4. 事件时间对齐定义

在多源金融数据场景中，行情、公告、财报、舆情、交易流水往往来自不同系统，时间戳格式、时区、更新频率和语义各不相同。所谓事件时间对齐，是指以业务事件发生的真实时间为基准，将多个数据源中描述同一事件或同一时间区间的记录，映射到统一的时间轴上，使后续的特征计算、信号生成和回溯分析具备可比性与可复现性。对齐不是简单地把时间字段改成同一格式，而是要在语义、粒度、窗口和精度四个层面同时达成一致。

4.1 对齐的核心原理：从“时间戳相等”到“事件语义等价”

金融数据的时间语义通常分为三类：事件时间（事件真实发生时刻，如成交时刻、公告发布时刻）、采集时间（系统抓取或接收时刻）、处理时间（计算任务执行时刻）。多源对齐必须以事件时间为准，否则会出现“同一公告在A源是10:00:00发布，在B源是10:00:03入库”的错位。对齐的本质是建立事件标识 + 时间区间 + 容忍度的三元匹配关系：先确认是否同一事件，再判断时间差是否落在容忍范围内，最后决定采用哪条记录或如何聚合。

4.2 对齐粒度：决定“一行数据代表什么”

对齐粒度是对齐后每条记录所代表的时间跨度与事件范围。常见粒度包括：逐笔级（单笔成交、单条公告）、秒级（高频行情切片）、分钟级（K线、舆情热度）、日级（财报、日频因子）。粒度选择必须与下游业务匹配：做高频信号必须保留毫秒级逐笔；做日频选股则可将多源数据聚合到日级。粒度不一致会导致“用日频公告去对齐分钟级行情”时，公告被重复计入多个分钟窗口，产生前视偏差。

4.3 对齐窗口：容忍时间差的边界

对齐窗口是判断两条记录是否属于同一事件的时间容差。窗口过小会漏配，窗口过大会误配。例如公告源与行情源之间，公告发布到行情反应通常有数百毫秒到数秒延迟，窗口可设为1～3秒；而财报与日频行情对齐，窗口可放宽到当日收盘。窗口设置应基于数据源的实际延迟分布，而非拍脑袋决定。

# 对齐窗口配置示例（YAML）
alignment:
  event_type: "announcement"
  window_ms: 3000          # 容忍时间差 3 秒
  granularity: "second"    # 对齐粒度：秒级
  precision: "millisecond" # 精度要求：毫秒
  priority: ["exchange", "vendor", "news"]  # 冲突时主源优先级
  timezone: "Asia/Shanghai"

4.4 对齐精度与业务一致性要求

对齐精度指时间轴的最小可分辨单位，常见有秒级、毫秒级、微秒级。精度不足会导致同一秒内多个事件被合并，精度过高则增加存储与计算成本。业务一致性要求则包括：时序一致性（对齐后事件顺序不能颠倒）、完整性（不能因对齐丢失关键事件）、可追溯性（每条对齐结果能回溯到原始记录）、无前视偏差（不能使用未来数据对齐当前事件）。

4.5 案例与场景：公告与行情的秒级对齐

某上市公司在10:00:00.480发布业绩预告，行情源在10:00:00.120已出现一笔大单，舆情源在10:00:01.050出现相关讨论。若以公告为锚点、窗口设为3秒，则三源可对齐到同一事件；若窗口设为100毫秒，则行情大单会被漏配，导致“公告后行情反应”分析失真。实际工程中，通常先按事件标识分组，再在组内按时间差排序，最后按优先级选取主记录并生成对齐标记。

4.6 常见误区与复盘

• 误区一：只对齐格式不对齐语义。把“2024-01-01 10:00:00”和“2024-01-01T10:00:00+08:00”直接字符串比较，忽略时区与事件语义。
• 误区二：窗口越大越好。窗口过大会把不相关事件强行配对，引入噪声。
• 误区三：忽略采集时间与事件时间的差异。用入库时间对齐，会把网络延迟误认为事件延迟。
• 误区四：对齐后不做一致性校验。未检查时序颠倒、重复计数和前视偏差，导致回测虚高。

综上，事件时间对齐是一项以业务语义为核心、以时间窗口为边界、以精度和一致性为约束的系统工程。只有明确“对齐什么、对齐到多细、容忍多大偏差、满足哪些业务规则”，才能让多源金融数据真正可用、可信、可复现。