4、组合数据结构：投资组合表结构设计

组合风险归因的起点是数据。没有规范、完整的表结构，后续的流式计算、因子暴露计算和风险分解将寸步难行。本章定义四张核心表：持仓表、交易表、因子暴露表和基准权重表。这四张表构成组合风险归因的“数据底座”，所有 SQL 流式处理逻辑都围绕它们展开。

4.1 持仓表（position）

持仓表记录每个组合在每日收盘后的实际持仓明细。它是计算组合收益、风险贡献和因子暴露的基础。

-- 持仓表 DDL（示例）
CREATE TABLE position (
    as_of_date      DATE,
    portfolio_id    STRING,
    security_id     STRING,
    quantity        DECIMAL(18,4),
    market_price    DECIMAL(18,6),
    market_value    DECIMAL(18,2),
    weight          DECIMAL(10,6),
    currency        STRING,
    update_ts       TIMESTAMP(3),
    WATERMARK FOR update_ts AS update_ts - INTERVAL '5' SECOND,
    PRIMARY KEY (as_of_date, portfolio_id, security_id) NOT ENFORCED
) PARTITIONED BY (as_of_date, portfolio_id);

4.2 交易表（trade）

交易表记录组合在交易日的所有买卖行为。流式场景下，交易表是驱动实时风险计算的“事件流”。

4.3 因子暴露表（factor_exposure）

因子暴露表存储每个证券在特定日期对各个风险因子的暴露度。它是风险归因的核心输入，通常由外部模型或内部估值系统生成。

-- 因子暴露表 DDL（示例）
CREATE TABLE factor_exposure (
    as_of_date      DATE,
    security_id     STRING,
    factor_id       STRING,
    exposure_value  DECIMAL(18,6),
    factor_type     STRING,
    update_ts       TIMESTAMP(3),
    WATERMARK FOR update_ts AS update_ts - INTERVAL '10' SECOND,
    PRIMARY KEY (as_of_date, security_id, factor_id) NOT ENFORCED
) PARTITIONED BY (as_of_date);

4.4 基准权重表（benchmark_weight）

基准权重表记录基准指数（如沪深300、标普500）在每日的成份股权重。用于计算主动权重（组合权重 - 基准权重），进而分解主动风险。

4.5 四表关系与流式数据流

四张表通过 as_of_date、portfolio_id、security_id 和 factor_id 相互关联，形成组合风险归因的完整数据链路。

4.6 表结构设计要点总结

• 分区策略：所有表均按 as_of_date 分区，便于历史数据回溯和增量加载。持仓表额外按 portfolio_id 分区，提升多组合并发查询性能。
• 事件时间与水位线：交易表和因子暴露表设置 WATERMARK，保障流式计算的乱序处理能力。
• 主键设计：持仓表主键为 (as_of_date, portfolio_id, security_id)，确保每日每组合每只证券只有一条记录；因子暴露表主键为 (as_of_date, security_id, factor_id)，避免重复暴露。
• 权重字段精度：权重字段使用 DECIMAL(10,6)，满足万分位精度要求，避免浮点误差。
• 扩展性：因子暴露表的 factor_type 字段支持风格因子、行业因子、货币因子等多维度扩展，无需修改表结构。