阶段4实战检验●●●●●

关卡：数据工程毕业考——一条流水线的完整答辩

我的掌握程度：
q-400精讲

先掌握这个答案

答辩十问：①你的股票池过滤了什么？（三件套：ST/新股/停牌，q-342/343）②复权怎么处理的、撮合用什么价？（q-358双口径）③财务数据按什么日期对齐的？（公告日+merge_asof，q-331/332）④停牌日数据怎么处理？（标记+ffill+禁交易，q-066回望）⑤幸存者偏差防了吗？（历史成分/含退市，q-067回望）⑥去极值用什么方法、为什么？（MAD vs 分位，q-346）⑦中性化回归里放了什么变量？（ln市值+行业，q-347）⑧你的因子函数经过截断检验吗？（q-357/393）⑨数据存在什么格式、怎么保证可复现？（parquet+快照+README，q-359/369）⑩给一个新因子，你多久能完成「入库前检验」？（目标：30分钟全流程）。

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

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。

  1. 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。
  2. 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。
  3. 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：股票（Stock）复权（Adjusted Price）停牌 / ST / 退市幸存者偏差（Survivorship Bias）因子（Factor）
背景 · 从一个困惑说起
阶段4的毕业考与前三阶段不同：它不是问答，而是一次「流水线答辩」——你把整阶段的作品（数据管道）摆上桌，回答十个关于它的问题。答得出，说明代码真是你写的、每个坑真是你踩的；答不出，说明教程看完了但工程没发生。
由此产生的问题
流水线答辩的十问是什么？通过标准是什么？
核心概念
答辩十问：①你的股票池过滤了什么？（三件套：ST/新股/停牌，q-342/343）②复权怎么处理的、撮合用什么价？（q-358双口径）③财务数据按什么日期对齐的？（公告日+merge_asof，q-331/332）④停牌日数据怎么处理？（标记+ffill+禁交易，q-066回望）⑤幸存者偏差防了吗？（历史成分/含退市，q-067回望）⑥去极值用什么方法、为什么？（MAD vs 分位，q-346）⑦中性化回归里放了什么变量？（ln市值+行业，q-347）⑧你的因子函数经过截断检验吗？（q-357/393）⑨数据存在什么格式、怎么保证可复现？（parquet+快照+README，q-359/369）⑩给一个新因子，你多久能完成「入库前检验」？（目标：30分钟全流程）。
为什么需要它
①工程能力的真伪检验：十问全部关于「你的选择和理由」——抄来的代码答不出「为什么」；②面试预演：量化实习的技术面就是这种「项目深挖」的格式（q-902预告）；③查漏地图：每问对应一个工程决策点，答不上的就是流水线上的裸奔段。
实际应用场景
答辩形式：对着同学/AI导师讲10分钟+接受追问；或写一份PIPELINE.md放进仓库（十问自答）——后者同时是GitHub项目的加分文档。
与之前知识的联系
阶段4收官：阶段1世界观+阶段2工具+阶段3数学+阶段4工程=研究者的四块地基。下一站阶段5（因子研究）：数据管道的产出终于要变成「Alpha的原料」——四块地基上开始盖楼。
⚠ 常见误解
  • 代码能跑就不用答辩：能跑≠每个决策有理由；答辩暴露的是「不知道自己不知道」
  • 答辩过了工程能力就到顶：这是下限认证；上限在阶段5-8的实战中继续长
  • 十问答案背下来：面试官会追问第二层（「为什么MAD不用3σ？」）——每个答案要能往下再讲一层

🤖 AI导师

导师会先检查你的前置知识（全阶段：向量化/数据获取/清洗/工程/安检），再用案例、公式和代码帮助理解。此功能需要先启用服务。

量化学徒 · 研究与实践学习系统 ｜ 示例用于教学，实际规则以适用日期和官方说明为准