金融数据挖掘与分析手册（执行版）.docxVIP

金融数据挖掘与分析手册（执行版）

第一章金融数据基础与预处理

第一节金融数据分类与特征工程

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，结构化数据包括银行流水、股票交易记录、债券持仓明细等，具有明确的字段定义，适合直接用于机器学习算法；而非结构化数据则涵盖新闻文本、社交媒体评论、宏观经济报告等，需经过自然语言处理（NLP）或知识图谱技术转化为数值特征后才能被模型识别。在特征工程阶段，我们需要对原始数据进行多维度的编码与归一化处理。对于文本类数据，采用TF-IDF算法提取关键词权重，并结合Bag-of-Words模型构建词频矩阵，将语义相近的