第二章：宏观因子数据源——从原始数据到交易信号的第一步

做宏观因子动量与反转交易，最怕什么？

不是策略逻辑写错了，而是数据源就出了问题。我见过太多团队，模型跑得飞起，结果回头一看——CPI数据用的是初值，没修正；流动性指标用的是一年前的旧口径。嗯，这种坑，我踩过不止一次。

今天我们就来聊聊，宏观因子数据到底从哪里来，拿到手之后怎么洗，才能让我们的交易系统吃得放心。

2.1 宏观经济指标的四大家族

我个人习惯，把宏观因子分成四大类。说白了，这四类指标基本覆盖了市场定价的所有宏观驱动力。

类别	核心指标	数据频率	对市场的影响逻辑
增长类	GDP、工业增加值、PMI、零售销售	月度/季度	决定企业盈利预期，驱动权益与商品
通胀类	CPI、PPI、核心PCE、薪资增速	月度	影响央行政策路径，驱动利率与汇率
流动性类	M2、社融、SHIBOR、央行资产负债表	周度/月度	直接决定资金成本与资产定价锚
风险偏好类	VIX、信用利差、TED利差、高收益债收益率	日度	反映市场情绪，驱动避险与风险资产切换

你想想看，这四个维度其实构成了一个完整的宏观叙事。增长往上走，通胀温和，流动性宽松，风险偏好高——典型的risk-on环境。反过来，就是避险模式。

2.2 数据获取渠道——我常用的几个来源

做量化交易，数据源的选择是个老生常谈的问题。我的原则很简单：官方优先，商用补充，开源兜底。

2.2.1 官方渠道（免费，但需要处理）

• 国家统计局：CPI、PPI、工业增加值、固定资产投资。数据最权威，但发布时间有滞后，而且格式不统一。
• 中国人民银行：M2、社融、LPR、Shibor。流动性数据的核心来源。
• 国家外汇管理局：外汇储备、结售汇数据。
• Wind/东方财富：国内商用数据库，API接口比较成熟。我个人习惯用Wind，数据清洗量小很多。

2.2.2 国际数据（做跨市场策略必备）

• FRED（圣路易斯联储）：美国宏观数据的宝库。GDP、CPI、非农、利率，应有尽有。API免费，我经常用。
• Bloomberg：贵，但数据质量最高。如果你做机构级策略，这笔钱省不了。
• Quandl / Yahoo Finance：适合快速原型验证，但要注意数据口径问题。

2.3 数据清洗——80%的时间花在这里

说实话，数据清洗比写策略代码枯燥多了。但没办法，脏数据进去，垃圾信号出来。我曾经因为一个CPI的环比/同比口径没对齐，导致回测曲线漂亮得不像话——实盘直接打脸。

下面是我总结的清洗流程，你直接拿去用。

2.3.1 常见问题与处理方法

问题类型	表现	处理方法
缺失值	某个月份数据为空	前向填充（ffill）或线性插值
异常值	突然跳变超过3个标准差	Winsorize截尾或中位数替换
口径变更	统计方法调整导致断点	使用调整后序列或手动拼接
季节性	春节效应、年末效应	X-13ARIMA-SEATS季节调整
发布滞后	数据公布时间晚于交易时间	对齐到实际可交易时间戳

2.3.2 代码示例：一个简单的清洗流水线

下面是我常用的Python清洗模板。注意，这里只展示核心逻辑，实际使用时需要根据数据源调整。

import pandas as pd
import numpy as np

def clean_macro_data(df, col_name, method='ffill'):
    """
    宏观因子数据清洗函数
    df: DataFrame，索引为日期
    col_name: 待清洗的列名
    """
    # 1. 缺失值处理
    if method == 'ffill':
        df[col_name] = df[col_name].fillna(method='ffill')
    elif method == 'interpolate':
        df[col_name] = df[col_name].interpolate(method='linear')
    
    # 2. 异常值检测（3-sigma）
    mean = df[col_name].mean()
    std = df[col_name].std()
    df[col_name] = df[col_name].clip(lower=mean - 3*std, upper=mean + 3*std)
    
    # 3. 计算同比/环比（根据策略需要）
    df['yoy'] = df[col_name].pct_change(periods=12)  # 同比
    df['mom'] = df[col_name].pct_change(periods=1)   # 环比
    
    return df

# 使用示例
# raw_data = pd.read_csv('cpi_data.csv', index_col='date', parse_dates=True)
# cleaned = clean_macro_data(raw_data, 'CPI_INDEX')

2.4 知识体系总览

下面这张图，是我做宏观因子数据工程的心得总结。你可以把它当作一个检查清单，每次接入新数据源时，对着走一遍。

这张图其实就讲了一件事：从原始数据到交易信号，中间有三大关卡——获取、清洗、因子化。每一关都可能出问题，每一关都需要你亲自盯着。

好了，数据源和清洗方法就聊到这里。下一节我们会深入讨论，如何把这些干净的宏观因子，真正转化成动量与反转的交易信号。到时候，我会分享一个我踩过坑的动量因子构建案例——嗯，那个案例让我亏了不少钱，但也让我真正理解了「数据质量决定策略上限」这句话。

---