标准化、去极值、补空值、中性化谁先谁后?

标星★置顶公众号     爱你们   

近期原创文章:

♥ 5种机器学习算法在预测股价的应用(代码+数据)

♥ Two Sigma用新闻来预测股价走势,带你吊打Kaggle

 2万字干货:利用深度学习最新前沿预测股价走势

♥ 机器学习在量化金融领域的误用!

♥ 基于RNN和LSTM的股市预测方法

♥ 如何鉴别那些用深度学习预测股价的花哨模型?

♥ 优化强化学习Q-learning算法进行股市

♥ WorldQuant 101 Alpha、国泰君安 191 Alpha

♥ 基于回声状态网络预测股票价格(附代码)

♥ 计量经济学应用投资失败的7个原因

♥ 配对交易千千万,强化学习最NB!(文档+代码)

♥ 关于高盛在Github开源背后的真相!

♥ 新一代量化带货王诞生!Oh My God!

♥ 独家!关于定量/交易求职分享(附真实试题)

♥ Quant们的身份危机!

♥ AQR最新研究 | 机器能“学习”金融吗

在进行因子测试之前,我们首先要对其进行数据预处理,其中包含了:

标准化、去极值、补空值、中性化

但究竟 谁先谁后?

这个问题可能很早就有人讨论过,可能有些人早有定论,但也有很多人对此还是比较困惑。

今天,公众号全网对所有Quant征集这个问题的答案。

• 你可以很学院派的给出证明

• 你也可以用经验来说服我们

• 你可以直接上代码

····

期待你们的答案!

具体答案请发送邮件至:

[email protected]

我们会认真阅读每一封来信,并筛选出较好的回答在全网公布!

是时候展现真正实力了

—End—

量化投资与机器学习微信公众号,是业内垂直于 Quant MFE CST、AI 等专业的 流量化自媒体 。公众号拥有来自 公募、私募、券商、银行、海外 等众多圈内 18W+ 关注者。每日发布行业前沿研究成果和最新量化资讯。 你点的每个“在看”,都是对我们最大的鼓励

你可能感兴趣的:(标准化、去极值、补空值、中性化谁先谁后?)