混合频率与时点对齐数据说明
为什么每日价格、季度基本面与延迟披露的数据可以诚实地并存,而且每一项都标上一个「数据年龄」。
类别:数据质量
用大白话解释
公司的股价在市场开盘时每一秒都在变动,但它的财报一年只公布四次,而某位大户的持股申报可能在他们实际买入的好几周后才送达。「混合频率」(mixed-frequency)指的就是这些信息以不同的速度更新。SurgeFlow 把它们并排放在一起,但不会假装慢的那些其实很快。「时点对齐」(point-in-time)的意思是:我们只会把一项事实显示在它真正为人所知的那一刻,绝不提前。 - 价格:每日更新(快) - 基本面:每季更新(慢) - 持股披露:延迟送达(滞后) - 新闻:持续送达(随时都有)
它衡量什么
为了诚实地追踪这一切,每一项事实都带着几个日期,而这些日期之间的落差就道出了整个故事。「报告期间」(reporting period)是一个数字所描述的那段时间(例如第一季度 Q1)。「公布日期」(publication date)是它被发布的时间。「可获取日期」(available-at date)是普通用户第一次有可能看到它的那一刻,而「采集日期」(ingestion date)则是 SurgeFlow 把它记录下来的时间。「观察日期」(observation date)很简单,就是「我们是站在哪一天在看?」 - 报告期间:这个数字所涵盖的那一季度或那段时间窗 - 公布日期:发行方发布它的时间 - 可获取日期:它第一次能被公众知道的那一刻 - 采集日期:SurgeFlow 把它存储下来的时间 - 数据年龄:今天减去可获取日期
SurgeFlow 如何使用它
一项季度基本面不会每天都变成「新数据」。如果一家公司在 4 月 30 日公布财报,那同一个数字会一路「结转」(carried forward)保持不变,直到下一次财报为止;SurgeFlow 会给它盖上一个不断增长的「数据年龄」标记,而不是伪造一个新鲜的数值。时点对齐的存储方式正是用来防止「前视偏差」(look-ahead bias,也就是在任何人都还不可能知道某项事实之前就拿来使用的错误)。举个小例子:如果你在 5 月 15 日研究一只股票,SurgeFlow 会使用 4 月 30 日的那份财报,而不是要到 7 月才会出来的下一份,因为在现实中你那时候还拿不到 7 月的数字。 - 结转:沿用最后已知的数值,不要每天自己编造 - 数据年龄:这个被结转的数值已经有多少天了 - 修正:当发行方重述一个数字时,更正后的版本会连同它自己的日期一起保留 - 陈旧数据:一个数值老到我们会把它标记出来、提醒谨慎看待
如何在网站上解读
在各个 ticker 特征表(也就是 Factors、Fundamentals 与 Momentum 背后那一行行逐只股票的数据行)中,更新较慢的字段会显示一个年龄,让你能够据此判断。一个价格可能只有几小时旧,而它旁边的盈利字段却已经 60 天旧了,这是正常的,不是 bug。把较大的年龄当作一个提醒,对那个字段的权重要拿捏得轻一些。当你连续好几天看到同一个基本面数字时,那正是结转如预期般在运作。 - 在更新较慢的字段旁边找一找年龄或「截至(as-of)」日期 - 年龄大 = 结转而来,要谨慎拿捏权重 - 好几天都没变的基本面是预期之中的,不是冻结了 - 每日价格与季度基本面很少会共用同一个年龄
它无法告诉你什么
数据年龄告诉你一项事实有多旧,而不是它正不正确,也不是接下来会发生什么。时点对齐的纪律去除了我们记录中的前视偏差,但它无法修补原始来源里的缺口;而且非美国市场往往历史时间戳较弱,所以那里较久远的时点对齐声明也较不确定。一个新鲜、年龄完美的数字,终究也只是一次测量而已。这一切都不是买卖建议,而且过往的数据,无论多么干净,都不是对未来的预测。 - 年龄衡量的是新近程度,不是准确度或方向 - 来源缺口与延迟申报在上游仍然存在 - 非美国的时点对齐历史一般而言比较不可靠 - 干净的数据不是预测,也不是建议