第一道工序：市场数据与预测数据源

对应原书第 1 章（Market Data）与第 2 章开篇的数据源部分。原书无中译；本页为原创导读笔记，只给地图不做推导。

第 1 章：市场数据——短，但每条都踩过坑#

这是全书最短的一章，讲的都是”入行第一个月必然踩、之后每年还会再踩”的事：

Tick 与 bar 数据：tick 是原始事件流，bar 是聚合视图。中频统计套利大多用日线或分钟 bar 就够——数据颗粒度应该匹配持仓周期，而不是越细越好（越细越贵、越脏、越难存）；
公司行为与复权因子：拆股、分红、增发会让原始价格序列出现”假跳空”。解法是维护一列复权因子，存原始价、算的时候再乘因子——这正是本平台 adjust_factor 表的设计（hfq_factor = 后复权价 / 原始价，读取时相乘）。Isichenko 强调复权因子本身要有审计与重刷机制，因为数据商会回溯修正；
线性收益 vs 对数收益：对数收益跨期可加、便于统计建模；线性收益跨截面可加、才是组合真实的钱。日频上两者差异是二阶小量，但做组合聚合时必须用线性收益，混用是新手常见 bug。

一句话：这一章没有智力难度，只有纪律难度——数据层的错误会以”看起来像 alpha”的形式出现，比模型错误危险得多。

收益预测是全书公认最难也最值钱的环节，而预测始于数据。原书把可用数据源过了一遍，像一份”军火目录”：

Point-in-time（信息何时可知）：财报必须按发布日对齐而非报告期；分析师预期要用当时的快照而非事后修订版。任何”用了未来才知道的数据”都会在回测里制造幻觉 alpha——这是《金融机器学习》前视偏差的同一课，在数据采购环节就要防；
证券主表与幸存者偏差：股票池必须包含退市、更名、被并购的证券的完整历史。只用”今天还活着的股票”回测，等于系统性高估策略——尤其是做空腿和小盘票。

原书的冷静判断值得记录：另类数据听起来性感，但信号强度通常不比传统数据高，只是相关性低——它的价值在于给 alpha 池添加低相关成员（第 3 章的主题），而不是单独致富。