2. 行业轮动数据准备

行业轮动策略的收益差异，往往在数据准备阶段就已经埋下伏笔。同一个轮动逻辑，用不同的行业指数口径、不同的对齐方式、不同的缺失值处理，回测结果可能相差数个百分点。本节的任务不是讨论轮动信号本身，而是把"行业指数行情 + 财务数据 + 宏观数据"这三类异构数据，整理成一张时间×行业、可直接送入回测引擎的行业面板数据集。这张面板的质量，决定了后续所有择时与持有期比较的可信度。

一、明确三类数据的角色与口径

行业轮动回测通常需要三类输入，它们的时间频率、更新节奏和结构完全不同：

• 行业指数行情：日频的收盘价、成交额，是计算动量、波动率、换手等轮动因子的基础。关键是选定一套行业分类标准（如申万一级、中信一级），并保证全样本期内分类口径一致。若中途发生行业调整或成分变更，需要记录变更日期，避免"用今天的行业划分回看历史"造成前视偏差。
• 财务数据：季频的营收增速、ROE、净利润等，用于行业景气度或质量因子。财务数据最大的陷阱是披露时点——报告期结束日不等于数据可用日。例如一季报报告期为3月31日，但实际披露可能到4月底，回测中必须按公告日而非报告期对齐，否则会用到当时尚不存在的信息。
• 宏观数据：月频的PMI、CPI、社融、利率等，用于判断宏观状态或作为择时条件。宏观数据同样存在发布滞后，且不同指标滞后天数不同，需要逐项确认。

三类数据的频率分别是日、季、月，直接合并会产生大量空值。因此数据准备的核心工作可以概括为：统一口径 → 按可用时点对齐 → 合理填充 → 形成规整面板。

二、数据清洗与对齐的关键操作

第一步是交易日历对齐。以交易日历为主索引，将各行业指数行情按日期左连接，非交易日不产生记录。若某行业在早期尚未成立（如某些细分行业指数2010年后才有），该段应保留为空而非填零，并在回测中标记为"不可选"。

第二步是财务数据的时点对齐。推荐做法是构造"可用日期"字段：以公告日为准，将每条财务记录映射到公告日之后的第一个交易日，再向前填充（forward fill）到下一次公告前。这样在任意交易日，取到的都是当时市场上真实可见的最新财报。示例逻辑如下：

# 示例：财务数据按公告日对齐到交易日（示意参数，非实测）
fin["avail_date"] = fin["announce_date"].map(
    lambda d: next_trading_day(d))
panel = trade_cal.merge(fin, left_on="date",
    right_on="avail_date", how="left")
panel["roe"] = panel.groupby("industry")["roe"].ffill()

第三步是缺失值处理，需要分类型对待，不能一刀切：

• 行情缺失：多为停牌或数据源缺口。短缺口（1～3日）可用前值填充；长缺口应标记并剔除该行业当期，避免用陈旧价格计算动量。
• 财务缺失：若因未披露而缺失，向前填充是合理的；若因行业本身无该指标，应保留空值并在因子计算时跳过，不要用行业均值硬填，否则会稀释行业间差异。
• 宏观缺失：发布频率固定，通常按"发布日+前值填充"处理；季频转月频时可用插值，但需注意插值只用于展示，回测中仍应使用实际发布值。

三、面板结构与时点对齐示意

下图展示三类原始数据如何按"可用时点"汇入同一张行业面板，以及缺失值在不同情形下的处理分支。注意图中财务与宏观数据都是先确定"何时可见"，再进入面板，而不是按报告期直接拼接。

四、形成可回测面板的验收标准

数据准备完成后，不能直接进入回测，应先做几项基本检查，确认面板"干净"：

1. 索引完整性：面板行数应等于交易日数，每个交易日每个行业恰好一行，无重复、无错位。
2. 时点正确性：随机抽取若干交易日，核对财务与宏观字段是否等于该日之前最近一次已发布的值，而不是未来值。
3. 缺失率统计：按行业、按年份统计各字段缺失比例。若某行业早期缺失率超过阈值（如30%），应在回测中设置该行业"上市满N个月才可选"的规则。
4. 极值检查：对收益率、增速类字段做分位数检查，识别数据源错误导致的异常跳变（如价格单位不一致、除权未处理）。

完成上述步骤后，得到的是一张以交易日为行、以行业和指标为列、带有可用标记的规整面板。它不包含任何轮动信号，却是后续动量、景气、宏观择时等所有因子的共同底座。数据准备做得扎实，后面关于持有期长短、调仓频率的比较才有意义；反之，任何精巧的轮动模型都可能被一个错位对齐的财务字段悄悄毁掉。