4. 数据频率对齐：日频、周频、月频、季频数据的对齐与重采样技术

做宏观择时模型，最头疼的事情是什么？

我个人觉得，不是策略逻辑设计，也不是参数调优。而是——数据频率对不齐。

你想想看，GDP数据一个季度才出一回，CPI每个月公布一次，而股市行情是每天在跳。把这些数据揉到一起，就像把大象、马、兔子关进同一个笼子，你得先让它们步调一致。

我在搭建第一个宏观择时模型时，就栽过这个跟头。当时直接把日频的股指数据和季频的GDP数据丢进回归模型，结果跑出来一堆伪回归。嗯，后来才明白，频率不对齐，模型就是空中楼阁。

4.1 为什么必须做频率对齐？

说白了，不同频率的数据，背后是不同节奏的经济活动。

• 日频数据：市场情绪、资金流动、短期波动。噪音多，信号弱。
• 周频数据：开工率、库存变化、短期信贷。比日频稳定一些。
• 月频数据：CPI、PMI、社融、工业增加值。宏观择时的核心信号源。
• 季频数据：GDP、上市公司财报、资本形成总额。最慢，但最扎实。

如果你不做对齐，模型会「看到」日频数据每天更新，而季频数据三个月才动一次。结果就是，模型过度拟合了日频的噪音，忽略了季频的趋势。

4.2 对齐策略：降频 vs 升频

对齐有两种思路。我习惯先问自己一个问题：我的模型最终要预测什么？

如果预测的是季度GDP增速，那就把所有数据都降频到季频。如果预测的是明天股市涨跌，那就得把低频数据升频到日频。

4.2.1 降频（Downsampling）

把高频数据聚合到低频。常用的聚合方式：

原始频率	目标频率	常用聚合方法	适用场景
日频	月频	月末取值、月均值、月累计值	股指、利率、汇率
日频	季频	季末取值、季度均值	市场波动率、信用利差
月频	季频	季末取值、季度均值	CPI、PMI、社融

4.2.2 升频（Upsampling）

把低频数据填充到高频。常用的方法：

• 向前填充（ffill）：用上一个已知值填充缺失值。最常用，也最安全。
• 向后填充（bfill）：用下一个已知值填充。容易引入未来信息，慎用。
• 线性插值：假设数据在两点之间线性变化。适合趋势明显的序列。
• 样条插值：更平滑，但容易过拟合。我一般不用。

4.3 重采样技术实战

下面是我在项目中常用的重采样代码框架。以Python的pandas为例。

import pandas as pd
import numpy as np

# 假设我们有三个数据源
# 1. 日频的沪深300指数
# 2. 月频的CPI数据
# 3. 季频的GDP数据

# 读取数据（假设已加载）
# hs300_daily: 日期索引, 收盘价
# cpi_monthly: 日期索引, CPI同比
# gdp_quarterly: 日期索引, GDP同比

# 第一步：统一索引为日期格式
hs300_daily.index = pd.to_datetime(hs300_daily.index)
cpi_monthly.index = pd.to_datetime(cpi_monthly.index)
gdp_quarterly.index = pd.to_datetime(gdp_quarterly.index)

# 第二步：降频——把日频指数转为月频
# 方法：月末最后一个交易日收盘价
hs300_monthly = hs300_daily.resample('M').last()

# 方法：月内平均收盘价（更平滑，但会引入未来信息）
hs300_monthly_avg = hs300_daily.resample('M').mean()

# 第三步：升频——把季频GDP填充到月频
# 方法：向前填充
gdp_monthly = gdp_quarterly.resample('M').ffill()

# 第四步：对齐所有数据到同一个频率（月频）
aligned_data = pd.DataFrame({
    'hs300': hs300_monthly['close'],
    'cpi': cpi_monthly['cpi_yoy'],
    'gdp': gdp_monthly['gdp_yoy']
})

# 删除缺失值
aligned_data = aligned_data.dropna()

print(aligned_data.head())

4.4 频率对齐的避坑指南

我总结了几个实战中容易出问题的地方：

1. 发布时滞：宏观数据不是实时公布的。GDP滞后1-2个月，CPI滞后1个月。对齐时，数据的时间戳应该是「可获取时间」，而不是「数据所属时间」。
2. 交易日历：A股有交易日，宏观数据按自然月。对齐时要注意跳过非交易日。用pandas的resample配合bfill或ffill可以处理。
3. 数据修订：宏观数据经常修订。比如GDP初值、修正值、终值。对齐时要用「当时可获取的版本」，而不是修订后的版本。否则又是前视偏差。
4. 频率不一致的统计量：日频的波动率和月频的波动率不是一个量级。对齐后，要检查统计特征是否合理。

4.5 知识体系总览

下面这张图，是我自己整理的数据频率对齐核心逻辑。你可以把它当作一个检查清单。

这张图把整个流程串起来了。从左到右，先识别数据频率，再选择对齐策略，最后输出统一频率的数据集。每次做数据对齐前，我都会过一遍这个流程，确保没有遗漏。