财务与公告数据：时点正确性

报告期 ≠ 公告日

财务数据的两个时间戳：

报告期（period end）：数字所属的季度末；
公告日（announcement date）：数字第一次对外可见的日期，通常滞后 1–4 个月。

在 $t$ 时刻的策略只能使用公告日 $\le t$ 的数字——以报告期对齐，等于让 2010 年的策略"提前 4 个月"看到了一季报，是教科书式的前视偏差。

追溯修正：为什么只存最新值是错的

历史财务数据会被追溯修正（重述、审计调整、口径变更）。若数据库只保留每个报告期的最新值，会出现两种叠加的偏差：

前视：用修正后的数字代替当时市场看到的数字；
幸存者偏差：被重述"抹掉"的原始版本消失，历史看起来比当时更干净。

PIT 数据库的结构

Point-in-time 数据库为每个事实保留完整的版本历史：

fact(conn_id="600519", field="net_profit", period="2010Q1")
  ├─ v1  公告日 2010-04-25  值 = 12.6 亿   ← t ∈ [2010-04-25, 修订日) 应使用这条
  ├─ v2  修订日 2010-08-20  值 = 12.4 亿
  └─ v3  修订日 2011-03-30  值 = 12.7 亿   ← 只有"今天"的策略才能用

取数一律用 as-of 查询：给定策略时刻 $t$ ，取公告日 $\le t$ 的最新版本。

import pandas as pd

def as_of_value(versions: pd.DataFrame, t: pd.Timestamp) -> pd.Series:
    """versions: 需含 announce_date / revised_date / value 列。取 t 时刻可见的最新版本。"""
    visible = versions[versions["announce_date"] <= t]
    return visible.sort_values("announce_date").iloc[-1] if len(visible) else None

不止财务数据需要 PIT

行业分类：公司的行业归属随时间变化，当前分类回溯会扭曲行业中性化；
指数成分：用今天的成分名单回测历史是幸存者偏差，见回测中的典型偏差；
股票状态：退市、ST、停牌的历史轨迹必须保留，否则低价股与退市股票被系统性剔除。

自建还是购买

商用 PIT 数据库（如 Compusta-at、Wind 点选版）昂贵；自建的最小可行方案是从公告日开始累积、永不覆盖、只追加版本。对个人研究者，A 股的公告日可从交易所公告抓取，见存储格式与查询。

量化中的用法

一切基本面因子以公告日对齐，复核脚本抽查 10 只股票的公告日 vs 使用日；
永不覆盖：每次修订追加新版本；
行业、成分、状态三类维表同样按 as-of 查询。

本章要点

以公告日而非报告期对齐
保留每次修正的版本（as-of 时间戳），永不覆盖
行业分类、指数成分也需要 PIT 版本