数据处理是如何做的？

[Dreamlikec]

虽然拿到了作者提供的数据，但是price列是哪个值？以及open、high、low、close这些是做了归一化吗？

[yiguang20]

open、high、low、close都是归一化的值，可以用price归一化验证一下

[wuxiawei]

open、high、low、close数据范围好像并不是[0, 1]，而是差不多0.04~0.97这个范围，这是做了什么处理呢

[poppy007]

有人知道数据是怎么处理的吗？price数据也不对啊 也不是前复权也不是后复权，更不是不复权？另外归一化是怎么做的哈

[poppy007]

open、high、low、close都是归一化的值，可以用price归一化验证一下

归一化值 肯定是归一化后的值，我就是想问他原始的股票数据是怎么归一化的哈，price是不是close的值，交流交流哈，我也没搞明白作者的一系列操作。

[Lyc0430]

大佬有搞明白嘛，数据处理咋做的

[nesciemus]

我研究了一下：
归一化是除了一个最大值（open close high low 全部中的最大值）
证据：

1. 两日price的差除以dclose为常数（说明只有缩放和平移，没有zscore），这个常数就是缩放系数。
2. np.max(df1.iloc[:,2:6].values)必等于1，np.min(df1.iloc[:,2:6].values)不为0，说明没有平移只有缩放。
3. 用price除以缩放系数可以完美的到close

price应该是前复权收盘价，但是如果现在直接获取会不一样是因为复权的"当前日期"是不一样的。
证据：

1. 如果选择不复权获取到2022-05-06的数据，新日期的价格是能对应上的，但是老日期的价格是对应不上的

且我用不复权数据获取到的最大值刚好等以用两日price的差除以dclose得到的缩放系数(这个只看了000002)。

@yiguang20 @Dreamlikec @poppy007 @wuxiawei @Lyc0430

[Lyc0430]

我研究了一下： 归一化是除了一个最大值（open close high low 全部中的最大值） 证据：

1. 两日price的差除以dclose为常数（说明只有缩放和平移，没有zscore），这个常数就是缩放系数。
2. np.max(df1.iloc[:,2:6].values)必等于1，np.min(df1.iloc[:,2:6].values)不为0，说明没有平移只有缩放。
3. 用price除以缩放系数可以完美的到close

price应该是前复权收盘价，但是如果现在直接获取会不一样是因为复权的"当前日期"是不一样的。 证据：

1. 如果选择不复权获取到2022-05-06的数据，新日期的价格是能对应上的，但是老日期的价格是对应不上的

且我用不复权数据获取到的最大值刚好等以用两日price的差除以dclose得到的缩放系数(这个只看了000002)。

@yiguang20 @Dreamlikec @poppy007 @wuxiawei @Lyc0430

感谢大佬的研究。我稍后试试。

另外在这条下留个言给大家

我发现在跑test时看action文件如果出现只有第一天有操作，后面几天全部没有买卖操作的话，不如尝试下把MAESAC_PARAMS 的 改为"learning_rate": 0.000001,有奇效～

这个东西好像真的可以用于实盘，等我完整改完代码，我应该会放一份出来。

最后再次感谢大佬的研究