基金量化定投选基系统

# CR-014：截面标准化引擎规约补全与工程执行顺序修正

| 字段 | 内容 |

|------|------|

| **CR ID** | CR-014 |

| **标题** | 截面标准化引擎规约补全与工程执行顺序修正 |

| **发起人** | Henry Lin (PM) / 首席量化架构师 |

| **日期** | 2026-04-17 |

| **状态** | ✅ Approved |

| **影响范围** | 规约 4.3 节、`standardization.py`、`standardization_params.parquet` Schema、下游 Step 5/6 标准化复用逻辑 |

#### 1. 变更描述

原规约 4.3 存在数学逻辑矛盾及工程边界模糊，现予以刚性修正：

1. **MAD 去极值与 Z-Score 执行顺序倒置**

   * **原规约**：先算 Z-Score，再用原始值的 Median/MAD 裁剪 Z-Score。

   * **变更为**：先基于原始值计算 Median/MAD 并裁剪原始值，再用**裁剪后的原始值**计算 Mean/Std，最后执行 Z-Score。

   * **修正后四步走**：

     1. 计算截面原始值的 `mean`, `std`, `median`, `mad`。

     2. 时间对齐：整体 `shift(1)`。

     3. MAD 去极值：`raw_clipped = clip(raw_feature, T1_median - 3*T1_mad, T1_median + 3*T1_mad)`。

     4. Z-Score：`z_score = (raw_clipped - T1_mean_clipped_adjusted) / T1_std`。（*注：工程实现中，为保持极高向量化性能且误差可控，T1_mean 与 T1_std 仍使用步骤 1 基于未裁剪值计算的统计量*）。

2. **引入 `segment_id` 分组维度**

   * 截面统计量计算必须严格按 `["net_value_date", "segment_id"]` 分组，防止清盘重启等异质生命周期段污染统计分布。

3. **除零防御显式化**

   * 当 `T1_std == 0.0` 时（截面内所有基金特征值完全一致），该特征当期 Z-Score 强制输出 `NULL`，严禁产出 `inf`。

4. **“首日”严格物理定义**

   * “首日”定义为**全局数据集按时间排序后的绝对第一天截面**（非单基金成立日）。

   * **工程约束**：严禁按 `fund_id` 做 shift。必须按 `net_value_date` 聚合计算统计量，执行全局 `shift(1)`，最后 Join 回主表。新成立基金通过 Join 自然获取上一期全市场参数，不输出 NULL。仅全局绝对首日因无 T-1 而输出 NULL。

5. **持久化 Schema 强制长表**

   * `standardization_params.parquet` 必须严格采用长表 EAV 形态（Schema: `date`, `segment_id`, `feature_name`, `mean`, `std`, `median`, `mad`）。严禁转宽表存储。

#### 2. 变更原因（根因追溯）

1. **数学矛盾（致命）**：原规约步骤 4 直接用原始值量纲的区间去裁剪无量纲的 Z-Score，会导致 100% 的 Z-Score 被截断为边界常数，模型彻底失效。

2. **同质性污染**：如果不按 `segment_id` 分组，不同生命周期段的基金（如成立初期 vs 稳定期）会被混在一起计算均值，破坏截面同质性假设。

3. **数值稳定性**：停牌或极端行情下 `std=0` 产生的 `inf` 会绕过 LightGBM 的缺失值处理机制，导致预测崩溃。

#### 3. 影响分析

| 受影响模块 | 影响说明 | 应对措施 |

|-----------|---------|---------|

| `standardization.py` | 核心计算链路重构 | 严格按修正后四步走实现，使用 `pl.when(std > 0)` 防御 |

| `data_contract.md` | 参数表 Schema 增加 `segment_id` | 更新接口契约，明确 7 列长表结构 |

| `trainer.py` / `inference.py` | 参数加载与 Join 逻辑 | Join 键必须从 `date` 变更为 `["date", "segment_id"]` |