3. 归档元数据设计

轮动研究档案的归档，最怕的不是文件多，而是“文件在、信息丢”。一份2023年生成的行业轮动回测报告，如果只留下一个名为rotation_v3_final.xlsx的文件，半年后无论谁打开，都很难快速回答四个问题：它研究的是哪几个板块？用的是哪段周期？因子口径是什么？谁对结果负责？元数据设计要解决的，正是把这类“隐性上下文”变成“显性字段”，让档案在脱离原始研究者之后仍然可检索、可比较、可追溯。

一、元数据字段的四个层次

轮动研究档案的元数据不宜照搬通用文档管理模板，而应围绕“研究结论能否被复现和比较”来组织。建议按四个层次定义字段：标识层解决“这是什么”，研究设计层解决“怎么做的”，版本与责任层解决“谁在何时改了什么”，质量与状态层解决“能不能用”。四层共同构成一条从档案识别到可用性判断的完整链路。

标识层至少包含：档案编号、研究主题、板块范围、资产类别、归档日期。其中“板块范围”建议采用受控词表而非自由文本，例如统一写成“申万一级：有色金属、煤炭、钢铁”，避免出现“周期股”“上游资源”等口径不一的表述。研究设计层包含：研究周期（回测起止日期与调仓频率）、因子清单及方向、数据源与复权方式、基准与评价指标。版本与责任层包含：档案版本号、责任人、复核人、变更说明。质量与状态层包含：档案状态（草稿/已复核/已废弃）、已知局限、关联档案编号。

二、字段定义要落到“可填写、可校验”

元数据设计最容易失败的地方，是字段名写得很漂亮，但填表人不知道该怎么填。因此每个字段都应给出类型、取值约束和示例。以“板块范围”为例，类型为多值枚举，取值来自内部维护的板块词表，禁止自由输入；“研究周期”拆成起止日期两个日期型字段，并附加调仓频率枚举（日/周/月/季）；“因子”采用“因子名+方向+参数”的三段式，例如momentum_20d | 正向 | 窗口=20，避免只写“动量因子”导致窗口不可知。

版本号建议采用主版本.次版本两段式：因子口径、数据源、回测区间发生实质变化时升主版本；仅修正文字、补充图表时升次版本。责任人字段记录“提出并维护该档案的研究人员”，复核人字段记录独立校验者，两者不得为同一人，这是保证归档质量的最低约束。状态字段用四值枚举：草稿、待复核、已复核、已废弃，已废弃档案保留但不再进入检索默认结果。

三、一份可直接套用的字段清单

下表给出一个最小可用字段集，字段数量控制在十余项，既能覆盖复现所需的关键上下文，又不至于让归档变成负担。实际落地时可在此基础上按团队需要扩展，但不宜删减“板块范围、研究周期、因子口径、版本号、责任人、状态”这六项核心字段。

四、用元数据驱动归档动作

字段定义完成后，应把它嵌入归档流程，而不是停留在表格里。一个可操作的做法是：归档时先由研究者填写标识层与研究设计层，系统按“板块范围+研究周期+因子口径”自动生成档案编号并检查重复；随后进入待复核状态，由复核人核对因子方向、复权方式与基准是否与正文一致，确认后状态置为已复核。若后续因子窗口调整，则升主版本并填写变更说明，旧版本保留为已废弃，关联档案字段指向新版本，形成可追溯的版本链。

需要强调的是，元数据不是越多越好。字段过多会抬高归档成本，反而促使研究者敷衍填写。建议以“能否支撑检索、复现、追溯”三条标准逐项审视：每个字段都应能回答至少一个具体问题，否则就应合并或删除。把字段控制在团队愿意认真填写的规模，比设计一套完美但无人执行的体系更有价值。