(P)oint-(I)n-(T)ime 数据库
介绍
在进行任何形式的历史市场分析时，时间点数据是一个非常重要的考虑因素。
例如，假设我们正在回测一个交易策略，并且我们使用过去五年的历史数据作为输入。我们的模型假设每天交易一次，在市场收盘时进行交易，我们将说我们在回测中计算2020年1月1日的交易信号。在那时，我们应该只有2020年1月1日、2019年12月31日、2019年12月30日等的数据。
在金融数据（特别是财务报告）中，同一数据可能会随着时间的推移被多次修订。如果我们仅使用最新版本进行历史回测，就会发生数据泄漏。时间点数据库旨在解决此问题，以确保用户在任何历史时间戳获得正确版本的数据。它将保持在线交易和历史回测的性能一致。
数据准备
Qlib提供了一个爬虫，帮助用户下载金融数据，然后使用转换器将数据转储为Qlib格式。请按照`scripts/data_collector/pit/README.md <https://github.com/microsoft/qlib/tree/main/scripts/data_collector/pit/>`_下载和转换数据。此外，您可以在那里找到一些额外的使用示例。
基于文件的PIT数据设计
Qlib为PIT数据提供了基于文件的存储。
对于每个特征，它包含4列，即日期、周期、值、_next。每一行对应一个报表。
每个特征的含义，文件名如`XXX_a.data`：
date：报表发布的日期。
- period：报表的周期。（例如，在大多数市场中，它将是季度频率）
如果是年度周期，它将是对应年份的整数。
如果是季度周期，它将是类似于`<year><index of quarter>`的整数。最后两位数字表示季度索引。其他部分表示年份。
value：描述的值。
_next：该字段下一个出现的字节索引。
除了特征数据外，还包含一个索引`XXX_a.index`以加快查询性能。
报表按`date`从文件开始的升序排列。
# the data format from XXXX.data
array([(20070428, 200701, 0.090219 , 4294967295),
(20070817, 200702, 0.13933 , 4294967295),
(20071023, 200703, 0.24586301, 4294967295),
(20080301, 200704, 0.3479 , 80),
(20080313, 200704, 0.395989 , 4294967295),
(20080422, 200801, 0.100724 , 4294967295),
(20080828, 200802, 0.24996801, 4294967295),
(20081027, 200803, 0.33412001, 4294967295),
(20090325, 200804, 0.39011699, 4294967295),
(20090421, 200901, 0.102675 , 4294967295),
(20090807, 200902, 0.230712 , 4294967295),
(20091024, 200903, 0.30072999, 4294967295),
(20100402, 200904, 0.33546099, 4294967295),
(20100426, 201001, 0.083825 , 4294967295),
(20100812, 201002, 0.200545 , 4294967295),
(20101029, 201003, 0.260986 , 4294967295),
(20110321, 201004, 0.30739301, 4294967295),
(20110423, 201101, 0.097411 , 4294967295),
(20110831, 201102, 0.24825101, 4294967295),
(20111018, 201103, 0.318919 , 4294967295),
(20120323, 201104, 0.4039 , 420),
(20120411, 201104, 0.403925 , 4294967295),
(20120426, 201201, 0.112148 , 4294967295),
(20120810, 201202, 0.26484701, 4294967295),
(20121026, 201203, 0.370487 , 4294967295),
(20130329, 201204, 0.45004699, 4294967295),
(20130418, 201301, 0.099958 , 4294967295),
(20130831, 201302, 0.21044201, 4294967295),
(20131016, 201303, 0.30454299, 4294967295),
(20140325, 201304, 0.394328 , 4294967295),
(20140425, 201401, 0.083217 , 4294967295),
(20140829, 201402, 0.16450299, 4294967295),
(20141030, 201403, 0.23408499, 4294967295),
(20150421, 201404, 0.319612 , 4294967295),
(20150421, 201501, 0.078494 , 4294967295),
(20150828, 201502, 0.137504 , 4294967295),
(20151023, 201503, 0.201709 , 4294967295),
(20160324, 201504, 0.26420501, 4294967295),
(20160421, 201601, 0.073664 , 4294967295),
(20160827, 201602, 0.136576 , 4294967295),
(20161029, 201603, 0.188062 , 4294967295),
(20170415, 201604, 0.244385 , 4294967295),
(20170425, 201701, 0.080614 , 4294967295),
(20170728, 201702, 0.15151 , 4294967295),
(20171026, 201703, 0.25416601, 4294967295),
(20180328, 201704, 0.32954201, 4294967295),
(20180428, 201801, 0.088887 , 4294967295),
(20180802, 201802, 0.170563 , 4294967295),
(20181029, 201803, 0.25522 , 4294967295),
(20190329, 201804, 0.34464401, 4294967295),
(20190425, 201901, 0.094737 , 4294967295),
(20190713, 201902, 0. , 1040),
(20190718, 201902, 0.175322 , 4294967295),
(20191016, 201903, 0.25581899, 4294967295)],
dtype=[('date', '<u4'), ('period', '<u4'), ('value', '<f8'), ('_next', '<u4')])
# - each row contains 20 byte
# The data format from XXXX.index. It consists of two parts
# 1) the start index of the data. So the first part of the info will be like
2007
# 2) the remain index data will be like information below
# - The data indicate the **byte index** of first data update of a period.
# - e.g. Because the info at both byte 80 and 100 corresponds to 200704. The byte index of first occurance (i.e. 100) is recorded in the data.
array([ 0, 20, 40, 60, 100,
120, 140, 160, 180, 200,
220, 240, 260, 280, 300,
320, 340, 360, 380, 400,
440, 460, 480, 500, 520,
540, 560, 580, 600, 620,
640, 660, 680, 700, 720,
740, 760, 780, 800, 820,
840, 860, 880, 900, 920,
940, 960, 980, 1000, 1020,
1060, 4294967295], dtype=uint32)
已知限制：
目前，PIT数据库设计用于季度或年度因子，可以处理大多数市场的财务报告基本数据。
Qlib利用文件名来识别数据类型。文件名如`XXX_q.data`对应季度数据。文件名如`XXX_a.data`对应年度数据。
PIT的计算并未以最佳方式进行。提升PIT数据计算性能的潜力巨大。