金融数据分析与预测手册.docxVIP

金融数据分析与预测手册

第1章金融数据基础与清洗规范

1.1金融数据分类与特征工程

金融数据首先被划分为结构化与非结构化两大类。结构化数据包括资产负债表、利润表等Excel表格文件，其字段清晰但存在大量缺失；非结构化数据则涵盖新闻文本、社交媒体评论及交易日志，虽能挖掘深层语义但难以直接用于数学建模。在特征工程阶段，需将原始数据映射为数值型特征。例如，将股票收盘价转换为对数收益率，将交易量转换为累计成交量，将利率数据转换为年化利率，从而消除量纲差异并突出波动性。

时间序列特征通常包含滞后项（LagFeatures）和滚动窗口特征。滞后项如“上一日收盘价”用于捕捉趋势惯性，滚动窗口特征如5日均价”用于平滑短期噪音，二者结合可显著提高预测模型对短期波动的敏感度。宏观因子是构建投资组合的重要输入，包括GDP增速、CPI通胀率、美联储利率决议等。这些宏观数据往往具有长记忆性，需通过滑动平均滤波处理，去除极端市场情绪的干扰，保留长期基本面驱动因子。行业因子需结合企业具体属性提取，如市盈率（P/E）、市净率（P/B）等估值指标，以及所属细分赛道的行业平均波动率。这些因子能反映特定板块的估值性价比和系统性风险暴露。

对于高频交易数据，特征工程需进一步细化至分钟级或秒级，提取如“订单簿厚度”、“买卖价差”等微观结构特征，这些特征能捕捉毫秒级的市场微观结构变化，是