今日记——iOS的设计、量化的壁垒
设计
刷到 于可音 的一个视频，标题是《iOS 依然是世界上最性感的手机系统》，感叹：搜索框的设计确实有说法。
然而这些设计被我习以为常，被他点出来之后，才被发现暗藏玄机。
每个细节都打磨，每一处设计都有千万字报告支持。干什么事都有这种精神，不成功也快成功了。
壁垒
这期访谈讨论的核心，是数据如何从研究的准备材料变成策略本身。 数据壁垒并不等于多买几套数据库。更难复制的是原始数据离开供应商以后的处理链：版本如何保存，实体如何对应，跨资产关系如何建立，研究端与交易端又能否使用同一种定义。
-
模型能力正在快速扩散，数据链条依然高度非标。 大多数机构都能获得相似的算法工具，真正拉开差距的是数据覆盖、历史版本、清洗深度和结构映射。
-
时间点语义决定回测是否成立。 财报重述、宏观数据修订和指数成分变化，任何一处覆盖历史，都可能让模型在不知情时使用未来信息。
-
企业的经济敞口无法由注册地和上市地替代。 地理收入藏在格式各异的财报附注里，需要逐层重构，并保留原始披露到标准结果之间的映射路径。
-
许多增量信号仍藏在传统市场数据中。 期权偏度、CDS 利差、外汇波动率与 ETF 申赎并不稀缺，只是长期被关在不同资产团队各自的管线里。
-
投研与生产需要共用同一个数据核心。 如果复权、时间戳或证券映射存在差异，理论持仓会逐渐偏离真实账户，业绩归因也会失去依据。
Corey： 许多人说到数据清洗，想到的是空值、错值和重复记录。真正困难的部分是什么？
Angana： 清掉明显错误只是第一步。现代量化体系里，最容易出问题的是时间点语义，也就是 point-in-time。
数据本身并不稀有。困难在于把证券、发行人和衍生合约准确接起来，再处理报价频率和时间戳。有些所谓的信息差，一开始只是组织结构造成的：数据一直在那里，只是从未进入同一个研究环境。
第二类是局部管线做得太漂亮。围绕一个供应商、一种资产和一条策略搭出的定制系统，眼下跑得很顺。等业务接入新市场，标识符对不上，公司行动规则开始打架，历史时戳格式也不一致。过去省下来的工作，都会变成横向扩展时的技术债。
上面讲的，许多都是我现在正在做，而且考虑过的，但是有些想着先凑活用，偷懒过去了。
当然也有些是新的东西，当留个印迹，作未来指引或乍现灵光。