10、库存数据的来源与处理：官方数据、行业数据与高频数据
做基差交易的人，都绕不开库存数据。
我常说一句话：库存是基差的锚。没有靠谱的库存数据，你的价差分析就是空中楼阁。但问题来了——库存数据从哪来？怎么用？哪些能信？哪些要自己动手处理？
这一章，咱们就把这事彻底讲透。
10.1 官方数据：慢，但权威
官方数据，说白了就是国家统计局、交易所、行业协会定期发布的库存报告。比如中国的铜库存周报、美国的EIA原油库存、LME的仓单数据。
优点很明显：
- 权威性高，没人敢造假
- 口径统一，便于历史对比
- 免费或低成本获取
缺点也很要命：
- 发布频率低（周度、月度为主）
- 滞后严重（比如中国社库数据，周五收盘后才出）
- 颗粒度粗（只给总量，不分地区、不分品级）
我的经验：官方数据适合做长周期趋势判断，不适合短线交易。比如你判断铜的库存拐点，用官方周度数据就够了。但你要做日内基差套利，等官方数据出来，黄花菜都凉了。
避坑指南：我曾经吃过一次亏——某品种的官方库存数据突然大幅跳升，我以为是累库信号，结果后来发现是统计口径调整了。所以，每次数据发布后，先看注释，确认口径是否变化。
10.2 行业数据：快，但杂
行业数据，指的是资讯机构、咨询公司、行业协会自己调研发布的库存数据。比如SMM的铜库存、Mysteel的钢材库存、CCTD的煤炭库存。
这类数据的特点是：
- 频率高：很多能做到日度甚至实时
- 颗粒度细：分地区、分仓库、分品级
- 时效性好：当天调研，当天发布
但问题也明显：
- 样本偏差：调研覆盖不全，可能漏掉关键仓库
- 统计口径不统一：不同机构的数据不能直接对比
- 存在利益冲突：有些机构背后有产业资本，数据可能被操纵
注意：行业数据一定要交叉验证。我习惯的做法是：至少对比三家机构的数据，如果某家数据明显偏离，先标记为可疑，再找原因。
10.3 高频数据：快，但需要处理
高频数据，是最近几年才火起来的。主要来源包括：
- 卫星遥感数据：比如通过卫星图像估算原油罐区库存
- 港口进出数据：通过AIS船舶轨迹推算到港量
- 仓库出入库数据：部分仓库的实时出入库记录
- 价格反推数据：利用期现价差、月间价差反推库存变化
这类数据的优势是：
- 实时性极强：可以做到分钟级更新
- 覆盖面广：理论上可以覆盖全球主要仓储节点
- 难以操纵：数据来源分散，造假成本高
但缺点也很突出：
- 噪声大：原始数据需要大量清洗
- 成本高：卫星数据、港口数据都要付费
- 解读难度大：需要专业算法才能转化为可用库存数据
我的建议：高频数据适合做日内和短线交易。但如果你没有数据处理能力，别碰。我见过太多人买了卫星数据，结果不会用，最后扔在硬盘里吃灰。
10.4 数据处理：从原始数据到可用信号
不管数据来源是哪，拿到手之后都要处理。我总结了一套标准流程：
- 清洗：剔除异常值、补全缺失值、统一时间戳
- 对齐：不同来源的数据，要统一到同一时间频率
- 标准化：消除口径差异，比如把“吨”和“桶”统一
- 去噪：用移动平均、卡尔曼滤波等方法平滑数据
- 信号提取：计算库存变化率、库存偏离度等指标
举个实际例子。我处理LME铜库存数据时，会做这样几步：
# 伪代码示例：库存数据处理流程
def process_inventory_data(raw_data):
# 1. 清洗：剔除0值和异常跳变
clean_data = remove_outliers(raw_data, threshold=3)
# 2. 对齐：统一到日度频率
aligned_data = resample(clean_data, freq='D')
# 3. 标准化：计算库存变化率
aligned_data['change_pct'] = aligned_data.pct_change()
# 4. 去噪：7日移动平均
aligned_data['smooth'] = aligned_data['change_pct'].rolling(7).mean()
# 5. 信号：计算库存偏离度（当前值 vs 历史均值）
aligned_data['z_score'] = (aligned_data['smooth'] -
aligned_data['smooth'].mean()) / aligned_data['smooth'].std()
return aligned_data
避坑指南：我曾经在清洗环节犯过错误——把库存数据中的“0”值直接当作缺失值处理了。后来发现，有些仓库确实会库存清零。所以，处理前一定要先了解业务逻辑。
10.5 三种数据的融合策略
单一数据源都有缺陷。我个人的做法是：官方数据定方向，行业数据定幅度，高频数据定时机。
具体来说：
- 用官方周度数据判断库存趋势（累库还是去库）
- 用行业日度数据估算库存变化幅度
- 用高频数据捕捉库存拐点和突发事件
举个例子。做原油基差交易时：
- EIA周度库存报告：判断整体供需格局
- Genscape日度库存数据：跟踪库欣地区变化
- 卫星遥感数据：实时监控海上浮仓库存
三者结合，才能形成完整的库存画像。
核心要点：没有完美的数据源，只有合理的组合策略。你想想看，如果某个数据源就能解决所有问题，那市场上早就没有套利空间了。
10.6 知识体系框架
下面这张图，是我自己整理的库存数据体系。你看一眼，就能明白三种数据的关系和定位。
这张图我用了好几年，每次带新人都会拿出来讲一遍。说白了，库存数据处理的核心就三件事：知道数据从哪来、怎么处理、怎么组合用。
最后说一句：数据是死的，人是活的。同样的库存数据，在不同人手里能玩出完全不同的花样。我见过有人用卫星数据做原油基差，年化收益做到30%以上。也见过有人守着官方周度数据，照样稳定盈利。关键不在于数据多高级，而在于你怎么理解、怎么用。
公众号：蓝海数据掘金营，微信 deep3321