JR/T 0176.1-2019 相关标准英文版PDF
JR/T 0176.1-2019: 《证券期货业数据模型 第1部分：抽象模型设计方法》
JR/T 0176.1-2019 英文名称: Securities and futures industry data model - Part 1: Abstract model design method
中 华 人 民 共 和 国 金 融 行 业 标 准
证券期货业数据模型
第 1部分：抽象模型设计方法
中国证券监督管理委员会 发 布
1 范围
本部分规定了证券期货业抽象模型设计方法，包括总体设计架构、整体设计方法、公共部分设计方
法、交易部分设计方法、监管部分设计方法、信息披露部分设计方法、元语定义以及产出物说明。
本部分适用于证券期货行业抽象模型建设工作。
2 规范性引用文件
下列文件对于本文件的应用是必不可少的。凡是注有日期的引用文件，仅所注日期对应的版本适用
于本文件。凡是未注日期的引用文件，其最新版本（包括所有的修改单）适用于本文件。
《企业会计准则》财政部会计司
3 术语和定义
下列术语和定义适用于本文件。
4 总体设计架构
抽象模型遵循“1+3+N”的总体设计架构如图1所示，其中：
--“1”是指抽象模型的行业公共部分，包括主体、品种、财务三个主题及其他公共部分。行业
公共部分可以被“交易”、“监管”、“披露”中至少两条业务主线复用，且自身保持语法、
语义一致。
--“3”是指以“交易”、“监管”、“披露”三条业务主线分别梳理形成的模型，三组模型彼
此耦合度不高，组间个性化部分允许出现同名不同义的冲突情况，不要求在语法语义上保持一
致。每组模型再分为该业务范畴内的公共部分及覆盖其下应用系统的专用数据模型。其中公共
部分可以在该业务范畴内被共用，应在组内保持语义、语法一致。
--“N”是指在每个业务主线梳理形成的模型中，特定应用系统的专用数据模型，该部分的数据
和表为某一应用特有的，只在该应用中被使用，与业务主线中其他应用的模型不复用。每个“N”
中涉及的数据、表在语法、语义上不要求一致。
6 公共部分设计方法
抽象模型的公共部分主要包括品种、主体、财务三个主题，具体设计方法如下：
a) 品种主题。参照GB/T 35964-2018，结合国内资本市场实际情况调整、补充品种分类体系，经
过补充实体、属性、代码等进一步细化，形成品种主题模型。
b) 主体主题。结合资本市场实际，依据最新发布的法规文件，梳理形成的主体分类体系，并补充
实体、属性、代码等，形成主体主题模型。
c) 财务主题。依据《企业会计准则》，结合资本市场在信息披露、交易和监管领域的实际应用梳
理形成财务报表体系，并补充实体、属性、代码等，形成财务主题模型。
7 交易部分设计方法
7.1 概述
抽象模型交易部分采用的是“证券品种-过程-行为”（Securities-Process-Behavior，简称SPB）
设计方法，首先根据公共部分的品种主题筛选待梳理的品种，其次根据各品种梳理业务主干流程，对流
程图中各个交易环节进行归纳和抽取，整理出行为列表；将各个行为按照交易前、中、后的各个过程进
行切分，形成各品种的行为过程二维图。针对行为过程二维图中行为，梳理业务流程的环节和各环节的
产出，形成业务流程的泳道图；细化业务流程泳道图中的产出物涉及的数据项，明确数据项的定义及属
性信息。将数据项按主题归并提炼形成数据对象，数据对象及其之间的关系以实体关系图的形式表达，
形成理论数据模型。最终通过现实系统的数据模型对理论模型进行回归验证及完善。具体梳理步骤如图
7.2 行为及过程梳理
针对每个品种所涉及到的业务主干流程进行梳理，以融资融券为例，具体行为及过程梳理步骤如下：
a) 按照投资者融资买入、投资者融券卖出、证券公司提供服务三条主干流程进行分析，形成三大
主干流程图，梳理结果示例如图4所示。
图 4 主干流程样例
b) 对主干流程图中的各个交易环节进行归纳和抽取，整理出各品种涉及的行为列表；在归纳和抽
取过程中需保证每个行为的独立性，行为与行为之间不应存在包含关系。梳理结果示例如图5
所示。
图 5 行为列表样例
c) 对每个行为按照交易前、交易中和交易后的时序进行切分，识别出各行为涉及的基本操作，最
终形成该品种的行为过程二维矩阵图。梳理结果示例如图6所示。
行为
过程
图 6 行为过程二维图样例
d) 在行为过程二维矩阵图形成后，参照相关业务流程及规则定义梳理出具体的细化流程图，便于
后续进行数据项梳理及提炼。梳理结果示例如图7所示。
图 7 业务流程图样例
7.3 数据项梳理
参照业务流程图，对每个业务环节梳理和提炼数据项，并根据数据项的业务特征进行分类。梳理结
果示例如图8所示。
图 8 数据项提取样例
7.4 数据模型设计
数据模型设计步骤如下：
a) 针对全部业务流程中梳理出的数据项分类，按照合并同类项的原则进行聚合，形成独立的数据
实体；
b) 根据业务的关联度，构建实体与实体之间的关系；
c) 以实体关系图的形式对模型进行描述和表达。
模型设计结果示例如图9所示。
说明：
标识关系，当一个外键从父实体迁移到子实体的主键区域，在两个实体之间就形成了一个标识关系，标识关系用连接两个实体间的实线来表示。
非标识关系，当一个外键从父实体迁移到子实体的非主键区域，在两个实体之间就形成了一个非标识关系,非标识关系用连接两个实体间的虚线来表示。
7.5 模型验证
以现有的业务系统作为回归验证的对象，检查模型对业务系统全部数据范围的涵盖情况。主要考察
模型符合实际业务的情况，包括对现有业务的覆盖情况和对未来业务的兼容性，通过实际系统对理论模
型进行验证。
8 监管部分设计方法
8.1 概述
监管部分主要采用“监管主题/监管方式”（Theme/Method，简称T/M）方法，以相关法律法规为基
础，遵循有法可依的原则，构建监管模型。
8.2 方法描述
依照法律法规，对监管对象（如会计师事务所）、监管主题（如获取证券期货业资格）、监管方式
（如行政许可）进行三维分析，并在此基础上梳理出对应监管流程及相关信息，从而得出监管模型。
8.3 步骤简述
T/M梳理方法用四个步骤梳理出监管模型：
a) 参考行业抽象模型主体部分梳理监管主体（I），针对每个主体梳理相应监管业务（B）及涉及
品种（V），IBV 交汇的点即为监管主题（T）；
b) 按事前、事中、事后梳理监管方式（M）；
c) T 与 M 正交展开遍历，针对 TM 的每个项，根据法律法规及详细案例梳理监管流程，并依据数
据提取架构找出每个流程相关数据集；
d) 根据模型设计方法，按每个监管方式，提取公共的流程和公共的数据表、数据项。
8.4 模型验证
考察监管部分模型符合实际业务的情况，包括对现有业务的覆盖情况和对未来业务的兼容性。
以数个有代表性的业务为例，对模型进行检验，检查该业务在模型中的体现情况，业务中涉及的数
据项、数据对象的整理提炼情况。
9 信息披露部分设计方法
9.1 概述
信息披露部分主要采用T4R（Templete Reflect Refine Recombine Regress，简称T4R）方法。该
方法是采用基于信息披露模板的模型梳理方法，包括模板（Templete）、映射（Reflect）、提炼（Refine）、
重组（Recombine）、回归（Regress）等五个重要环节。其中模板是信息披露的基础，映射基于模板制
定出语义独立的数据表，进一步提炼出原子、复合数据及可复用数据表，重组后进行逻辑推演和测试验
证，经多次迭代后形成最终的披露信息模型。各环节的关系如图11所示。
图 11 披露模型各环节关系
9.2 模板（Template）
模板是信息披露内容的具体体现，构建模板，首先以统一的主体和品种分类为依据，结合主体和品
种运行周期，分别整理归纳和信息披露有关的法律法规，将梳理出的信息披露业务规则和要求进行规范
后形成的文档即为信息披露模板，如图12所示。
图 12 信息披露模板
模板用于全程指导后续的信息披露流程的各个环节应用。通常情况下，一种信息披露业务对应一个
信息披露模板，模板由标题、段落、文字和表格构成，既对业务科目做出了定义，也对业务科目产生的
场景进行了描述。
模板中的业务科目和表格可被复用，业务含义相同的科目和完全一致的表格，按照先提出先定义的
原则，只定义一次，后续定义的模板只对此科目进行引用，而不进行重复定义。模板是信息披露模型梳
理和创建的起点和依据，通过后续的建模方法，完成信息披露模板和标准到信息模型的转换。
9.3 映射（Reflect）
在选定信息披露模板后，对模板的结构进行梳理，定义出语义独立数据表，以及数据表间的多层次
构成关系。如：一般企业上市公司年报包括董事会报告、监事会报告、财务报告等，其中财务报告包括
审计报告、财务报表、财务报表附注等。
语义独立数据表可面向应用进行建模指导，它可由其他语义独立数据表、可复用数据表、复合数据、
原子数据共同组成。以一般企业合并财务报表为例，根据业务梳理出的具体组成，如图13所示。
图 13 一般企业合并财务报表组成样例
9.4 提炼（Refine）
9.4.1 通用维度的设计
提炼原子数据的工作，是在每个模板内根据披露信息的业务含义，提炼出不需要再分的最小数据单
元。
在信息披露的规范要求中，对于数据的报表类型、数据状态、分级类别等背景信息，采用通用维度
的形式标注，同一份报告中不同背景信息的数据通过通用维度加以标注和区分。
在模型定义中对于多背景信息的原子数据、复合数据采用“原子或复合数据[维度]”的形式标注。
9.4.2 原子数据梳理
根据以下原则对原子数据的粒度适当性进行判断：
--财务类数据以财务报表及财务报表附注中的独立财务科目以及相关的独立概念为原子数据；
--非财务数据选择具有统计与分析价值的概念作为原子数据，当一个概念理论上可细分但其细分
概念不具有统计与分析价值的时候，则不再细分；
--当信息披露相关法律法规明确列举一项需披露的内容时，该项内容至少应被定义为一个原子数
据，如有进一步细分的必要时可定义为复合数据。
注：上述细分原则中列举的财务类数据，由于大多数可由计算得到，因此可能被定义为复合数据。
原子数据样例如图15所示。
9.4.3 复合数据梳理
复合数据的梳理工作方法是在原子数据梳理的基础上，把可以通过计算、构成以及其他因素加工而
成的数据识别出来，确定为复合数据。
9.4.4 可复用数据表梳理
可复用数据表梳理工作是在相同主体或相同类别的模板范围内，对每个模板内容进行分析，对相关
的语义上独立的数据表进行抽象与归纳，提炼出逻辑上可复用的数据表。
在数据提炼阶段，暂不考虑跨披露主体和模板的复用问题，关注重点在于单一模板内的可复用性。
在信息披露实践中会出现同一内容在多处表现的情况，在单一模板内的原子数据和复合数据不能出现重
复定义的情况。
9.5 重组（ReCombine）
从模板映射出语义独立数据表，提炼出原子数据、复合数据、可复用数据表后，不同披露主题、产
品的披露模板中仍然存在一定的共性内容，应对比其共性内容进一步识别和提炼可复用的数据表，识别
业务含义相同的原子数据和复合数据，替换模型中的相应元数据定义，使得同一业务含义的数据只定义
一次。
从模板映射和提炼出来的可复用数据表、语义独立的数据表均属于根据模板梳理的“展示”层面的
模型，这些表和原子数据、复合数据的对应关系也属于“展示”层面，实际存储层面应根据数据之间的
关系对这些数据进行重新组织，确定原子数据、复合数据的表存储结构，并确定表间关系以及主键。
9.6 回归（Regress）
对于已经分析得出的信息披露模型，应对其进行回归验证。信息披露模型回归验证方法包括逻辑推
演和测试验证两种方式：
a) 逻辑推演：深入分析信息披露业务的原始需求，罗列信息披露业务的场景与流程，推演信息披
露模型对现有业务需求的适用性，以及对未来可能业务需求的兼容性；
b) 测试验证：通过搭建原型测试系统，测试验证模......
|
||||||||||||||||||||||||||||||||