你的宏观回测交易了修订后的就业报告数据

致设计就业报告筛选策略的开发者：

你制定了一条简单规则：美国就业报告发布后，如果月度就业人数增长超过 175,000，策略就持有股票 ETF 5 个交易日；否则就持有现金。你把入场时间设在股市开盘后，计入了交易成本，并固定了阈值。然后，你下载了一份历史就业数据序列，用它重建每一个交易信号。

剩下的问题在于这份下载数据。历史经济数据序列可能包含修订值，而这些值在策略声称交易的日期尚不可用。要诚实地回测宏观信号，你需要每个决策时点实际可用的数据版本。把入场时间往后挪一个 bar，无法修复一个两个月后才发布的数字。

1月的数据有好几个“生日”

来看一段虚构的发布记录。这些日期和就业人数变化只是为了说明其中的机制，并非真实公布的经济数据。

如果下载的数据把1月的数字记为+210,000，你的历史重放就会显示策略在2月买入 ETF。实际的规则本应继续持有现金。即使所有价格、订单时间戳和佣金都正确，这笔交易仍是虚构的。

你不能想当然地认为这种数据污染一定会让业绩变好。修订数据可能带来盈利交易、亏损交易，也可能让两者消失。问题在于，你的模拟回答了一个策略当时根本无法提出的问题。

而且，1月只是被衡量的期间，并不是你得知测量结果的日期。一行数据标着1月1日，不代表你可以在1月1日据此交易。

为每个数值记录可用时间历史

你的研究表不能只有月份和数字。还要记录参考期间、数值、发布时间戳、版本标识和来源。持续收集数据时，也要记录系统收到该数据的时间。保留旧版本，不要直接覆盖原有数值。

在某个决策时间戳，针对每条观测数据，选取可用时间戳不晚于该决策时点的最新合格版本。然后基于重建出的数据快照计算特征。

5 个交易日的持有期，并不意味着可以省略这些记录工作。它让你有更大余地选择稳妥的入场时间，却不会让你提前获得修订数据。

对于早期研究，你或许能找到公开发布时间的证据，却没有自己接收数据的记录。要明确区分这两者。你可以在有记录的发布时间后加上明确的延迟，来模拟数据何时可用；但不能把这种假设说成有历史交付记录佐证的事实。

你还需要使用带时区的时间戳。保存有记录的当地发布时间，并正确转换；对纽约使用固定 UTC 时差，会在夏令时切换时出错。给未来的自己省点事吧。别让9月的你还得费劲猜3月的你在名为date_actual_final2的列里写了什么。

滚动特征需要完整的版本历史

假设你把固定阈值改成“就业人数增长超过过去12个月的平均值”。那么在每个决策时点，你都需要当时的历史观测值，包括此前已经发布的修订值。

永远使用每个月的首次发布值，定义的是另一种特征。如果你明确想研究初次公告的历史，这样设计完全合理。但它无法还原某个特定早晨可见的经济历史，因为当时的信息集可能已经包含对早前月份数据的修订。

如果你根据就业人数水平数据计算月度变化，就要先重建相关版本的水平序列，再计算差值。把新发布的水平值和旧版本的上月水平值混用，可能算出一个从未出现在任何已发布数据快照中的变化值。

因此，你需要明确特征的含义：初次公告、最新可用的经济状况，还是数据修订本身。“就业人数增长”这个说法留下了太多未定义之处。

先修复1次发布记录，再重跑10年数据

你可以从ALFRED入手，它提供许多经济数据序列的版本历史。先确认其中是否涵盖你的具体序列和时段。仅有版本日期，并不能证明数据在盘中何时可用；要用它生成当日信号，还需结合有记录的发布时间。

首次审计时，选1次发布记录，手动重建：

1. 找到归档的发布记录，记下发布时间戳、参考月份和初始值。
2. 重建策略入场前本应收到的输入数据快照。
3. 手动计算信号，并与历史重放结果对比。
4. 向数据存储中加入后续修订值，并确认先前的决策保持不变。

最后这项检查对自动化研究流程尤其有用。把快照截止时间和所选版本标识，与特征值一并提供给研究 agent。即使底层数据库不断增长，你仍需要足够的证据，将某笔交易追溯到特定发布记录。

这项单独决策复现成功后，再重跑整个历史，并先比较信号分歧，再比较收益。统计修复后新增、移除或时间发生变化的入场信号。相比单独看修复前后的 Sharpe，这些决策变化能告诉你更多。

你的2月交易必须经得起2月可用信息的检验。4月的修订就留在4月。