式统一、重采样、滚动窗口计算、滞后变量构造。

时间序列滚动

多源数据融合

不同数据源（Wind、Bloomberg、公司年报）的匹配与合并，主键设计与去重。

因子构造基础

什么是因子？因子分类（基本面、技术面、另类数据），因子有效性检验框架。

碳排放因子构造

范围一、二、三碳排放数据的获取与处理，碳强度指标计算。

碳排放碳强度

ESG综合评分因子

E、S、G各维度评分聚合方法（等权、主成分分析、熵权法）。

绿色收入占比因子

从年报中提取绿色收入，计算绿色收入占比，行业调整。

绿色收入行业调整

绿色专利因子

专利数量、专利质量（被引次数）、绿色专利占比的构造与标准化。

环境处罚与争议事件因子

负面事件数据库的清洗，事件计数与加权评分。

绿色债券因子

绿色债券发行规模、期限、评级，以及绿色溢价计算。

绿色债券溢价

绿色信贷因子

银行绿色信贷余额、占比、增速，以及行业集中度调整。

绿色信贷集中度

水资源管理因子

用水效率、水风险暴露、水回收率等指标的构造。

水资源效率

生物多样性因子

生物多样性影响评估、保护区邻近度、供应链风险评分。

生物多样性供应链

供应链绿色因子

供应商ESG评分、绿色采购比例、供应链碳排放。

供应链绿色采购

气候风险因子

物理风险（洪水、台风）与转型风险（政策、技术）的量化。

气候风险物理/转型

绿色投资者关注度因子

基于新闻舆情、百度指数、机构调研的绿色关注度指标。

关注度舆情

因子正交化与去冗余

使用施密特正交化、PCA去除因子间的多重共线性。

因子中性化处理

市值中性化、行业中性化、风格中性化（Barra模型框架）。

因子IC/IR分析

信息系数（IC）、信息比率（IR）的计算与可视化，因子衰减分析。

因子分组回测

分位数分组法、多空组合收益计算、净值曲线绘制。

因子合成与加权

等权合成、IC加权、IR加权、机器学习加权（随机森林、XGBoost）。

动态因子调整

基于市场状态的因子择时，宏观经济变量对因子有效性的影响。

绿色因子在量化策略中的应用

多因子选股模型、行业轮动策略、事件驱动策略。

数据质量监控

数据完整性检查、数据新鲜度监控、数据源异常告警。

因子数据库搭建

因子存储结构设计（Parquet/HDF5）、因子更新流程自动化。

数据库自动化

绿色金融数据合规与伦理

数据隐私（GDPR）、漂绿行为识别、信息披露标准。

实战项目：构建完整绿色金融因子库

从数据采集、清洗、因子构造到回测验证的全流程。

实战全流程