📚 课程目录第2章金融数据模型设计

2. 金融数据模型设计：实体与关系定义、属性建模、事件与状态区分、时序数据建模要点

金融知识图谱的核心竞争力在于对复杂金融世界的精确抽象。数据模型设计直接决定了链路延迟、查询效率与推理能力。本章从实体与关系定义、属性建模、事件与状态区分、时序数据建模四个维度，构建一套适用于低延迟场景的金融数据模型范式。

2.1 实体与关系定义

金融领域的实体具有强监管、多身份、高动态特征。实体定义需遵循“唯一标识 + 类型分层 + 生命周期”原则。

2.1.1 核心实体类型

实体大类	典型实体	唯一标识策略	低延迟关注点
机构	银行、券商、基金、保险、交易所	LEI + 内部统一编码	机构层级扁平化，避免递归查询
产品	股票、债券、衍生品、基金、理财产品	ISIN / CUSIP + 产品类型前缀	产品属性预聚合，减少运行时计算
人员	高管、交易员、分析师、实控人	身份证哈希 + 角色标签	身份图谱预索引，支持毫秒级穿透
账户	交易账户、托管账户、资金账户	账户号 + 账户类型	账户与产品/机构关系固化，避免动态关联
事件	公告、交易、分红、违约、评级调整	事件ID + 时间戳 + 事件类型	事件作为独立节点，支持时序剪枝

2.1.2 关系类型与方向

关系定义采用“主语-谓语-宾语”三元组范式，谓语需标准化为有限集合。低延迟场景下，关系应具备以下特征：

有向性：所有关系默认有向，反向关系通过预定义逆关系实现。
类型化：关系类型不超过50种，避免语义过载。
权重化：关键关系携带置信度或强度权重，支持图算法快速剪枝。

  低延迟设计原则： 关系存储采用邻接表 + 属性列存，避免图遍历时的随机IO。高频关系（如“持有”、“交易”）单独建立索引分区。

实战案例： 某券商图谱将“实际控制人”关系从递归查询改为直接存储最终控制人，查询延迟从120ms降至3ms。

2.2 属性建模

属性是实体的静态特征，但在金融场景中，属性具有高频更新、多源异构、时效敏感等特点。属性建模需区分“基础属性”与“动态属性”。

2.2.1 属性分层策略

属性层级	定义	存储方式	更新频率	低延迟要求
L1 基础属性	实体唯一标识、名称、类型、创建时间	行存 + 主键索引	极少变更	毫秒级点查
L2 业务属性	注册资本、注册地址、行业分类、法人	列存 + 二级索引	月度/季度	支持批量更新
L3 动态属性	评级、风险等级、持仓市值、流动性指标	时序列存 + TTL	日频/实时	写入吞吐 > 10万/s
L4 衍生属性	关联交易金额、集中度指标、异常评分	物化视图 / 预计算	按需刷新	查询时零计算

2.2.2 属性版本控制

金融属性具有强回溯需求。采用“属性快照链”模式：

// 属性版本节点结构
{
  "entity_id": "ORG_20240301_001",
  "attribute": "credit_rating",
  "value": "AAA",
  "effective_time": 1709251200,
  "expire_time": 1711929600,
  "source": "S&P_20240301",
  "version": 12
}

避坑提示： 不要将所有属性版本存储在同一个属性字段中。高频更新的属性（如股价、汇率）应独立为时序节点，避免属性表膨胀导致查询退化。

2.3 事件与状态区分

金融知识图谱中，“事件”与“状态”是两种本质不同的数据形态。混淆二者会导致模型混乱、查询延迟飙升。

2.3.1 核心区别

维度	事件 (Event)	状态 (State)
本质	发生在某个时间点的动作或事实	实体在某个时间段的持续特征
时间特征	点时间，不可变	时间段，可变更
存储模型	事件节点 + 时间戳	属性快照 / 时序序列
查询模式	时间范围扫描 + 事件类型过滤	时间点快照查询 / 趋势分析
典型例子	“2024-03-01 公司A 发布年报”	“2024年3月公司A 信用评级为AAA”
低延迟策略	事件分区 + 预聚合索引	状态缓存 + 预计算快照

2.3.2 事件驱动状态更新

事件是状态变更的触发器。设计“事件→状态”映射规则，避免状态计算在查询时实时推导：

事件入图：事件节点写入后，触发异步规则引擎。
规则匹配：根据事件类型、实体ID、时间窗口匹配预定义规则。
状态更新：规则引擎计算新状态，写入状态快照表。
缓存失效：通知缓存层更新对应实体的状态缓存。

  性能指标： 事件入图到状态更新完成，端到端延迟控制在50ms以内（P99）。采用事件流处理框架（如Kafka Streams）实现状态增量更新。

2.4 时序数据建模要点

金融知识图谱中，时序数据占比超过70%。时序建模质量直接决定链路延迟与存储成本。

2.4.1 时序数据分类

时序类型	数据特征	采样频率	存储策略	查询场景
高频行情	毫秒级Tick，数据量大	1ms - 1s	列存 + 压缩 + 分区	实时行情、回放
中频交易	逐笔成交、订单簿	1s - 1min	时序数据库 + 预聚合	交易分析、风控
低频指标	财务数据、评级、宏观指标	日/周/月	关系属性 + 快照	基本面分析、归因
事件序列	公告、新闻、舆情	分钟级	事件节点 + 时间索引	事件驱动分析

2.4.2 时序建模核心要点

时间分区：按时间范围分区存储，高频数据按天/小时分区，低频数据按月分区。查询时自动剪枝无关分区。
降采样策略：预计算1min、5min、1h、1d的聚合数据，满足90%的查询需求，避免实时扫描原始数据。
时序索引：采用“时间戳 + 实体ID”复合索引，支持毫秒级时间范围查询。
数据保留策略：原始高频数据保留7天，聚合数据保留1年，低频指标保留10年。过期数据自动归档至冷存储。
时序对齐：不同频率的时序数据在查询时自动对齐到统一时间轴，避免时间窗口不匹配导致的错误。

实战案例： 某量化基金图谱将行情数据按“日期+股票代码”分区，配合预计算日频指标，查询延迟从800ms降至15ms，存储成本降低60%。

2.5 数据模型整体架构

下图展示金融知识图谱数据模型的整体架构，涵盖实体、关系、属性、事件、状态、时序数据的组织方式：

2.6 低延迟链路数据流

下图展示数据从采集到查询的完整链路，突出低延迟设计的关键节点：

2.7 本章小结

实体与关系：采用“唯一标识 + 类型分层”策略，关系标准化为有限集合，支持有向权重化存储。
属性建模：四层属性分层（L1-L4），动态属性独立为时序节点，属性版本控制支持回溯。
事件与状态：事件是点时间不可变事实，状态是时间段持续特征。事件驱动状态更新，避免查询时实时计算。
时序数据：按频率分类存储，预计算降采样数据，时间分区 + 复合索引保障低延迟查询。