Skip to content
JH_QUANT JH_QUANT 文档

Look-Ahead Bias 前视偏差防护

因子计算最容易出错的地方不是分组公式，而是数据在时间上的可获得性。如果把未来才知道的特征用于当期收益，就会产生 look-ahead bias，回测和因子检验都会被系统性高估。

jh_quant.factors 在 0.3.0 中按以下原则处理时间对齐。

核心原则

  1. 因子核心计算只接收标准化后的 DataFrame，不直接依赖 Tushare、AkShare 或 JHData。
  2. 价格、市值、财务字段需要在进入因子计算前转换成统一 schema。
  3. 用于分组的特征必须在收益期开始前已经可获得。
  4. 财务字段必须带 ann_date，用公告日判断是否可用，而不是只看报告期末日期。

默认 TS Loader

load_ts_factor_inputs() 是面向 TuShare 的便捷数据准备函数：

from jh_quant.factors import load_ts_factor_inputs


inputs = load_ts_factor_inputs(
    start_date="2020-01-01",
    end_date="2024-12-31",
    period="M",
    price_adjust="qfq",
    lag_features=True,
)

默认行为：

参数默认值含义
period"M"直接使用 TS_MONTHLY_* 月频行情
price_adjust"qfq"优先使用前复权价格，默认映射到 TS_MONTHLY_QFQ
lag_featuresTrue将 t 期观察到的特征用于下一期收益

如果设置 period="D"，loader 会使用 TS_DAILY_* 行情并转换为月末收益；默认仍使用 TS_DAILY_QFQ。

市场特征滞后

市值、BM、动量、反转、波动率等市场衍生特征容易和同月收益发生时间穿越。默认 TS loader 会做一期滞后：

2024-01-31 的 mkt_cap / bm / momentum
        ->
用于 2024-02-29 的股票收益和因子组合分组

也就是说，2024-01-31 月末才知道的特征不会用来解释 2024-01-31 当月收益。

如果确实要做诊断或对照实验，可以关闭：

inputs = load_ts_factor_inputs(..., lag_features=False)

研究和回测默认不建议关闭。

财务字段必须使用公告日

财务报表的报告期末日期不等于可获得日期。例如一季报报告期是 2024-03-31，但公告日可能是 2024-05-05。在这种情况下，该财务数据不能用于 2024-04-30 的收益期。

财务类字段必须包含：

列名含义
symbol股票代码
date报告期或观察期，例如 2024-03-31
ann_date公告日或真实可获得日期，例如 2024-05-05
<field>财务字段值，例如 roe、op、asset_growth

示例：

import pandas as pd


roe = pd.DataFrame({
    "symbol": ["000001.SZ"],
    "date": ["2024-03-31"],
    "ann_date": ["2024-05-05"],
    "roe": [0.12],
})

因子核心会按 ann_date <= return_date 做 as-of 匹配。因此上面的 ROE 不会用于 2024-04-30，只会从 2024-05-31 这类公告日之后的收益期开始可用。

缺少 ann_date 的财务字段会在 schema 校验阶段报错，避免静默引入未来信息。

需要 ann_date 的字段

当前 schema 将以下字段视为财务或公告相关字段：

op, asset_growth, gp_a, gross_profit, roe, roe_quarterly,
pead, sud, fin, net_share_issuance, operating_accruals,
mgmt, perf

这些字段进入 fundamentals 时必须带 ann_date。

市场衍生字段如 bm、momentum、rev、ivol 不强制要求 ann_date，但应由数据准备层先做滞后对齐。

自行准备数据时的检查清单

  • stock_returns 使用收益期结束日作为 date，包含 symbol/date/return。
  • market_cap 的 date 应已经对齐到可使用该市值的收益期。
  • 市场衍生特征不要和同一期收益 exact match，除非该特征在收益期开始前已知。
  • 财务字段必须带 ann_date，并用公告日而不是报告期末日期做可获得性判断。
  • Fama-MacBeth 验证中的暴露默认滞后一阶，避免用当期估计的 beta 解释当期收益。

相关文档