3.2 宏观新闻与情绪数据

3.2 宏观新闻与情绪数据

本节摘要：行情数据回答「市场在做什么」，宏观与情绪数据尝试回答「为什么、以及接下来情绪往哪边」。本节先介绍官方 data_providers 模块的定位：聚合宏观指标、新闻与情绪三类「慢变量」数据源（聚合对象与配置方式以官方文档为准）；再逐一拆解三类的数据特性——宏观指标低频但权威、新闻事件高频但非结构化、情绪评分连续但方法论敏感；然后给出它们进入策略的统一输入形态：与 K 线时间轴对齐的事件流与数值序列，附一个重采样示意脚本；最后是全节的克制提醒：这类数据噪信比高、滞后与修订常见，把它当过滤器与情境变量，不要当神奇开关。本节不构成任何对这些数据预测能力的背书。

学习目标

• 说出 data_providers 模块的聚合定位与三类数据的特性差异。
• 把事件类数据重采样对齐到 K 线频率（读懂示意脚本）。
• 设计宏观/情绪特征进入策略的保守用法（过滤器而非开关）。
• 识别这类数据的三个坑：噪信比、滞后、修订。

一、三类慢变量

与行情数据最大的不同在于时间语义：K 线是规则网格，宏观按日历跳变，新闻随时炸出，情绪则自带平滑与滞后。直接把它们扔进策略，时间轴对不齐是第一故障。

时间轴对齐问题（示意）

K 线网格   │ ▶│ ▶│ ▶│ ▶│ ▶│ ▶│ ▶│ ▶│   规则网格
宏观指标   │        ●                    │      只在发布时刻有值
新闻事件   │   ✦  ✦✦    ✦     ✦ ✦        │      随机到达
情绪评分   │ ~ ~ ~~~ ~ ~~ ~~~ ~ ~~       │      连续但滞后
                    │
                    ▼ 统一重采样到 K 线网格（forward-fill，见下文）
​

二、输入形态：对齐后的两类输入

事件特征：把新闻/宏观事件映射为离散标记或计数（「过去 24 小时高影响力事件数」，示意特征名），进入策略后天然适合做过滤器——事件密集期收窄风险预算，而不是预测方向。

数值特征：把宏观与情绪序列重采样到 K 线频率，缺失段用「上次已知值」前向填充（forward-fill），并把「距离上次发布过了多久」一并作为特征——因为一个三天前的利率数据与三小时前的含义完全不同（研究口径的常见处理，具体以你的研究设计为准）。

# resample_demo.py —— 事件与评分对齐到 K 线网格（教学示意）
def forward_fill(grid_ts, points):
    """grid_ts: 网格时间戳列表; points: [(时间戳, 值), ...] 按时间升序"""
    values, last, emitted = [], None, 0
    for t in grid_ts:
        while emitted < len(points) and points[emitted][0] <= t:
            last = points[emitted][1]      # 只用「当时已知」的值
            emitted += 1
        values.append(last)                # 没有新值就沿用上次已知值
    return values

if __name__ == "__main__":
    grid = [0, 60, 120, 180, 240]                     # K 线时间戳（示意）
    sentiment = [(0, 0.1), (150, 0.6)]                # 情绪评分两次更新
    print(forward_fill(grid, sentiment))
    # 期望：[0.1, 0.1, 0.6, 0.6, 0.6] —— 注意 120 时刻仍是 0.1
​

这个十行函数是本节最重要的一段代码：points[emitted][0] <= t 这一行的「小于等于」就是时间对齐的全部纪律——在 t 时刻，只能看见 t 之前发布的值。放松成「小于等于加上一点点」，回测立刻变成未来函数。

三、保守的用法设计

把这类数据接入策略的三条保守姿势（设计建议，非投资建议）：

把「过滤器」姿势写成代码（教学示意，非投资建议）：

# event_feature_demo.py —— 事件计数特征与过滤器判定（纯标准库）
def event_count_feature(grid_ts, events, window):
    """grid_ts: K 线时间戳；events: 事件时间戳升序列表；window: 统计窗口长度"""
    counts, emitted = [], 0
    for t in grid_ts:
        while emitted < len(events) and events[emitted] <= t:
            emitted += 1                    # 同前文脚本：只用 t 之前的事件
        counts.append(sum(1 for e in events[:emitted] if t - e < window))
    return counts

def risk_budget_scale(count, threshold, floor=0.5):
    """过滤器示意：事件密集时收缩风险预算系数，不预测方向"""
    return floor if count >= threshold else 1.0

if __name__ == "__main__":
    grid = [0, 60, 120, 180]
    events = [50, 100, 110]
    counts = event_count_feature(grid, events, window=120)
    print("事件计数:", counts)
    print("预算系数:", [risk_budget_scale(c, threshold=2) for c in counts])
​

两个函数刻意做得很「笨」：计数只看可见事件，缩放只有两档。克制本身就是设计——过滤器一旦变聪明（开始预测方向、开始调阈值），它就悄悄变成了你在第 6 章要为此付出多重检验代价的又一个参数源。缩放系数进入的是第 5.3 节的风险预算，而不是信号本身：事件密集期少下注，而不是反着下。

配套的验证纪律仍然属于第 6 章：任何加入宏观/情绪特征的策略版本，都要与不含该特征的版本同台对比，并接受 walk-forward 与多重检验校正的审视（strategy_evolution 套件，官方口径）。

四、三个坑

噪信比：绝大多数新闻与行情变动没有稳定因果关系；能稳定提取的信号远少于直觉预期。滞后：数据可用时刻通常晚于事件发生时刻，策略里必须用「可用时刻」而非「发生时刻」对齐（上文脚本同理）。修订：宏观指标发布后常被修订，库中要区分「首次值」与「修订值」，回测应使用当时可见的首次值序列，否则又是一次隐性偷看。

以修订为例走一遍错法：你今天的回测拉了「当前最新版」宏观序列，里面三月的数值已经是两次修订后的终值；而三月的那个交易日，市场上所有人（包括你的策略）能看到的都是首次值。用终值回测三月，等于给策略开了上帝视角——这类错不会报错、不会崩，只会让你的回测安静地比实盘好看。

一句话立场：这类数据是情境与过滤器，不是水晶球；接入它们的第一课是学会克制。研究纪律的系统训练见《量化投资方法论》第 15 章《批判性思维与研究纪律》。

五、常见问题与排查

本节要点回顾

• data_providers（官方口径）聚合宏观、新闻、情绪三类慢变量，特性各异。
• 输入形态统一为「对齐到 K 线网格的事件标记 + 前向填充的数值特征」。
• 对齐纪律一行代码：只用 t 时刻之前已知的值；发布时刻不等于可用时刻。
• 保守三姿势：过滤器、情境开关、特征降维；特征有效性交由第 6 章检验。
• 三坑：噪信比、滞后、修订；立场是情境变量，不是预测器。
• 接入高频疑问：开头 None 是常态、修订值分两套口径、换供应商等于换特征。

至此数据层有了两路输入：高频的行情与慢速的宏观/情绪。多源必然多口径——下一节处理数据层最后的、也是最见功力的一段：时区、精度、符号的统一，以及缺口检测与十项质检清单。