第6章事件日历构建

6. 事件日历构建：建立事件数据库、事件分类与标签、事件时间窗口定义

做事件驱动交易，说白了就是跟「日历」打交道。

你想想看，一个公司什么时候发财报？什么时候开股东大会？美联储哪天议息？这些都不是随机发生的。它们都写在日历上。但光有日历还不够，你得把日历变成一套可执行的系统。

我个人习惯把这件事拆成三步：建库、分类、定窗口。下面我一个个说。

6.1 建立事件数据库

数据库是地基。地基不稳，后面全白搭。

我最早做这个的时候，用的是Excel硬拉。后来数据量一上来，Excel直接崩了。嗯，从那以后我全换成了SQLite或者PostgreSQL。轻量级用SQLite，生产环境用PostgreSQL。

一个最小可用的事件表，长这样：

CREATE TABLE events (
    id INTEGER PRIMARY KEY AUTOINCREMENT,
    ticker TEXT NOT NULL,          -- 股票代码
    event_type TEXT NOT NULL,      -- 事件类型
    event_date DATE NOT NULL,      -- 事件发生日期
    announce_date DATE,            -- 公告日期
    source TEXT,                   -- 数据来源
    tags TEXT,                     -- 标签（JSON格式）
    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);

字段不多，但够用。我建议你加上 announce_date，因为很多事件不是当天才被市场知道的。比如财报，实际发布前几周就有预告了。这个时间差，恰恰是交易机会所在。

我的小技巧： 用 tags 字段存JSON。这样不用频繁改表结构。比如一个事件可以同时打上「财报」「超预期」「科技股」三个标签，查起来非常灵活。

6.2 事件分类与标签

事件分类，我把它分成三大类：

固定日历事件：财报发布、分红除权、股东大会、指数调仓。这些时间基本是固定的，可以提前半年甚至一年预判。
政策/宏观事件：美联储利率决议、非农数据、CPI发布、央行会议。这些由国家机构定时间，也是固定的。
突发/随机事件：并购重组、诉讼判决、产品召回、CEO离职。这些没法提前预判，但发生后需要立刻标记。

标签系统我建议用「层级标签」。举个例子：

一级分类	二级分类	标签示例
财报	业绩预告	预增、预亏、扭亏
财报	正式发布	超预期、符合预期、不及预期
宏观	利率决议	加息、降息、按兵不动
公司事件	并购	要约收购、合并、剥离

为什么要分这么细？因为不同标签对应不同的波动率行为。比如「预增」标签，事件前隐含波动率会慢慢上升，事件后快速回落。而「并购」标签，波动率可能在公告当天直接跳升。

    核心观点： 标签就是你的交易策略筛选器。没有标签，你只能看一堆日期发呆。有了标签，你才能说「我要找所有预增的科技股，做事件前买入波动率」。

6.3 事件时间窗口定义

事件窗口，就是「事件前多久开始交易，事件后多久结束交易」。这个窗口定义，直接决定了你的策略是赚是亏。

我一般用三个参数：

T-0：事件发生当天
事件前窗口：比如 T-30 到 T-1，即事件前30天到前1天
事件后窗口：比如 T+1 到 T+30，即事件后1天到后30天

但这里有个坑。我曾经在回测时发现，有些策略在T-30到T-1表现很好，但实盘一跑就亏。为什么？因为我把「公告日期」和「事件日期」搞混了。

举个例子：财报实际发布日期是3月15日，但公司可能在2月20日就发了预告。如果你用3月15日作为T-0，那2月20日到3月14日这个窗口里，波动率早就被预告事件消化了。你进场时，波动率已经在高位，赚不到钱。

避坑指南： 一定要区分「公告日期」和「事件日期」。对于财报，建议用「预告日期」作为T-0。对于宏观事件，用「实际发布日」作为T-0。不同事件类型，T-0的定义不同。

我常用的窗口定义规则：

def get_event_window(event_type, announce_date, event_date):
    if event_type == 'earnings_preview':
        # 业绩预告：窗口从预告前20天到预告后5天
        return (announce_date - 20, announce_date + 5)
    elif event_type == 'earnings_official':
        # 正式财报：窗口从正式发布前5天到发布后10天
        return (event_date - 5, event_date + 10)
    elif event_type == 'fed_rate':
        # 美联储利率决议：窗口从决议前15天到决议后3天
        return (event_date - 15, event_date + 3)
    else:
        # 默认窗口：前30天到后10天
        return (event_date - 30, event_date + 10)

这段代码看着简单，但实际用起来要反复调参。我建议你一开始用宽窗口（比如前后各30天），然后逐步缩窄，找到最优区间。

6.4 知识体系总览

下面这张图，是我自己梳理的事件日历构建流程。你可以把它当成一个检查清单：

这张图从左到右、从上到下，就是一套完整的事件日历构建流程。你照着这个框架搭，基本不会漏掉关键环节。

最后说一句： 事件日历不是一次性建完就完事的。我每周都会跑一遍脚本，检查有没有新事件漏掉、旧事件日期有没有变更。数据是活的，日历也得跟着动。

公众号:蓝海资料掘金营，微信deep3321

📚 课程目录

6. 事件日历构建：建立事件数据库、事件分类与标签、事件时间窗口定义

6.1 建立事件数据库

6.2 事件分类与标签

6.3 事件时间窗口定义

6.4 知识体系总览