1. 金融数据基础与特征工程概述

大家好，欢迎来到这门课的第一讲。说实话，做了这么多年量化，我最大的感触就是——数据是根，特征是魂。你模型再花哨，数据质量不行，特征没挖对，最后都是白搭。今天咱们就来聊聊金融数据到底长什么样，特征工程在量化里到底有多重要，以及我们这30章课要怎么走。

1.1 金融数据类型：量价、基本面、另类数据

金融数据，说白了就是三类。我习惯把它们分成「老三样」和「新花样」。

1.1.1 量价数据

这是最基础、最常用的数据。每个做量化的人，第一眼看到的就是它。

• 价格数据：开盘价、收盘价、最高价、最低价。嗯，就是大家常说的OHLC。
• 成交量数据：成交股数、成交金额、换手率。
• 衍生数据：涨跌幅、振幅、均价、VWAP（成交量加权平均价）。

1.1.2 基本面数据

基本面数据，说白了就是公司的「体检报告」。我刚开始做量化时，总觉得基本面数据太慢，不如量价来得直接。后来发现，长周期策略里，基本面才是真正的「压舱石」。

1.1.3 另类数据

另类数据，是最近几年量化圈最火的话题。说白了，就是「别人还没用上的数据」。我见过有人用卫星图像数停车场里的车，来预测零售股业绩；也有人用招聘网站的数据，来判断一家公司是不是在扩张。

• 文本数据：新闻、公告、社交媒体、研报。
• 行为数据：搜索热度、APP下载量、信用卡消费。
• 供应链数据：物流、库存、供应商关系。
• 宏观数据：PMI、CPI、利率、汇率。

你想想看，如果所有人都用同样的量价数据，那超额收益从哪来？另类数据，就是那个「信息差」的来源。但要注意，另类数据的清洗和标准化，工作量往往是量价数据的10倍以上。

1.2 特征工程在量化投资中的核心地位

特征工程，说白了就是「把原始数据变成能赚钱的信号」。我见过太多人，一上来就堆模型，结果模型跑得飞起，但就是不赚钱。为什么？因为特征没挖对。

我个人认为，特征工程在量化中的核心地位，可以用一句话概括：好的特征，让简单的模型也能赚钱；烂的特征，再牛的模型也是白搭。

我记得有一次，我在做一个A股的多因子模型。原始数据里只有价格和成交量，我硬是构造了200多个特征。最后发现，真正有效的只有20多个。但就是这20多个特征，让一个简单的线性回归模型，跑赢了同期90%的主动管理基金。

为什么会这样？因为特征工程本质上是在「压缩信息」——把市场里海量的、杂乱的信息，压缩成几个关键维度。你想想看，一个优秀的交易员，他脑子里其实也就那么几个核心判断维度。特征工程，就是在帮机器做同样的事。

1.3 课程整体框架与学习路径

这门课一共30章，我把它分成了四个模块。每个模块之间是递进关系，但也可以单独学习。

具体来说，每个模块的核心内容是这样的：

• 模块一（第1-5章）：打好数据基础。你会学到怎么处理各种金融数据，怎么对齐时间戳，怎么处理复权、停牌、涨跌停这些「中国特色」问题。
• 模块二（第6-15章）：核心特征构造。从最基础的动量因子，到复杂的文本情绪因子，每一章都会给出一套可复用的代码。
• 模块三（第16-22章）：特征选择与评估。教你如何从几百个特征里挑出最有效的，以及如何避免过拟合。
• 模块四（第23-30章）：实战部署。把前面学到的所有东西，整合成一个完整的量化策略，并部署到实盘。

好了，第一讲就到这里。从下一章开始，我们会正式进入数据清洗的实战环节。到时候，我会带着你一行一行地写代码，把那些「坑」一个一个填平。

公众号:蓝海资料掘金营，微信deep3321