数据收集过程中通常会受到噪声数据、缺失数据、冲突数据等影响，导致采集到的原始数据比较“脏”。因此，首先需要对原始数据进行预处理，以保证数据的质量和应用价值。本文的预处理环节主要包括数据集成、数据清洗和数据转换等方面。
（1）数据集成
由于交易信息不是来源于同一网站，需要将数据进行整合，形成一个综合数据集。将不同数据源的数据进行形式统一，有利于提高数据的集中性和一致性。
在这个过程中，主要是对不同来源的数据名称、长度、格式和单位等进行统一，并进行字段检查。对不同的字段进行删除或合并，避免出现冗余。
（2）数据清洗
对数据的不一致检验、噪声数据的识别、数据过滤与修正，有利于提高数据的真实性和可用性。本文清洗过程包括以下几个方面：
空缺值。原始数据中存在少量空缺值，这是由于当天没有成交记录造成的，对数据的分析与研究并没有实际意义，故直接将空缺值做删除处理。
异常值识别。通过单变量的描述统计及图形法，识别有无异常值或明显错误值。对于有异常值出现的情况，经人工查证后利用上一交易日的有效成交数据进行替换处理。
数据不一致。由于数据的来源不同，名称和单位可能有所差异。在使用前，对数据进行检查和统一，避免由于内容不一致带来的误差。
（3）数据转换
利用对数收益率计算方式将碳交易均价转化成碳资产收益率，可以为市场有效性研究提供基础数据支持，计算公式为
[9]：
Xt=ln
（Pt/Pt-1），其中，
Xt为第
t日的碳资产收益率；
Pt为第
t日的碳市场价格；
Pt- 1 为第
t-1日的碳市场价格。
数据预处理阶段的整体流程如图1所示。
