2. 因子数据模型设计：因子定义、因子值存储结构、时间序列与截面数据的建模选择

因子数据模型是量化评分系统的核心骨架。一个低延迟的评分接口，其数据访问路径必须经过精心设计：从因子定义到因子值存储，再到时间序列与截面数据的建模选择，每一层都直接影响查询延迟和内存效率。本章从工程实践角度，系统阐述因子数据模型的设计原则与实现方案。

2.1 因子定义模型

因子定义是因子值的元数据描述，包含因子的唯一标识、计算方式、数据类型、有效期等属性。在低延迟系统中，因子定义通常以静态配置形式加载到共享内存中，避免运行时解析。

2.2 因子值存储结构

因子值存储是低延迟评分接口的核心数据结构。根据访问模式的不同，通常采用两种存储布局：列式存储（Column-Oriented）和行式存储（Row-Oriented）。

2.2.1 列式存储（按因子组织）

每个因子对应一个独立数组，数组索引为股票ID。适用于批量计算和因子间独立访问的场景。

// 列式存储示例：因子值数组
struct FactorColumn {
    uint32_t factor_id;
    float*   values;          // 连续内存，长度为 max_stock_id + 1
    uint64_t timestamp;       // 数据时间戳
    uint32_t valid_count;     // 有效值数量
};

// 访问方式：通过 factor_id 找到列，再通过 stock_id 索引
float get_factor_value(uint32_t factor_id, uint32_t stock_id) {
    FactorColumn* col = factor_columns[factor_id];
    return col->values[stock_id];
}

2.2.2 行式存储（按股票组织）

每个股票对应一个结构体，包含该股票所有因子的值。适用于单股票多因子同时访问的场景。

// 行式存储示例：股票因子行
struct StockFactorRow {
    uint32_t stock_id;
    float    factors[MAX_FACTORS];  // 预分配固定大小数组
    uint64_t update_time;
};

// 访问方式：通过 stock_id 找到行，再通过 factor_index 索引
float get_factor_value(uint32_t stock_id, uint32_t factor_index) {
    StockFactorRow* row = stock_rows[stock_id];
    return row->factors[factor_index];
}

2.3 时间序列与截面数据的建模选择

因子数据天然具有两个维度：时间维度（同一股票在不同时刻的因子值）和截面维度（同一时刻不同股票的因子值）。建模选择直接影响查询模式和数据更新策略。

2.3.1 时间序列模型

以股票为主体，按时间顺序存储因子值。适用于趋势分析、动量计算、历史回测等场景。

// 时间序列存储：每个股票维护一个环形缓冲区
struct TimeSeriesBuffer {
    uint32_t stock_id;
    float*   values;           // 环形缓冲区，长度为 window_size
    uint64_t* timestamps;      // 对应的时间戳
    uint32_t head;             // 最新数据位置
    uint32_t window_size;      // 窗口大小（如 252 个交易日）
};

// 获取最近 N 天的因子值
float* get_recent_values(uint32_t stock_id, uint32_t n_days) {
    TimeSeriesBuffer* buf = ts_buffers[stock_id];
    // 从 head 向前取 n_days 个值
    return circular_read(buf, buf->head, n_days);
}

2.3.2 截面数据模型

以时间点为主体，存储该时刻所有股票的因子值。适用于横截面比较、因子暴露计算、风格分析等场景。

// 截面存储：每个交易日一个快照
struct CrossSectionSnapshot {
    uint64_t timestamp;        // 交易日
    float*   values;           // 长度为 max_stock_id + 1
    uint32_t stock_count;      // 实际股票数量
    uint32_t factor_id;        // 对应的因子
};

// 获取某交易日所有股票的因子值
float* get_snapshot(uint64_t timestamp, uint32_t factor_id) {
    CrossSectionSnapshot* snap = find_snapshot(timestamp, factor_id);
    return snap->values;
}

2.3.3 建模选择决策树

2.4 混合建模与数据同步

在实际生产系统中，单一模型往往无法满足所有需求。推荐采用主从混合架构：

• 主模型（时间序列）：以股票为维度，维护完整的因子历史序列，用于计算复杂因子（如波动率、动量）。
• 从模型（截面快照）：每日收盘后生成截面快照，用于评分接口的快速查询。
• 同步机制：使用无锁环形队列（Lock-Free Ring Buffer）在主模型更新后异步推送至从模型，保证最终一致性。

// 混合模型同步示例（伪代码）
void on_factor_update(uint32_t stock_id, uint32_t factor_id, float value, uint64_t timestamp) {
    // 1. 更新主模型（时间序列）
    TimeSeriesBuffer* ts = get_ts_buffer(stock_id, factor_id);
    ts->push(value, timestamp);

    // 2. 异步推送至从模型（截面快照）
    CrossSectionSnapshot* snap = get_or_create_snapshot(timestamp, factor_id);
    snap->values[stock_id] = value;

    // 3. 触发评分接口缓存失效
    invalidate_score_cache(stock_id);
}

2.5 内存布局优化技巧

2.6 本章小结

因子数据模型设计是低延迟评分接口的基石。核心要点包括：

• 因子定义使用固定长度结构体，预加载到共享内存。
• 因子值存储根据访问模式选择列式或行式，或采用混合策略。
• 时间序列模型适用于单股票历史分析，截面模型适用于横截面评分。
• 内存布局优化（缓存行对齐、预取、内存池）是达到亚微秒级延迟的关键。