入门 · 12讲数据工程EDA数据清洗量化研究数据体检
为什么 EDA 在量化里不是可选项，而是必修动作
解释探索性数据分析在量化研究中的真正作用，帮助学习者理解为什么数据体检是特征工程和模型训练前最不能跳过的一步。
量化研究里最容易被低估的一步，就是 EDA。很多人觉得探索性数据分析只是“看几张图、感受一下分布”，于是花很少时间快速略过。但在金融数据里，缺失值、极端值、复权口径差异、频率对齐错误、交易日历不一致、某些字段异常跳点，都会直接扭曲后面的特征和回测结果。没有 EDA，你很可能以为自己在研究策略，实际上只是在研究数据错误。
第一场公开课把 EDA 放在数据输入与预处理之后，正是在强调这件事。只有先确认数据是健康的，后面的 OHLCV 特征、技术指标、模型训练和绩效评估才有意义。
真正好的 EDA，不是花哨展示，而是给后续决策服务
好的 EDA 不是画更多图，而是更快找到对研究真正有威胁的问题。比如某段缺失值会不会影响滚动窗口、某个字段分布偏斜是不是需要稳健标准化、某类极端值是不是应该被单独标记而不是直接删除。只要这些问题提前想清楚，后面的特征工程和模型训练就会稳定很多。
换句话说，EDA 在量化里的价值不在“看起来专业”，而在于它是整个研究流程的第一道风险闸门。
资料与阅读边界
本文为方法讨论与教学说明。文中示例不等于经独立验证的收益实证；如需具体数据、计算口径或资料来源，可通过官方渠道提出核对请求。
历史结果不代表未来表现。使用前请检查数据时间边界、样本独立性、交易成本及适用条件。
关键结论
- 量化 EDA 的目标是替后续研究排雷，而不是做展示
- 很多模型问题，其实根源是数据体检做得不够
- 先把数据健康状况看清，后面的特征和回测才可信
关联课程
如果你想把这篇文章里的方法系统化学习，可以从这些课程继续深入。
入门 · 12讲
免费公开课