对于量化研究而言，拿到一份基础数据，首先需要对数据做预处理，以便于更好的探究数据规律，基于不同目标有不同处理环节，其中去极值、标准化、中性化这三点经常被放在一起讨论。整理网络资料，理解如下。 去极值 数据（单个因子的时间序列数据）中存在异常值，可能会导致拉大标准差、拉偏统计规律… 常规处理理念就是确定此数据指标（比如某个因子）的上下限阈值，然后超过（或低于）此限度的数据均设置为阈值，以提高数据

题目： 1. 对2021-01-04的PB数据做市值中性化处理 概念： 1. 为什么需要中性化处理？什么时候用？ 市值中性化是为了在因子选股回测的时候，防止选到的股票集中在固定的某些股票当中 1.1 市值影响 默认大部分因子当中都包含了市值的影响，所以当我们通过一些指标选择股票的时候，每个因子都会提供市值的因素，选择的股票比较集中，也就是选股的标准不太好 比如：市净率会与市值有很高的相