明汯投资：非标准化数据的清洗处理是必要步骤-k8凯发国际旗舰厅

　　在明汯投资看来，数据是量化投资最重要的基础，数据过少则难以建模。在金融数据的海洋中，根据数据来源的不同，可以将其分为价量数据、基本面数据、事件驱动数据和另类数据。随着量化投资总体规模的上升，基于传统低频价量数据和基本面数据的量化投资赛道拥挤度提高，在国内仍属蓝海的另类数据被提及的频率在持续增加。明汯投资注意到，相较于传统的标准财务数据，另类数据更加多元，可来源于图形、文本、图像甚至是音视频文件，主要包括个人生产数据、商业过程数据和传感器数据等非标准化、待处理、无法直接使用的数据。

　　明汯投资进一步指出，根据数据格式的不同，金融数据也可以分为标准化数据和非标准化数据两类。常见的标准化数据是截面、时间序列等数值类型数据，如交易所原始数据、原始行情及各类衍生出的价格、交易量、k线图等。普通投资者在炒股软件上看的分时图、k线图等数据也都衍生于交易所的原始数据，这些较为干净的数据被称为“标准化数据”。

　　然而，非标准化数据以文本数据为主，包括财经新闻、财经论坛问答、卖方分析师投资报告、第三方机构提供的特殊数据等。这些数据里低相关非重大信息占比高，相比标准化数据会更复杂一些，所以被称为“非标准化数据”。明汯投资强调，为将其应用于量化策略开发，进行数据清洗等结构化处理是必要的步骤。

　　明汯投资于2014年在上海创立，凭借强大的数据挖掘、统计分析和技术开发能力，构建起全周期、多品种、多策略的资产管理平台，目前管理规模位居行业前列。2020年，明汯投资在北美建立投研中心，吸收海外顶级量化机构投研人才，致力于为国内股票市场选股模型提供世界前沿的k8凯发国际旗舰厅的技术支持。

　　从统计学的角度来看，基于历史数据预测未来市场的量化投资是可行的。经过十年的深耕细作，明汯投资已打造出一套高效且成熟的数据处理体系。在明汯投资看来，数据的结构化处理也可类比为样本的选择，其重要性不言而喻。“garbage in, garbage out.”样本选择的偏差将带来对总体认知的偏差。同理，未经过结构化处理的非标准化数据中存在的大量低相关、非重大的信息将直接影响最终投资决策的有效性，造成难以估量的损失。

责编：sq　

〖免责申明〗本文仅代表作者个人观点，其图片及内容k8凯发国际旗舰厅的版权仅归原所有者所有。如对该内容主张权益请来函或邮件告之，本网将迅速采取措施，否则与之相关的纠纷本网不承担任何责任。