data ready 经验

阶段常见问题

csf_data_ready

【A 面板合同类问题】

• 只有单资产时序表，没有显式 panel
• date_key / asset_key 只是默认存在，没写进 manifest
• coverage_rule 模糊，例如只写“按有效数据覆盖”
• panel frequency 没明说，日频/小时频靠文件名猜

风险： 后面 signal/train 会对“同一天同一资产的一行”产生不同理解。

【B universe membership 类问题】

• membership 只存静态资产列表，不按日期记录
• 某些资产何时加入/退出 universe 无法重建
• 研究期内资产存续变化没记录
• mandate 冻结 universe 后，author 在 data-ready 静默调整

风险： IC、coverage、backtest 都会失去同一研究母体。

【C Eligibility 类问题】

• eligibility 和 signal 缺失混用
• eligibility 规则写在特定因子脚本里
• 基础研究资格与交易过滤混在一起
• false / NaN / missing 没有区分语义

风险：后面 reviewer 不能判断样本变化来自 data-ready 还是 signal-ready。

经验沉淀： eligibility 必须强制回答这几个问题：

• 它是 base research eligibility 吗
• 它是否与具体 signal 无关
• 它的 false / missing 各自代表什么
• 它是否会改变 lineage

【D coverage 类问题】

• 只给一个全局覆盖率数字
• 不按日期审计 coverage 波动
• 覆盖率突然掉下来没有解释
• 没法对应到 membership 和 eligibility

风险：研究结果可能只在高覆盖窗口成立，但被 overall summary 掩盖。

经验沉淀： coverage 不应只是统计摘要，而应是：

panel completeness evidence over date x asset space

特别要沉淀：

• coverage by date
• coverage by asset bucket
• pre-eligibility vs post-eligibility coverage
• anomaly windows

E. Shared feature base 类问题

常见问题

• shared features 只是“未来可能会用到”的预想字段
• 没有时间语义
• 没有缺失语义
• 混入具体 signal 定义
• 与 taxonomy / eligibility 边界不清

风险

shared feature base 会变成一个杂物间，后面任何字段都能往里塞。

经验沉淀

shared feature base 要求回答：

• 为什么这是“shared”而不是某个 signal 私有字段
• 这个字段的 time semantics 是什么
• 缺失值语义是什么
• 是否允许下游再加工
• 是否依赖 taxonomy / eligibility

F. Delivery / provenance 类问题

常见问题

• run_manifest.json 只是形式存在
• replay_command 无法定位真实构建脚本
• 脚本保存在别处，不在 stage-local
• artifact catalog / field dictionary 与实际文件不同步

风险

过几周后就无法判断当前产物是否真的对应当前 contract。

经验沉淀

delivery contract 里最关键的不是“文件打包好”，而是：

author claim 与 machine-readable provenance 是否闭环。