By name: quant-data-cleaning-pipeline description: 金融時間序列數據清洗的標準流程，整合 MAD 檢測與布朗橋插值
金融數據清洗管道 (Data Cleaning Pipeline)
適用場景
當處理金融 OHLCV 數據時，需要同時處理異常值和缺失值，且必須保持時間序列的統計特性。
核心原則
⚠️ 禁止 使用
ffill().bfill()或interpolate(method='linear')處理金融數據。 這會人為降低波動率，導致 VaR 低估和風險模型失效。
標準流程
[!TIP] 已提取代碼至：quant-data-cleaning-pipeline_examples_1.txt
Python 範本
[!TIP] 已提取代碼至：quant-data-cleaning-pipeline_examples_2.py
進化來源
- Phase 0: 發現
DataLoader使用ffill/bfill掩蓋數據缺口 - Phase 1: 實作 MAD 替代固定閾值
- Auditor 審計: 確認此流程有效保持局部波動率結構