3、标签口径基本概念

在高频数据场景中，标签口径是决定数据标签是否可被跨系统、跨策略、跨时间复用的核心元数据。口径定义不清晰、维度不一致，会导致同一只股票在不同模块中被贴上含义不同的标签，最终引发策略信号冲突或回测失真。本节从口径定义、口径维度、口径一致性原则三个层次展开。

3.1 口径定义

口径（Metric Definition）是对标签计算逻辑、数据来源、时间窗口、阈值条件的形式化描述。一个完整的高频标签口径应包含以下要素：

3.2 口径维度

高频标签口径的维度可归纳为三个核心轴：时间、价格、成交量。三个维度相互耦合，口径校准必须同时考虑三者的对齐方式。

3.2.1 时间维度

时间维度决定标签的观测窗口和对齐基准。高频场景下常见的时间口径包括：

• 日历时间窗口：固定时长，如过去1秒、500毫秒、100微秒。
• 事件驱动窗口：固定笔数，如最近5笔Tick、最近10笔成交。
• 混合窗口：同时约束时间和笔数，如“500ms内最多取5笔”。
• 对齐基准：标签计算以交易所时间戳为准，还是以本地接收时间为准？两者差异可能达到微秒级，必须显式声明。

3.2.2 价格维度

价格维度定义标签使用的价格类型和计算基准：

3.2.3 成交量维度

成交量维度影响标签的统计显著性和噪声过滤：

• 绝对成交量：窗口内累计成交股数或金额。
• 相对成交量：成交量与过去N日平均成交量的比值。
• 成交笔数：窗口内发生的交易笔数，用于区分大单与小单。
• 订单簿深度：买卖盘口挂单量，用于衡量流动性。

3.3 口径一致性原则

口径一致性是跨模块、跨周期标签可比的基石。以下四条原则必须纳入口径校准流程：

1. 时间对齐原则：同一标签在不同数据源或不同计算引擎中，必须使用相同的时间戳基准和窗口定义。例如，回测系统与实盘系统使用同一套“500ms窗口”定义，不能一个用日历时间、一个用事件笔数。
2. 价格源统一原则：标签计算所依赖的价格字段必须来自同一行情源，且价格类型（成交价/中间价/加权价）在口径文档中显式声明。混合使用不同价格源会导致标签值漂移。
3. 成交量归一化原则：涉及成交量的标签，必须明确是原始股数、金额还是相对比例。跨股票比较时，建议使用相对成交量或标准化Z-score，避免绝对量受股本大小影响。
4. 版本锁定原则：每个标签口径必须附带版本号，口径变更时旧版本标签不可删除，只能标记为“已废弃”。回测时使用与实盘相同版本的口径，避免“口径漂移”导致策略失效。

3.4 口径文档化规范

每个高频标签必须配套一份口径文档，建议采用以下模板：

标签名称: momentum_1s_5tick
版本: v2.1
创建日期: 2025-03-01
口径定义:
  - 时间窗口: 最近500ms内的连续5笔Tick
  - 价格类型: 最新成交价 (last_px)
  - 成交量条件: 单笔成交量 >= 100股
  - 计算逻辑: (P5 - P1) / P1 > 0.0002
  - 输出: True / False
数据源: 深交所Level-2 Tick (行情源: 中证信息)
对齐基准: 交易所时间戳 (微秒级)
回测口径差异: 回测使用1秒快照模拟，偏差约3%
版本历史:
  - v1.0: 初始版本，窗口为1000ms
  - v2.0: 窗口改为500ms，增加成交量过滤
  - v2.1: 修复时间戳对齐bug