2. 市值风格轮动的数据基础

要识别市值风格轮动，第一步不是画图，也不是算动量，而是把“大市值—中市值—小市值”这三条风格线变成可比较、可回测、可复现的日频数据序列。沪深300、中证500、中证1000分别对应大盘、中盘、小盘的代表性指数，但它们并不是三个互不重叠的“市值桶”：沪深300取规模大、流动性好的300只，中证500剔除沪深300后再取500只，中证1000再剔除前两者后取1000只。理解这一编制逻辑，才能理解为什么三者可以近似看作大、中、小三层，也才能理解成分变更、样本空间调整会如何影响风格信号。

本节的核心任务可以概括为两条数据链：一条是指数日频行情链，包括开高低收、成交量额、复权处理；另一条是成分与权重链，包括成分股名单、权重、生效日期、调入调出记录。两条链最终要按“交易日 × 指数”对齐，形成一张干净的面板数据，供后续计算相对强弱、轮动速度与风格切换信号使用。

一、指数行情：复权口径必须先定死

指数点位本身是价格指数，不含分红再投资，但成分股层面的价格数据必须处理复权，否则除权除息日会出现虚假跳空，污染动量与波动率计算。实践中建议统一采用后复权价格序列：后复权以历史某日为基准，后续价格随分红送转向上调整，优点是任意两个日期的比值直接对应真实持有收益，不会因为基准日变化而改变历史收益率。若采用前复权，最新价固定，历史价随每次新分红而变动，回测中容易出现“未来数据泄漏”式的口径漂移。因此本节约定：所有个股与指数成分的价格计算统一使用后复权收盘价，指数点位使用官方发布的收盘点位，两者不混用。

停牌处理要区分两种场景。若某成分股在T日停牌，其价格不可得，但指数仍在交易，此时不能简单删除该行，否则会造成成分权重分母变化。推荐做法是：停牌日价格以前一有效收盘价填充，同时增加一个is_tradable标志位记为0，后续计算换手率、成交额占比时排除该样本。退市股票则不同，退市后不再有价格，应在退市生效日将其从当日成分视图中移除，并保留一条退市事件记录，避免回测时“死而复生”。

二、成分数据：按生效日构建时点快照

成分数据最容易出错的地方是“用今天的名单回测历史”。沪深300、中证500、中证1000每年6月和12月定期调整，另有临时调整。正确做法是维护一张成分变更事件表，字段至少包括：指数代码、证券代码、调入/调出、生效日期。然后按交易日展开：对每个交易日，取生效日期不晚于该日的最近一次名单状态，生成当日的成分快照。这样在2015年的回测中，使用的就是2015年当时真实的成分，而不是2024年的名单。

权重数据同理。指数公司通常按月度或调整日公布权重，两次公布之间可用“权重不变、价格变动”的方式近似推算每日权重：某成分当日权重 ≈ 前一日权重 × (1+当日个股后复权收益率) / Σ[前一日权重 × (1+当日个股后复权收益率)]。这一近似在两次调整之间足够使用，但在成分调整生效日必须用新公布的权重重置，否则误差会累积。

三、对齐与校验：让三条风格线可比

完成上述清洗后，把三个指数的日频收盘点位按交易日对齐，形成宽表：行是交易日，列分别是沪深300、中证500、中证1000。对齐时以三者的共同交易日为准，任一指数缺失的交易日整行剔除，保证后续相对强弱计算不会因缺失值产生偏差。随后做三项基础校验：一是检查每个指数序列是否存在超过阈值的单日跳变（例如±11%以上），若有则回溯是否为复权或数据源错误；二是检查成分快照的股票数量是否与指数编制规则一致（300、500、1000）；三是检查权重合计是否接近1，偏离过大说明权重推算或调整日重置出了问题。

这张干净的面板数据，就是后续识别市值风格轮动的“地基”。只有复权口径统一、成分按生效日还原、缺失与退市处理有明确规则，三条风格线才真正可比，轮动信号才不会建立在错误的数据之上。