点时数据不是历史快照：用双时间轴避免回测偷看修订值

点时数据不是历史快照用双时间轴避免回测偷看修订值量化回测中的未来函数不只来自错误的shift。更隐蔽的情况是研究者下载了一份今天看来完整、正确的历史表然后默认这些数值在过去当时也已经可见。财务数据会延迟发布宏观数据可能修订指数成分和分类标签也会变化。如果回测直接读取最新版本模型就会使用决策时点尚未出现的信息。解决办法不是给文件名加上日期而是明确区分两个时间event_time表示数据描述的业务期间available_at表示系统何时真正获得该版本。回测查询必须同时回答“研究哪个期间”和“在决策时点能看到哪个版本”。这种设计通常称为点时数据或双时间轴模型。参数和假设说明示例使用人工构造的季度指标不对应任何公司、证券或真实数据源。period是指标所属期间available_at是该版本可以进入模型的最早时间。同一期间允许存在多个版本查询时选择决策时点以前已经到达的最新版本。日期只精确到天并假设数据在available_at当日开盘前可用。真实项目应记录具体时区和发布时间。缺少可用版本时返回None策略必须显式处理不能使用未来版本或默认填零。示例只演示可见性不处理币种、单位、合并范围和会计口径变化这些字段在生产数据中同样需要版本化。可运行 Python 示例下面代码只依赖标准库。数据表故意包含一次晚到的初始发布和一次后续修订用断言证明早期决策看不到修订值。fromdataclassesimportdataclassfromdatetimeimportdatedataclass(frozenTrue)classFact:period:stravailable_at:date version:intvalue:floatfacts[Fact(2025Q3,date(2025,10,25),1,98.0),Fact(2025Q4,date(2026,1,28),1,101.0),Fact(2025Q4,date(2026,3,12),2,99.5),# 后续修订Fact(2026Q1,date(2026,4,29),1,103.0),]defvisible_value(rows,period,decision_time):candidates[rowforrowinrowsifrow.periodperiodandrow.available_atdecision_time]ifnotcandidates:returnNoneselectedmax(candidates,keylambdarow:(row.available_at,row.version))returnselected.value jan_valuevisible_value(facts,2025Q4,date(2026,2,2))apr_valuevisible_value(facts,2025Q4,date(2026,4,1))too_earlyvisible_value(facts,2026Q1,date(2026,4,15))assertjan_value101.0# 当时只能看到初始版本assertapr_value99.5# 修订发布后才能看到修订值asserttoo_earlyisNone# 不能提前读取尚未发布的季度数据print(2026-02-02 可见值:,jan_value)print(2026-04-01 可见值:,apr_value)print(提前查询结果:,too_early)为什么普通历史表会产生偏差假设数据库只保留2025Q4 99.5这一最终结果。今天查询没有问题但在 2026 年 2 月的回测中使用它就相当于提前知道了 3 月才发布的修订。即使信号代码严格延迟一期输入本身已经穿越时间回测仍然失真。另一种常见错误是把业务期间结束日当成可用日。季度在 12 月结束并不意味着 12 月 31 日就能得到完整指标。回测需要使用数据源真实发布时间若只知道日期而不知道盘前或盘后应采用保守约定并在成交时再延迟一个交易时段。数据模型与查询接口生产表至少应包含业务键、event_time、available_at、版本号、数值、单位、来源和批次哈希。原始版本不能被后续修订覆盖。查询接口应强制要求as_of参数避免调用者无意中获取最新值“获取最新数据”和“按历史时点查询”最好使用不同函数名和权限。数据入库时间也不一定等于公开时间。如果供应商晚到、补发或重新抓取系统应同时保留来源公布时间和本地接收时间。严格回放可以取两者较晚值因为模型不可能使用尚未进入自身系统的数据。时区转换必须在入口完成夏令时和交易日历不能依靠字符串排序猜测。建议为每个数据源建立版本回放测试固定一个过去决策日保存当时应该可见的记录集合和结果哈希数据管道升级后重新运行若集合变化就必须解释来源。变化可能来自正确的错误修复也可能来自供应商静默覆盖。无论原因是什么都不能只接受新的回测曲线而不追踪差异。对于派生特征还要保存原始记录标识和计算版本使一个信号能够反向定位到具体输入而不是只保留难以审计的最终矩阵。常见错误第一下载最新 CSV 后覆盖旧文件丢失修订链。第二用期间结束日代替发布时间。第三先对全样本填补缺失值再切分训练和测试使未来分布反向影响过去。第四指数回测使用今天的成分列表忽略过去已退出的资产。第五基本面字段发生单位或定义变化却仍当作同一连续序列。还有一种工程错误是缓存键缺少as_of。第一次查询最新值后缓存可能把结果错误地返回给历史时点请求。缓存键必须包含业务键、决策时间和数据版本测试中应覆盖“修订前、修订后、尚未发布”三个边界。风险控制说明点时数据错误会系统性放大模型表现因此应设置硬性质量门关键字段缺少available_at、版本倒退、发布时间晚于回测决策却被使用任何一项出现都应停止生成新信号。每次回测保存数据快照哈希和查询参数确保结果可以重放。模型上线后还要监控数据延迟、修订频率和缺失率。如果最新批次明显晚于正常时间不应自动沿用陈旧数据扩大仓位。数据恢复后也不能立即追补历史信号因为实盘当时并未拥有这些信息正确做法是从恢复时点继续并记录缺失期间的影响。回测与实盘差异回测可以反复查询历史而实盘只能沿时间向前。要缩小差异研究环境应通过同一个点时查询接口获取数据并在影子运行中逐日记录“当时可见版本”。之后发现供应商修订时可以比较新旧版本对信号的影响但不能把修订结果改写成当时已经知道的事实。点时正确也不代表策略有效。费用、滑点、成交容量、停牌和订单状态仍需独立建模。本文示例仅验证数据可见性不是实盘成绩也不提供任何资产选择或仓位建议。总结可信回测必须同时管理业务时间和可用时间。保留每个版本、强制as_of查询、对修订前后编写断言才能阻止最新数据悄悄进入过去。与复杂模型相比先把信息可见性做对往往更重要输入时点错误再精确的计算也只是在放大偏差。风险提示本文仅用于量化交易技术研究和编程交流不构成任何投资建议。历史表现和回测结果不代表未来收益投资有风险决策需谨慎。