基于时间序列分析的金融数据降维.docxVIP

基于时间序列分析的金融数据降维

一、引言

随着数字技术在金融领域的深度渗透，金融市场的数据生产能力得到了前所未有的提升，当前的金融分析场景中，可用的数据范畴早已不再局限于传统的交易价格、财务报表、宏观统计指标，而是快速拓展到了高频订单流、投资者舆情、供应链动态、卫星遥感、线下消费行为等多元另类数据，单一场景下的分析维度往往达到数百甚至数千级别。高维数据虽然为全面刻画市场行为、捕捉细微信号提供了更丰富的信息基础，但也带来了难以回避的“维数灾难”问题：一方面，大量冗余特征和随机噪声会大幅提升分析模型的过拟合风险，引发样本内拟合效果优异、样本外泛化能力极差的“回测陷阱”；另一方面，过高的数据维度会带