数据分类

结构化数据

结构化数据是指具有明确结构和格式的数据，它包括了严格定义的数据类型，如数字、日期和字符串，以及它们在数据库中的关系。这些数据通常以表格形式存在，每个数据字段（列）具有特定的含义和数据类型，每一行则代表一次观察或测量

结构化数据是量化投资中最常见的数据类型，比如行情数据、财务数据、宏观经济数据、市场数据等都是结构化数据

结构化数据通常以表格形式存储。下面是一个简单的示例：

在这个数据表中：

每一列都是一个字段，具有明确的名称和数据类型，例如，“日期”是日期类型，“股票代码”是字符串类型，“开盘价”、“收盘价”、“最高价”、“最低价”和“成交量”都是数值类型

每一行都是一次观察值，例如，第一行是 2023 年 7 月 1 日股票 A 的股票交易数据

时间序列数据是指对单一资产或投资对象在不同时间点的数据

时间序列数据是一种特殊类型的结构化数据，其中每个数据点都与一个时间戳关联，例如行情数据就是典型的时间序列数据

以下是某个公司股票价格时间序列数据的示例：

在这个数据表中，每一行都是一个时间戳，记录了该时刻的开盘价、最高价、最低价、收盘价和成交量

横截面数据是指在同一时间点（即：横截面），不同资产或投资对象的数据。这与时间序列数据不同

横截面数据也是一类结构化数据

假设我们在 2023 年 9 月 19 日收集以下的横截面数据：

在这个例子中，收集了所有股票在同一时间点（2023年9月19日）的收盘价和成交量。这就是一个横截面数据的例子

面板数据是在多个时间点观察到的横截面数据，包含了时间序列和横截面两个维度

例如，一个包含多个股票在多个时间点的价格的数据集就是面板数据

在这个数据表中，每一列都是一个字段，每一行都是一次观察值。这个表格也可以被看作是若干个时间序列（股票 A 和股票 B 的价格和交易量）的集合，或者是若干个横截面（2023 年 7 月 1 日、2 日、3 日的所有公司的价格和交易量）的集合

非结构化数据是指没有预定义数据模型的数据，这些数据不易于在传统的关系数据库中存储和分析

非结构化数据包括文本、图像、音频等数据类型：

例如，以下是一条新闻标题的示例：“XXX公司业绩稳定增长，拟收购海外优质资产，加强国际业务布局”

通过自然语言处理（NLP）技术，可以从这条新闻中提取出有用的信息，如公司名称（XXX公司）、事件（拟收购海外优质资产，加强国际业务布局）和业绩情况（稳定增长）

又如某款新手机上市，通过收集微博用户对这款手机的评价文本，可以用于情绪分析，从而影响投资决策

再如，通过分析卫星图像，可以预测农作物的产量，从而影响相关的期货价格

这些非结构化数据需要进行复杂的预处理，如文本分析、图像识别和声音识别，才能转化为可以用于量化投资的结构化数据。但是，由于它们提供了结构化数据无法覆盖的信息，因此在量化投资中越来越受到重视