第 11 课 · 我们的机器：八个部件与”层层设卡”

【这课你会明白什么】

从原始档案到最终判决，数据流过哪八个工位
每个部件是怎么被独立验收的
“结论的可信度＝脚下最不可信的那一层”这句话的分量

正文

前十课的概念现在可以拼成一张全景图。工厂里，数据沿着八个工位流动：

① 原始档案库。18GB 的 .scid 逐笔文件（第 5 课），只进不改，是一切的原件。

② 翻译官（解析器）。把二进制档案逐字节翻译成程序能算的表格。验收方式：第 6 课那桩侦探案——165 笔独立日志 100% 匹配。它管着地基，所以用了最重的证据。

③ 库存审计员（盘点）。扫描全部文件，输出覆盖范围、空洞、异常清单。战果：抓出 2025 年 7–9 月的空洞和那 28,723 条混入记录（第 5 课）。它把”我以为有”变成”我确认有”。

④ 粮仓（Parquet 转换）。把 12GB 逐笔转存成 1.29GB 的列式仓库。行式存储像流水账（一条记录的所有字段挨在一起），列式像把同类货物打包上架——研究通常”只要价格这一列”，列式只搬这一包货，读取快一个量级。原则：转换中剔除的每条脏数据都逐条记数写进报告——清洗必须留痕。

⑤ 磨坊（K 线聚合）。把逐笔磨成任意周期的 K 线（第 5 课）。验收方式：拿手工算好答案的人造数据喂它，输出必须精确一致。约定：没成交的时段不造空 K 线——宁缺毋假。

⑥ 缝纫师（连续合约）。把一段段合约用第 6 课的复权法缝成连续序列。验收方式：双文件拼接价差恰好 0.00 那次自检。

⑦ 考场（回测引擎）。执行第 7 课的六条反放水规则。验收方式：7 个手算场景，分毫不差。

⑧ 考试院（检验框架）。组织 walk-forward、按预注册协议执行门槛评分、管理台账与考试额度（第 9、10 课）。它还有一项特殊职责——给考试本身出一次考试，第 13 课揭晓那是什么。

现在说这张图的灵魂：层层设卡。

回测结论的可信度＝它脚下最不可信的那一层。

翻译官错一个字节、缝纫师漏一道缝、考场开一个后门——楼上无论多精密的统计都是空中楼阁。所以每一层都必须有独立于它自己的验收证据：翻译官靠外部日志、磨坊靠手算答案、缝纫师靠两条独立数据链、考场靠手算场景。”独立”是关键——用一个部件的输出去验证它自己，等于同一个人出题又阅卷（第 6 课已经见过这个原则）。

将来你看到”期望 −0.84 点/笔”这样的判决敢不敢信，取决于这串数字脚下的每一层是否都被这样审过。我们的答案是：都审过，且证据都在报告里。

【与我们项目的连接】

八个工位对应仓库里的真实文件：scid.py（翻译官）、inventory.py（审计员）、scid_to_parquet.py（粮仓）、bars.py（磨坊）、continuous.py 与 longhist.py（缝纫师）、backtest.py（考场）、wf.py（考试院）。《初学者手册》第二部分是每个部件的详细档案——读完本课程后，它是你的进阶参考。

【三个自测问题】

“可信度＝最不可信的一层”——请用翻译官举一个例子。
为什么每层的验收证据必须”独立”？
列式粮仓为什么比行式流水账快？

（答案：1. 若解析器把时间字段翻译错 1 小时，则所有”开盘后 60 分钟”类规则全部错位，之后的回测、统计再严谨也全部作废。2. 用部件自己的输出验证自己＝出题人兼阅卷人，错误会自我掩盖；独立证据链（外部日志、手算答案）才能暴露它。3. 研究查询通常只需要少数几列，列式只读那几包货，还能整段跳过无关时间，行式则要翻整个仓库。）