------

        第一步：因子预处理与标准化

        来自不同源头的数据首先需要进行清洗和预处理，消除极端值、处理缺失值。然后，是关键的标准化。他需要将不同量纲、不同取值范围的因子，映射到统一的、可比较的尺度上。

        陆孤影没有使用简单的Min-Max归一化（缩放到0-1之间），因为某些指标（如涨跌停家数）的分布可能高度偏斜，且极值会随着时间推移而变化。他选择了基于滚动时间窗口的标准化。对于每个因子，计算其过去N个交易日（例如，N=60，代表一个季度）的滚动均值和滚动标准差，然后将当前值转换为“偏离其近期均值的标准差倍数”，即Z-Score。

        例如：

        当前上涨家数比例 = (当前值 - 过去60日该比例均值) / 过去60日该比例的标准差

        这意味着，因子值表达的是“相对于近期正常水平，当前是异常的高还是低”。一个Z-Score为+2的因子，意味着其当前值比近期的平均水平高出2个标准差，处于统计学意义上的显著高位。这对于衡量情绪的“热度”或“冷度”非常直观。

        他将所有连续型因子（如上涨家数比例、波动率、新闻情感得分、论坛关键词频率等）都进行了这样的处理。对于分类或计数型因子（如涨停家数、跌停家数），则采用类似的思路，计算其相对于近期滚动窗口内均值（或中位数）的偏离倍数。

        处理后的因子，变成了一个个无量纲的、可比的、反映“偏离正常程度”的数值。

        ------

  The content is not finished, continue reading on the next page