数据的重要性 量化领域数据类别 量化领域数据来源 量化领域数据的清洗

数据的重要性

在数据科学领域我们经常听到这句话：Garbage in, Garbage out。翻译过来就是垃圾进，垃圾出，意思是说拿不好的数据去做分析，会产生糟糕或是无用的结论。

量化投资本质上是数据科学在量化投资领域的应用，同样会存在数据质量对其产生的重大影响。所以，把数据质量放在一个多高的位置都不为过。

量化领域数据类别

价格类数据

股票、期货的价格数据，有日线、分钟、tick等级别。

成交量类数据

股票、期货的成交量或持仓量。

基本面类数据

主要指反映股票财务状况的数据，包括财务报表、行业基本面等数据。

宏观类数据

反映国民经济整体状况的指标，也包括货币和财政政策，GDP、CPI、PMI等等。

另类数据

新闻舆情、股市贴吧等。

量化领域数据来源

免费领域

• 交易所和信披平台。这些官方网站可以获取全部量价和财报数据。优点是权威及时，缺点是必须自己清洗整理。
• 开源数据平台。例如Tushare等。

付费数据库

国内知名的数据库有很多，wind、聚源、choice等。无论哪一种，都少不了自己的进一步清洗。

量化领域数据的清洗

• 缺失值。这个问题普遍存在，尤其非标数据。
• 极端值。这个在数据进一步加工过程中，出现的概率更多。
• 未来信息。影响巨大，不容易定位发现。
• 错误的值。很多数据源都或多或少存在。需要多源对比，细致处理。