2. 金融行情数据基础

在湖仓架构中处理金融行情数据，第一步不是写 SQL 或搭 Spark 任务，而是把“数据长什么样、为什么长这样”讲清楚。行情数据的类型、频率和复权规则，直接决定了后续的分区策略、存储格式、计算口径与回测结果的可信度。本节从品种、频率、术语三个维度建立统一认知。

一、行情品种：四类资产的数据特征

股票、期货、期权、外汇虽同属行情数据，但字段结构、交易时段和价格含义差异显著，混用会导致严重的数据质量事故。

• 股票：核心字段为开高低收、成交量、成交额、换手率。存在除权除息，价格序列不连续，必须复权后才能做长周期分析。
• 期货：合约有到期日，主力合约会切换，存在近月/远月价差。数据需带合约代码与交易所，且要处理换月拼接。
• 期权：除价格外，还包含行权价、看涨看跌方向、隐含波动率、希腊字母。同一标的对应数百个合约，数据量呈数量级放大。
• 外汇：近乎 7×24 小时交易，无统一收盘价，通常以 Bid/Ask 报价为主，点差和报价源差异大。

二、行情频率：从 Tick 到日线

频率决定了数据量级与计算模式。同一标的，Tick 数据一天可达数十万条，而日线仅一条，二者在湖仓中的存储与查询策略完全不同。

频率之间并非独立，而是聚合关系：Tick 聚合成分钟线，分钟线聚合成日线。湖仓中通常保留原始 Tick 作为 ODS 层，分钟与日线作为 DWD/DWS 层，通过增量聚合任务生成。

-- 分钟线聚合为日线的核心逻辑示意
SELECT
  symbol,
  trade_date,
  FIRST_VALUE(open)  OVER w AS day_open,
  MAX(high)          OVER w AS day_high,
  MIN(low)           OVER w AS day_low,
  LAST_VALUE(close)  OVER w AS day_close,
  SUM(volume)        OVER w AS day_volume
FROM minute_bar
WINDOW w AS (PARTITION BY symbol, trade_date ORDER BY bar_time
             ROWS BETWEEN UNBOUNDED PRECEDING AND UNBOUNDED FOLLOWING);

三、复权、除权与停牌：最易踩坑的术语

这三个术语是行情数据处理的“高危区”，理解偏差会直接污染回测收益。

• 除权除息：公司分红送股后，股价按比例下调，形成价格跳空。这是真实发生的价格调整，不是数据错误。
• 复权：为消除除权造成的跳空，对历史价格进行修正。前复权以当前价为基准调整历史价，后复权以上市价为基准调整后续价。
• 停牌：标的暂停交易，期间无行情。若简单用前值填充，会在回测中制造“虚假可交易”信号。

四、业务场景与数据流

把上述概念串起来，一个典型的行情数据流是：交易所原始 Tick → 清洗去重 → 复权因子关联 → 分钟/日线聚合 → 湖仓分层存储 → 策略与风控消费。复权因子是连接原始价与复权价的桥梁，必须作为独立维表管理。

五、复盘：三个高频错误

1. 频率混用：用日线信号驱动分钟级下单，忽略盘中价格路径，回测收益虚高。
2. 复权口径不一致：因子计算用后复权，回测用前复权，导致收益率无法对齐。
3. 停牌处理粗暴：直接删除停牌日数据，造成时间序列断裂，滚动窗口计算错位。

掌握品种差异、频率聚合关系与复权停牌规则，是后续设计行情湖仓分区、增量任务与质量校验规则的前提。数据模型可以统一，但业务语义必须逐品种、逐口径地明确下来。