2. 因子库设计原则

因子库是量化投研体系的“数据底盘”。设计阶段若架构、模型、存储三者脱节，后续因子计算、回测、评分接口将频繁出现性能瓶颈与数据不一致。本节从三个维度拆解设计原则：架构分层、数据模型、存储与索引。

2.1 架构设计：分层解耦与读写分离

因子库架构采用三层分离模式，将原始数据、因子计算、因子服务解耦，避免单点故障与计算风暴。

2.2 数据模型设计：宽表 vs 窄表

因子数据模型需平衡写入效率与查询灵活性。主流方案为宽表模型与窄表模型的混合使用。

2.3 因子存储与索引策略

存储选型直接影响因子库的吞吐与延迟。结合量化场景的时间序列密集写入与截面查询特点，推荐分层存储方案。

2.3.1 存储引擎选型

2.3.2 索引策略

• 主索引： (trade_date, stock_code) 复合主键，覆盖99%的截面查询。
• 二级索引： 因子ID + trade_date，支持按因子维度快速过滤。
• 物化视图： 对高频评分接口预计算因子排名、分位数等聚合结果，避免实时计算。
• 分区策略： 按年月分区（如 factor_202501），便于数据生命周期管理与过期清理。

2.4 数据模型代码示例

以下为因子宽表与窄表的建表SQL示例（基于ClickHouse语法），展示实际落地时的字段设计。

-- 宽表模型：每列一个因子
CREATE TABLE factor_wide (
    trade_date     Date,
    stock_code     String,
    factor_momentum Float64,
    factor_value   Float64,
    factor_quality Float64,
    factor_size    Float64,
    factor_liquidity Float64,
    update_time    DateTime DEFAULT now()
) ENGINE = MergeTree()
PARTITION BY toYYYYMM(trade_date)
ORDER BY (trade_date, stock_code);

-- 窄表模型：因子ID + 值
CREATE TABLE factor_narrow (
    trade_date     Date,
    stock_code     String,
    factor_id      String,
    factor_value   Float64,
    update_time    DateTime DEFAULT now()
) ENGINE = MergeTree()
PARTITION BY toYYYYMM(trade_date)
ORDER BY (trade_date, stock_code, factor_id);