4. 持仓数据准备与清洗

板块切换期的仓位暴露测算，最终精度并不取决于模型多复杂，而取决于底表是否干净。券商导出的持仓明细往往带着大量"脏数据"：同一只股票在不同账户里行业名称写法不一、除权后价格跳空、部分持仓市值缺失、个别记录数量为负。如果直接把这些数据丢进暴露计算，得到的行业权重会出现系统性偏差。本节围绕四个环节展开：持仓明细获取、证券行业分类映射、复权处理、缺失值与异常值处理，目标是产出一张"每行一个证券、字段完整、口径统一"的可计算底表。

一、持仓明细获取：先明确取数口径

持仓明细通常来自三个渠道：券商交易系统导出、托管行估值表、内部投资管理系统（OMS/IMS）接口。无论哪种渠道，取数前必须先锁定四个口径，否则后续清洗无从对齐。

• 时点口径：取日终持仓还是盘中实时持仓。板块切换测算一般用日终持仓，需明确是T日收盘后还是T+1日清算后，两者在途交易处理不同。
• 范围口径：是否包含融券卖出、转融通出借、质押冻结、新股申购在途。这些持仓在暴露计算中是否计入，需在取数阶段就标注，而不是清洗时再猜。
• 字段口径：至少需要证券代码、证券名称、市场（沪/深/北/港/美）、持仓数量、持仓市值、成本价、账户号、币种。市值字段若缺失，需保留数量与收盘价以便回算。
• 单位口径：数量是股还是手，市值是元还是万元，港股是否已按汇率折算。单位错位是最隐蔽的错误，10倍偏差往往源于此。

实际操作中，建议保留原始导出文件不做修改，另存一份工作副本，并在副本中增加"数据来源""取数时点""口径备注"三列，便于回溯。示例参数：某组合T日导出明细共1,842行，覆盖3个账户、沪深北三个市场，其中港股通持仓86行，币种为港币，需按当日中间价折算为人民币后再参与暴露计算。

二、证券行业分类映射：把"名称"变成"标准行业码"

持仓明细里的行业字段通常是券商自定义的行业名称，颗粒度和标准都不统一。暴露测算需要的是统一行业分类体系，常见选择有申万一级/二级、中信一级、证监会行业、GICS等。映射的核心是建立"证券代码 → 标准行业码"的对照表，而不是依赖名称模糊匹配。

映射流程分三步。第一步，以证券代码为主键，与内部证券主数据表关联，取得标准行业码；第二步，对关联不上的记录（新股、退市整理、代码变更）建立人工映射清单，逐条确认；第三步，对同一代码在不同账户出现不同行业名称的情况，以主数据为准强制统一，并记录差异原因。需要特别注意的是，行业分类会随指数公司调整而变更，映射表必须带"生效日期"字段，避免用新分类回算历史持仓。

三、复权处理：让价格与数量在同一口径下可比

复权处理针对的是"持仓成本价"和"收盘价"两个字段。当持仓期间发生分红送转、配股、拆股时，未复权的价格序列会出现跳空，导致成本价与现价不可比，进而使浮盈、权重计算失真。处理原则是：成本价与收盘价必须使用同一复权口径。

常用做法是采用后复权价格计算收益率，或用前复权价格计算当前市值权重。具体到持仓底表，若原始成本价为除权前价格，需按复权因子调整为可比价格。复权因子可从行情数据源获取，按"证券代码 + 除权日期"匹配。示例：某股票10送3，除权前成本价13.00元，复权因子1.3，调整后可比成本价为10.00元；若直接用13.00元与除权后收盘价10.20元比较，会误判为浮亏，实际为浮盈2%。

需要提醒的是，复权只调整价格，不调整持仓数量。送转导致的股数变化应已在持仓数量中体现，若数量未更新而价格已复权，会造成市值重复计算。因此复权处理必须与数量核对同步进行。

四、缺失值与异常值处理：建立可执行的判断规则

清洗的最后一步是把"不能直接计算"的记录处理成"可计算或可排除"的记录。缺失值常见于市值字段、行业字段、价格字段；异常值常见于数量为负、市值为零、单只证券权重畸高、价格明显偏离行情。

处理规则建议按"可回算优先、可修正次之、排除兜底"的顺序执行：市值缺失但有数量和收盘价的，回算补齐；行业缺失但代码可识别的，补映射；数量为负且属于融券业务的，单独标记为负向暴露而非删除；价格与行情偏离超过阈值的，先核对是否复权口径错误，确认无法修正的再排除并记录。所有被修正或排除的记录，都应在底表中保留"处理标记"和"处理说明"两列，确保测算结果可解释、可复核。

完成上述四步后，底表应满足三个验收条件：一是行业映射覆盖率达标，未映射记录市值占比可披露；二是成本价与收盘价复权口径一致，数量与价格变动匹配；三是所有修正和排除记录都有标记与说明。只有这样的底表，才能支撑后续的行业暴露汇总与板块切换测算，避免"垃圾进、垃圾出"。