kp-002 · 金融数据的特点：时序、低信噪比、非平稳与强监管

一句话定义

金融数据具有时序结构、低信噪比、非平稳分布与强合规约束四个相互放大的特点，它们决定了通用 AI 方法论在金融场景必须做特殊改造，本知识点逐一拆解其机制。

为什么重要

几乎所有金融 AI 项目的失败都能追溯到对这四个特点的误判。不理解时序结构，就会出现"用未来数据预测过去"的前视偏差（look-ahead bias），回测成绩虚高；不理解低信噪比，就会把过拟合当作模型能力强，上线即衰减；不理解非平稳，就会以为历史规律永远有效，在市场结构切换时模型集体失灵；不理解强监管，就会在数据采集与使用上踩红线——个人信息保护相关法规对金融数据的使用目的、最小必要、可追溯都有硬要求。可以说，这四个特点是贯穿全库的"地基设定"：后面每个知识点的方法选择，都能在这里找到根源。

前置知识

kp-001。统计基础：均值、方差、相关系数、分布的概念。

直观类比

金融预测像在演唱会现场听人说话（低信噪比——真信号淹没在海量随机波动里），而且剧场会随时换曲风（非平稳——规律本身在变），你只能顺着时间方向往后听、不能偷看后台台本（时序性与禁止前视），所有录音还都必须登记备案随时可查（强监管）。在这种情况下声称"我预判了下一句歌词"，必须拿出极严格的证据——这正是金融回测纪律的由来。

核心概念

• 时序性（time series structure）：样本按时间排列且相互不独立，昨天的价格影响今天；训练/测试必须按时间切分，随机打散会产生信息泄漏。
• 信噪比（signal-to-noise ratio）：信号方差与噪声方差之比。市场价格日变动中可预测成分占比极低，模型学到的主要是噪声。
• 非平稳（non-stationarity）：分布随时间变化——政策、利率环境、参与者结构改变会让历史规律失效，存在结构突变（regime change）。
• 数据偏差族：幸存者偏差（只看到活下来的标的）、前视偏差（用了当时不可得的信息）、数据修正（财报与宏观数据事后修订，历史快照才是真实可得信息）。
• 合规约束：金融数据大量涉及个人与机构敏感信息，采集需授权、使用需最小必要、跨主体流转需合规依据、决策需留痕可审计。

原理与机制

低信噪比与过拟合的机制：模型容量越大，越能把训练集中的噪声"记住"，样本内表现好而样本外崩坏；在信噪比极低的环境里，一个在回测中年化很高的策略，其优势很可能只是对有限历史样本的过拟合，这就是为什么因子研究要求多重检验校正与样本外验证。非平稳的机制：市场规律由参与者行为涌现，参与者会学习、监管会改变、宏观环境会切换，因此任何"恒定参数"模型的隐含假设都是"未来与过去同分布"，而金融恰恰最不满足这一点——这推动了滚动训练、模型监控（如 PSI，见 kp-013）与压力测试（见 kp-015）成为标配。时序性导致的两大纪律：一是时间切分（训练集必须完全早于测试集），二是"时点数据"（point-in-time data）——只能使用决策时点真实可得的信息，财报要用公布日而非报告期末。合规约束的机制：数据即风险，每一次使用都要能回答"谁、在什么授权下、为什么用了这条数据"，因此金融 AI 系统从设计起就要有数据血缘与权限体系。

公式或模型

SNR 无须精确计算，重要的是它的定性含义：金融日频预测的 SNR 远低于图像识别等任务，这决定了金融模型必须偏爱简单结构、强正则与更大样本。

图示

随机切分(错误)          时间切分(正确)
[1 2 3][5 8][4 6 7] → 训练集混入未来信息
[1 2 3 4 5] | [6 7 8] → 训练在前 测试在后

实例或案例

一家基金公司构建财报因子时踩过的三个坑：第一，用"报告期末"而非"公告日"对齐财务数据，导致模型在公告前就"知道"了业绩——前视偏差；第二，股票池用的是当前上市公司名单，退市股被剔除——幸存者偏差，收益被系统性高估；第三，用十年连续样本训练深度网络，样本内 R² 很高，上线半年衰减殆尽——低信噪比下的过拟合。修复方式：改用时点数据库、纳入退市标的、按时间切分样本并做样本外验证。这三个坑在业内具有普遍性。

常见误区

• 误区一：回测好就是模型好。 回测只是必要条件；不排除数据挖掘偏差与分布切换风险，需样本外与多重检验校正（详见 kp-010、kp-029）。
• 误区二：数据越多越好，来源越杂越好。 弱相关外部数据会引入噪声与合规风险；数据价值取决于信噪比与可得时点，而非数量。
• 误区三：非平稳可以用更大的模型解决。 分布切换是结构问题，大模型同样建立在历史分布上；正确方向是监控、快速重训与情景压力测试。

自测题

1. 什么是前视偏差？举一个财报数据中的具体形态。

答案要点：使用了决策时点不可得的信息；财报按公告日而非报告期对齐，或使用了事后修订值。

1. 低信噪比为什么导致"回测强、实盘弱"？

答案要点：模型把训练期噪声当规律记住，样本内虚高，样本外噪声不再匹配即失效。

1. 金融数据的合规约束如何影响系统设计？

答案要点：需要授权管理、最小必要原则、数据血缘与审计留痕，从架构层而非补丁层满足。

与其他知识点的关系

kp-010 的回测纪律与 kp-029 的误区合集是本知识点的操作化展开；kp-013 的 PSI 是对非平稳的工程化监控手段；kp-015 的压力测试是对极端非平稳情形的应对。

延伸阅读

• 《The Econometrics of Financial Markets》Campbell、Lo、MacKinlay：金融时序计量经典。
• 《Active Portfolio Management》Grinold & Kahn：信噪比与信息比率关系的系统论述。