阶段4数据获取●●●●●

机构终端（Wind/Bloomberg/Choice）：付费墙后的世界

我的掌握程度：

q-327精讲

先掌握这个答案

四大能力：①Point-in-Time数据库：记录每个时点实际可见的数据版本——前视偏差的制度性防线（个人靠公告日纪律近似，q-062）；②覆盖度：退市股/历史成分/逐笔数据完整（个人的幸存者偏差补丁是tushare状态表，q-514）；③元数据：分析师预期的历史版本、修正记录——「预期变化」类因子的原料（个人难获得）；④人工客服（数据疑问可提交核查——个人只能自己对账）。差距与补丁清单：PIT→公告日+保守shift；成分→tushare历史权重；预期数据→免费版只有当前一致预期（不含历史）——此类因子个人先跳过；逐笔→放弃（研究日线足够起步）。结论：数据差距主要影响「精度的最后10%」——方法论差距才是决定性的：个人用干净方法论+免费数据，胜过机构用脏方法+豪华数据。

先读结论，再核对下方使用边界；数字例题为教学情景，涉及实际行情与规则时请核对原始来源。

从理解到使用

先固定IC的实验口径

明确股票池、信号可得时点、预测持有期、相关方法及权重。IC阈值不能跨研究直接套用；重叠标签导致序列相关，ICIR或t值不能无条件按独立样本解释。最终还要检验成本、换手与容量。

本阶段实战方法 · 一条能复现的数据流水线

把接口返回的数据变成可用于因子研究的面板时，先处理时点、主键与单位。

建立数据字典：字段、单位、时区、交易日历、数据源、抓取时间、原始价与复权因子。
用(date, code)查重，区分停牌、未上市、窗口不足和真实缺失；不要用向后填充把未来值带回过去。
保存原始快照与清洗日志，固定随机种子和环境版本；接口字段变化时先核对官方文档。

使用边界

报告期不等于公告可用日，盘后公告通常不能用于当天收盘前决策。
API输出名为“动态市盈率”时不能直接改名TTM；浏览器练习不支持任意原生库或行情抓取接口。

不懂的术语：幸存者偏差（Survivorship Bias）前视偏差（Look-ahead Bias）因子（Factor）IC（信息系数）

背景 · 从一个困惑说起

实习第一天你可能被分配一个Wind账号——那是一年数万元的终端，此刻你在个人学习中用不到它，但值得提前知道墙内有什么：你将明白为什么机构的回测更可信、以及个人数据的差距该如何弥补。

由此产生的问题

机构终端的四大能力（PIT/覆盖度/元数据/客服）？个人与机构的数据差距清单及各自的补丁？「数据差距=研究差距」吗？

核心概念

为什么需要它

①实习预科：知道终端能做什么，入职第一周不懵；差距清单帮你识别「机构值得学的具体点」（PIT纪律、成分管理）；②个人策略的清醒定位：哪些因子个人做不了（依赖预期历史/逐笔），哪些完全可做（量价/基本面/另类）——精力分配的地图；③价值观校准：本课程的立场——数据豪华度是放大器，方法论是方向盘；方向错了放大器放大的是错误。

实际应用场景

求职加分动作：简历技能栏写「熟悉Wind/Choice数据接口」前先真的摸过（学生版/学校机房常有）；入职后第一件事：把个人项目的因子用终端PIT数据复检—— quantify 免费数据的偏差量级。

与之前知识的联系

q-062（公告日纪律）是个人版PIT；q-514/515（股票池/成分）的个人补丁在前两题；s-016（时光机故事）的机构解法在此。

⚠ 常见误解

有Wind=回测可信：终端只提供更好的原料——前视与过拟合照样能发生在豪华数据上（q-506与数据来源无关）
个人数据做不了严肃研究：方法论完整的前提下，免费数据支撑到「机构水平的80%」——剩下的20%靠入职后补
终端字段即真相：终端也有口径坑（复权方式/时点选择）——机构研究员同样要做数据体检，只是体检工具更贵

🤖 AI导师

导师会先检查你的前置知识（PIT概念、免费数据生态），再用案例、公式和代码帮助理解。此功能需要先启用服务。