首页
›
热销单品
›
金融财务与量化
›
《金融数据缺失值处理与插补技术手册》
所属分类:金融财务与量化
当前为单品课程,可返回上一级继续浏览同方向资料。
← 返回上一级
← 返回所属目录
咨询 / 购买
📘
金融数据缺失值处理与插补技术手册
共计 30 章节
点击此处阅读海量试读课程:100+行业、1000+细分领域
01
课程导入
学习目标 · 课程结构 · 金融数据缺失值的现实影响与重要性
课程导入
学习目标
02
金融数据基础与缺失值概述
金融数据类型 · 缺失值定义 · 缺失机制(MCAR/MAR/MNAR…
金融数据基础
缺失值概述
03
缺失值处理前的数据探索
数据质量评估 · 缺失率统计 · 缺失模式可视化(热力图
缺失值处理前的数…
数据质量评估
04
缺失值处理策略总览
删除法 · 插补法 · 模型法
缺失值处理策略总…
删除法
05
删除法及其在金融数据中的应用
列表删除 · 成对删除 · 变量删除的适用条件与风险控制
删除法
金融数据
06
均值/中位数/众数插补
原理 · 金融数据中的局限性与改进思路
均值
位数
07
回归插补法
线性回归 · 逻辑回归插补的步骤 · 假设检验及金融案例(如收入
回归插补法
线性回归
08
多重插补(MICE)基础
概念 · 步骤 · 与单一插补的区别
MICE
多重插补
09
多重插补进阶
预测均值匹配(PMM) · 分类变量处理 · 收敛诊断与结果合并(Rubin规则)
多重插补进阶
PMM
10
极大似然估计(ML)与期望最大化(EM)算法
原理 · 在金融面板数据中的应用与实操
ML
EM
11
K近邻(KNN)插补
距离度量 · K值选择 · 金融数据中的高维问题与标准化处理
KNN
K近邻
12
随机森林插补(MissForest)
算法原理 · 特征重要性 · 在金融混合数据类型中的优势
MissForest
随机森林插补
13
XGBoost/LightGBM插补
基于梯度提升的缺失值预测方法及金融大…
XGBoost/Ligh…
插补
14
时间序列缺失值插补
前向填充 · 后向填充 · 线性插值
时间序列缺失值插…
前向填充
15
金融面板数据缺失值处理
个体-时间维度 · 固定效应/随机效应模型下的插补策略
金融面板数据缺失…
个体
16
分类变量缺失值处理
众数 · 模式匹配 · 逻辑回归
分类变量缺失值处…
众数
17
高维金融数据缺失值处理
降维技术(PCA · t-SNE)与插补结合 · 稀疏矩阵处理
高维金融数据缺失…
PCA
18
深度学习插补方法
自编码器 · 生成对抗网络(GAN)在金融缺失值生…
深度学习插补方法
自编码器
19
金融数据缺失值处理实战(案例1)
信贷风控数据集——缺失值处理对信用评…
金融数据缺失值处…
案例1
20
金融数据缺失值处理实战(案例2)
股票收益率面板数据——时间序列插补与…
金融数据缺失值处…
案例2
21
金融数据缺失值处理实战(案例3)
高频交易数据——缺失值处理对波动率预…
金融数据缺失值处…
案例3
22
缺失值处理与模型评估
插补后模型性能评估 · 交叉验证 · 偏差-方差权衡
缺失值处理
模型评估
23
插补不确定性传播
如何将插补的不确定性纳入后续金融模型… · 预期损失)
插补不确定性传播
如何将插补的不确…
24
金融合规与数据治理
缺失值处理中的隐私保护 · 监管要求(如巴塞尔协议)与审计追踪
金融合规
数据治理
25
常见错误与陷阱
数据泄漏 · 过度插补 · 忽略缺失机制
常见错误
陷阱
26
工具与库实战
Python(pandas · scikit-learn · fancyimpute
工具
库实战
27
性能优化与大规模数据
并行计算 · 分布式处理(Spark)在金融大数据…
性能优化
大规模数据
28
综合项目
构建端到端金融数据清洗与插补流水线 · 从原始数据到建模准备
综合项目
构建端到端金融数…
29
前沿与未来趋势
自动机器学习(AutoML)中的缺失… · 因果推断与缺失数据 · 联邦学习下的隐私保护插补
前沿
未来趋势
30
课程总结与进阶路径
核心要点回顾 · 常见问题答疑 · 推荐资源与后续学习方向
课程总结
进阶路径
所属VIP或分类
同VIP:AI估值模型:多因子融合与行业对标实战
同VIP:AI信贷审批系统搭建与调优手册
同VIP:AI投顾进阶策略:动态调仓与客户画像融合实战