4. 风险因子数据模型：因子表设计

风险因子数据模型是组合风险归因的基石。因子表的设计质量直接决定归因计算的准确性、查询性能与可扩展性。本节从市场因子、行业因子、风格因子三个维度展开表结构设计，并讨论时间序列存储与索引优化策略。

4.1 因子分类与存储粒度

因子按驱动来源分为三类，每类在表中以不同粒度存储：

4.2 市场因子表设计

市场因子表存储全局性、不可分散的宏观因子。采用窄表结构，便于新增因子而不改表结构。

CREATE TABLE factor_market (
    trade_date    DATE         NOT NULL,
    factor_name   VARCHAR(50)  NOT NULL,   -- 因子名称，如 'mkt_ret', 'vol_30d', 'yield_10y'
    factor_value  DOUBLE       NOT NULL,
    create_time   TIMESTAMP    DEFAULT CURRENT_TIMESTAMP,
    PRIMARY KEY (trade_date, factor_name)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

4.3 行业因子表设计

行业因子表记录各行业指数的日收益率。同样采用窄表，支持多行业分类标准。

CREATE TABLE factor_industry (
    trade_date    DATE         NOT NULL,
    industry_code VARCHAR(20)  NOT NULL,   -- 行业代码，如 'SW_银行', 'GICS_4510'
    industry_name VARCHAR(100),            -- 行业名称，冗余存储便于展示
    factor_value  DOUBLE       NOT NULL,   -- 行业日收益率
    create_time   TIMESTAMP    DEFAULT CURRENT_TIMESTAMP,
    PRIMARY KEY (trade_date, industry_code)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

4.4 风格因子表设计

风格因子表存储个股层面的因子暴露。采用宽表结构，每列一个因子，便于批量读取和矩阵运算。

CREATE TABLE factor_style (
    trade_date    DATE    NOT NULL,
    stock_code    VARCHAR(10) NOT NULL,
    size_factor   DOUBLE,              -- 市值因子
    value_factor  DOUBLE,              -- 估值因子
    momentum_6m   DOUBLE,              -- 6个月动量因子
    volatility_1y DOUBLE,              -- 1年波动因子
    growth_factor DOUBLE,              -- 成长因子
    create_time   TIMESTAMP DEFAULT CURRENT_TIMESTAMP,
    PRIMARY KEY (trade_date, stock_code)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

4.5 时间序列数据存储策略

因子数据是典型的时间序列数据，存储策略需兼顾写入性能与查询效率：

• 分区策略：按年/月对表进行 RANGE 分区，便于历史数据归档与清理。
• 压缩策略：对历史分区启用 InnoDB 页压缩（page_compression=1），减少存储成本。
• 写入策略：使用批量 INSERT … ON DUPLICATE KEY UPDATE 避免重复写入。

-- 按月分区示例（市场因子表）
ALTER TABLE factor_market
PARTITION BY RANGE (YEAR(trade_date) * 100 + MONTH(trade_date)) (
    PARTITION p202401 VALUES LESS THAN (202402),
    PARTITION p202402 VALUES LESS THAN (202403),
    PARTITION p202403 VALUES LESS THAN (202404),
    PARTITION p_future  VALUES LESS THAN MAXVALUE
);

4.6 主键与索引优化

因子表的查询模式以时间范围扫描和因子名/代码过滤为主，索引设计需围绕这些模式：

4.7 因子数据模型架构总览

下图展示三类因子表在风险归因系统中的位置与关联关系：

4.8 因子表设计检查清单

在实际建模时，建议逐项核对以下要点：

1. 时间对齐：所有因子表使用同一 trade_date 粒度，确保归因时无需跨表时间转换。
2. 主键唯一性：每个交易日每个实体（因子名/行业/股票）只有一条记录，避免重复数据导致归因偏差。
3. 索引覆盖：高频查询（如某因子历史序列）使用覆盖索引，减少磁盘 I/O。
4. 分区管理：按时间分区，便于历史数据归档与 TTL 清理。
5. 因子标准化：风格因子建议在入库前做 Z-score 或分位数标准化，保持量纲一致。
6. 元数据管理：建立因子字典表，记录因子名称、计算方式、数据来源、更新时间，便于审计与追溯。