Project 4 准备层数据字典

字段名与 configs/signal_contract.json、signal_layer.py 一致。本层所有数据都是构造的（frame.constructed = true，has_real_company_data = false）；“真实来源”一列写完整 Project 4 需要的来源，不表示已取得。

A. 输入表

A1. `versions`（财报版本）

主键：security_id + period_end + available_at（同一财年的原始与重述各一行）。

字段	含义	单位	时间字段	缺失与口径	真实来源（完整 Project 4）
`security_id`	证券（公司）标识	字符串	—	不缺失	SEC `cik` 与证券主文件的映射（缺，需要）
`period_end`	财年末（报告期）	日期	event_time	不缺失；不是可得时间	SEC `period`
`available_at`	该版本公开的时点（带时区）	UTC 时间戳	available_at	不缺失；构造为财年末 16:05 UTC + 60–110 天（重述 130–260 天）	SEC `accepted`（时区需核对，见 `source_feasibility.md`）
`ingested_at`	进入本数据库的时点	UTC 时间戳	ingested_at	构造为 `available_at` + 1 天	本项目下载并入库的时点
`form`	`10-K` 或 `10-K/A`	字符串	—	重述保留两行	SEC `form`、`prevrpt`
`revenue`、`cogs`、`sga`、`interest`	收入、销售成本、销售管理费用、利息费用	报告货币，同一规模	同上	银行的 `cogs`、`ebitda` 为 NaN	XBRL 标签映射（待核对，见来源可行性）
`net_income`、`cfo`	净利润、经营现金流	同上	同上	同上	同上
`assets`、`assets_prev`、`equity`、`equity_prev`、`debt`、`cash`、`ebitda`	当年与上年年末资产、权益，债务，现金，EBITDA	同上	同上	约 3% 的公司年权益近零或为负；同一份提交里保存上年比较余额	同上

同一行内的所有数值必须来自同一份财报；latest_available_values 一次取出整行。

A2. `returns`、`market_cap`、`listed`

主键：月份 × security_id。

字段	含义	单位	时间字段	缺失与口径
`returns`	月度总回报（简单收益）	小数	收益月（event_time = 月内；无 available_at）	不在上市期内为 NaN；退市月收益 $-0.25$ （构造设定），之后 NaN
`market_cap`	月末市值	货币	月末	不在上市期内为 NaN
`listed`	月末是否在宇宙内（as-of 成员）	布尔	月末（`signal_time` 当时已知）	含后来退市的名字；不用现在的成分回填历史

A3. `industry`

主键：security_id。字段 industry：行业标签（6 个非金融行业 + Bank），构造里是静态标签；真实世界必须用 signal_time 当时已知的版本（SEC sic 是“提交时”的值）。

B. 输出（信号层）

均为“月 × 证券”的面板，行 $t$ 只用 $\le t$ 的信息；未上市的名字在每个字段上为 NaN。

输出	含义	方向	缺失
`book_to_market`	权益 / 市值	越大越便宜	权益或市值非正为 NaN
`earnings_yield`	净利润 / 市值	越大越便宜；亏损保留负号	市值非正为 NaN
`ev_to_ebitda_cheapness`	$-$ EV/EBITDA 的同日百分位（EV = 市值 + 债务 $-$ 现金；简化桥，假设少数股东权益、优先股、非经营资产为零，构造宇宙没有这些字段）	越大越便宜	EV 或 EBITDA 非正为 NaN；银行 NaN
`mom_12_1`	月 $s-11..s-1$ 的 $\prod(1+r)-1$	越大越强	窗口内有缺失月为 NaN
`gp_a`	(收入 $-$ 销售成本) / 平均资产	越大越好	银行 NaN
`neg_accrual`	$-(\text{净利润}-\text{经营现金流})$ / 平均资产	越大越好	缺任一项为 NaN
`roe_avg`	净利润 / 平均权益	越大越好	两个年末权益都须为正且平均权益大于平均资产的 5%，否则 NaN
预处理后的 $z$	同日缩尾 → 对行业与对数市值中性化 → z 分数	—	当日有效名字不足为整行 NaN
风格分数、合成分数	风格内等权（可得因子重新加权，至少 1 个）；风格间等权（至少 2 个风格）	越大越看多	不足 2 个风格为 NaN，不补零
五分位多空权重	最高五分位 $+1/m$ 、最低五分位 $-1/m$ （总暴露 2）；可选仅在信号listed支持集投影并恢复gross2	—	listed不足60、无多空方向或投影退化时现金；listed但无alpha可作行业对冲，支持集外零

C. 时间字段与规则

available_at ≤ signal_time < trade_time；signal_time 是月末最后一刻（UTC）；一个版本在信号月 $t$ 可得当且仅当 available_at 与 ingested_at 都严格早于次月第一个时刻；未来收益只作标签，不进入任何信号、预处理或参数选择。

D. 当前方法的门槛与输出身份

上市人数60、字段缩尾30、z分数10、风格内1字段/跨风格2种是不同门槛。OLS只用signal、全部controls和group同一有效配对，至少2个残差自由度。合成可得数只计非零权重项。行业投影后的持仓可包含无alpha对冲名字，不能再描述为纯极端五分位。旧A5全列投影gross2.11仅为历史；当前C13支持集target恢复gross2，执行后残差另报。