3. PIT数据的基本概念
在Point-in-Time（PIT）金融研究数据集的构建中，最容易被低估、却最容易导致回测失真的，不是数据源本身，而是对“时间”的语义理解。很多研究者把“数据里的日期”当成一个单一概念，结果在回测中引入了未来信息。PIT的核心，是让每一条数据都携带一组清晰的时间语义，使我们能够回答一个关键问题：在历史上的某一个决策时刻，我究竟能看到什么？
要回答这个问题，必须区分五个时点：数据时点、生效时点、报告时点、修订时点、可用时点。它们不是同义词，而是描述数据生命周期不同阶段的坐标。
一、五个时点的核心语义
数据时点（Data Date / Observation Date）：数据所描述的事实本身对应的时间。例如“2023年12月31日的每股收益”“2024年3月的CPI同比”。它回答的是“这个数值说的是哪一天/哪一期的事”。
生效时点（Effective Date）：该数据在业务规则上开始生效、应当被适用的时间。例如财报中“本报告期”覆盖的区间、指数成分股调整的生效日、分红方案的除权日。生效时点往往与数据时点重叠，但在事件型数据中可能不同。
报告时点（Report Date / Announcement Date）：数据被正式对外披露或提交的时间。例如上市公司发布年报的日期、统计局发布CPI的日期。报告时点是信息从“内部”走向“公开”的边界。
修订时点（Revision Date）：数据被修正、重述或调整的时间。宏观数据常被多次修订，财务数据可能因会计差错更正而重述。修订时点记录了“同一数据时点上的值发生了变化”这一事实。
可用时点（Available Date / Usable Date）：在PIT系统中，该条数据真正可以被策略读取和使用的时间。它通常等于报告时点加上处理延迟，或修订时点加上入库延迟。可用时点是回测中唯一应该被用来判断“是否可见”的时间戳。
一句话记忆：数据时点说“是什么时候的事”，生效时点说“什么时候开始算数”，报告时点说“什么时候公开”，修订时点说“什么时候被改过”，可用时点说“什么时候我能用”。
二、时点关系与PIT可见性判定
在理想情况下，可用时点 ≥ 报告时点 ≥ 生效时点，而数据时点描述事实区间。但在真实数据中，这些关系可能被打破：宏观数据可能先有初值、后有修订；财报可能先有业绩快报、后有正式年报；指数成分可能提前公告、延后生效。PIT数据集的任务，就是把这些时点显式建模，而不是把它们压缩成一个日期字段。
三、方法流程：如何把五个时点落到数据表
构建PIT数据集时，建议采用“事件表 + 版本链”的建模方式。每条数据记录至少包含以下字段：
- data_date：数据时点，描述事实期间；
- effective_date：生效时点，业务规则适用起点；
- report_date：报告时点，首次披露时间；
- revision_date：修订时点，本次版本的产生时间；
- available_date：可用时点，PIT系统允许读取的时间；
- version：版本号，同一数据时点下多次修订的序号；
- is_latest：是否为当前最新版本，便于非PIT场景使用。
查询历史截面时，核心SQL逻辑如下：
SELECT *
FROM pit_fundamentals
WHERE available_date <= '2024-06-30 15:00:00'
AND data_date = '2024-03-31'
ORDER BY revision_date DESC
LIMIT 1;
这段查询的含义是：在2024年6月30日15:00这个决策时刻，取2024年一季报数据中，当时已经可用的最新修订版本。注意，这里用的是available_date，而不是report_date或data_date。
工程建议：在数据入库时，统一将available_date设置为“报告时点 + 数据源延迟 + 内部处理延迟”。如果无法精确获得延迟，宁可保守高估，也不要低估，否则回测会偏乐观。
四、案例场景：一次财报修订的PIT追踪
假设某公司2024年一季报的每股收益经历了三个阶段：
| 版本 | 数据时点 | 报告时点 | 修订时点 | 可用时点 | EPS值 |
|---|---|---|---|---|---|
| v1 | 2024-03-31 | 2024-04-25 | 2024-04-25 | 2024-04-26 09:00 | 0.52 |
| v2 | 2024-03-31 | 2024-04-25 | 2024-06-10 | 2024-06-11 09:00 | 0.48 |
| v3 | 2024-03-31 | 2024-04-25 | 2024-08-15 | 2024-08-16 09:00 | 0.50 |
如果回测决策日是2024年5月10日，那么当时可见的是v1，EPS=0.52；如果决策日是2024年7月1日，可见的是v2，EPS=0.48；如果决策日是2024年9月1日，可见的是v3，EPS=0.50。若忽略修订时点，直接用最新值0.50回填到4月，就会产生明显的未来信息偏差。
五、常见误区与复盘
误区一：把报告时点当可用时点。财报在盘后披露，若当天收盘就用它交易，实际上信息尚未被市场消化，且系统可能尚未入库。
误区二：忽略修订，只保留最新值。宏观数据、财务重述都会改变历史值，只保留最新值会让回测“偷看”未来修订结果。
误区三：把数据时点当生效时点。例如分红方案的数据时点是报告期，但生效时点是除权日，两者混用会导致事件研究错位。
误区四：可用时点只精确到日。对于日内策略或高频事件，必须精确到秒或毫秒，否则仍会引入日内未来信息。
复盘时，建议对每个数据源做一次“时点审计”：随机抽取若干条记录，人工核对报告时点、修订时点与可用时点是否合理；再用一个简单的动量或价值策略，分别用“数据时点判定”和“可用时点判定”跑两遍回测，比较收益差异。差异越大，说明时点建模越关键。
掌握这五个时点的语义，是构建可信PIT数据集的第一步。它们决定了你的回测究竟是在“历史现场”做决策，还是在“上帝视角”下作弊。