前复权、后复权还是不复权？个人开发者的复权校验、抽样检查与复现记录实践

量化小c
2 阅读17分钟

一句话结论：复权不是「勾一个参数」，而是一套价格口径约定。同一段行情在前复权、后复权、不复权下会给出不同的价格水平、不同的跳空形态和不同的绝对阈值，所以个人开发者真正要做的是三件事——固定口径、用抽样和交叉校验证明数据没坏、把取数条件连同数据指纹一起记录下来。

1. 问题定义：复权是价格口径，不是数据处理选项

复权（Adjustment） 处理的是这样一个问题：上市公司发生送股、转增、配股、派息、拆股等公司行为后，股价会出现机械性跳变，但股东权益并没有同比例变化。如果不做处理，价格序列上就会出现一段「假暴跌」，它不是市场行为，而是会计行为。

所以复权本质上是在回答一个问题：你关心的「价格」，是当天真实的成交价，还是把公司行为还原之后的连续价格序列？

这两种答案在量化开发里都有用，但它们不能混用。三个最常见的口径：

  • 不复权：保留真实成交价，跳空原样保留。
  • 前复权：以最新价格为锚，把历史价格按因子缩放上去。
  • 后复权：以上市首日为锚，把之后的价格按因子放大。

关键结论先说在前面：前复权与后复权在同一标的上只差一个常数比例，因此两者的日收益率序列在数学上应当完全一致。 这一点很多人没有意识到，但它恰好是最强的交叉校验手段，后文会把它写成一条断言。

2. 影响链路：复权口径怎么一路传导到回测结果

复权问题之所以值得单独写一篇，是因为它不会在取数时报错，而是安静地污染下游。

口径选错 / 混用
↓
价格序列出现非市场跳空
↓
收益率、波动率、均线等指标被污染
↓
信号在除权日附近异常触发或漏触发
↓
回测收益曲线出现无法解释的拐点

三个具体的传导路径，个人开发者几乎一定会撞上其中一个：

路径一：用不复权价直接算收益率。 除权日当天 close.pct_change() 会把派息和送股算成一次暴跌。如果这只股票恰好在那天触发了一个「跌破 N 日均线」的信号，你会得到一个现实中根本不存在的交易机会。

路径二：用前复权价做绝对价格判断。 类似「股价低于 10 元才纳入股票池」的过滤条件，如果作用在前复权序列上，那么每发生一次新的除权，整段历史的绝对价格都会变，历史上某一天是否被选中也随之改变。这在回测里等价于引入了一个隐蔽的未来函数。

路径三：前复权数据缓存不刷新。 本地缓存了三个月的前复权日线，新数据按新因子重新拉取后直接拼接，拼接点会出现一次不属于任何真实事件的跳空。

3. 三种口径的差异与选择

口径锚点历史序列是否随新除权变化价格是否等于真实成交价典型用途
不复权无否是撮合模拟、涨跌停校验、最小价格单位校验、与盘口对齐
前复权最新交易日是，每次除权后整段历史被重算否，历史价被缩放图表展示、跨标的横向比较
后复权上市首日否，只追加不改历史否，最新价被放大回测、长期收益计算、因子计算

选择建议可以归纳得很简单：

  • 做回测、算收益率、算因子 → 用后复权。原因是历史不变，今天算出来的因子和半年后算出来的因子是同一个数。
  • 做展示、做跨股票对比 → 用前复权，因为价格水平接近当前真实价格，肉眼可读。
  • 做撮合、做涨跌停判断、做盘口对齐 → 必须用不复权，因为交易所的规则是作用在真实价格上的。

有一处口径细节需要自己验证：复权因子是否包含现金分红的再投资，不同数据源的处理方式可能不同。 这直接决定了你算出来的「长期收益」是不是含息收益。建议拿一只连续多年分红的标的，手工核对一年的结果，确认一次即可。

4. 抽样与缺失值检查怎么做

4.1 抽样：按四个维度分层，而不是随机抽

随机抽十只股票的意义不大，因为复权问题高度集中在特定位置。更有效的抽样是分层：

  1. 按事件抽（最重要）：每只标的的除权除息日前后各取 3 个交易日。这里是最容易出问题的地方。
  2. 按年份抽：每一年抽 2 到 3 只标的，覆盖不同的市场环境。
  3. 按板块抽：主板、创业板、科创板、北交所的涨跌幅限制和代码规则不同，ETF、美股、港股的公司行为类型也不同，各抽一只。
  4. 按极端值抽：单日涨跌幅接近涨跌停的日子，检查复权后是否还在合理范围。

4.2 缺失值：要分三层看

层级检查内容常见误判
行级交易日缺口、重复日期、非交易日数据把停牌当成数据缺失
字段级OHLCV 空值、价格为 0 或负数用前值填充制造出 0 收益率
逻辑级high < low、close 超出 [low, high] 区间、volume 为负直接丢行而不记录

这里最容易出错的是第一层。交易日历里有、但数据里没有的那一天，既可能是数据缺失，也可能是停牌。 这两种情况的处理方式完全不同：数据缺失必须补齐或剔除区间，停牌则应当保留并标记为不可交易。如果统一用前值填充，你会得到一串虚假的 0 收益率，直接把波动率和夏普比率压偏。

5. 三个可以写进自动化校验的断言

这三条是我认为投入产出比最高的校验，都可以写成单元测试或每日巡检任务。

断言一：前复权与后复权的日收益率序列必须一致。

两者只差一个常数比例，所以 pct_change() 应当逐日相等（浮点误差内）。如果不一致，说明两条序列至少有一条的因子计算有问题，或者两条序列的交易日范围没有对齐。

断言二：后复权收盘价与不复权收盘价之比，应当与除权因子吻合。

注意这里有个坑：因子方向因数据源而异，可能是 复权价 = 原价 × 因子，也可能是 复权价 = 原价 ÷ 因子。不要假设，要用数据反过来验证一次方向。

断言三：除权日应当出现「不复权跳空、复权不跳空」。

这是最直观的一条：在不复权序列上找到显著跳空的日子，去复权序列的同一个日期上看，如果跳空消失或大幅收敛，说明复权生效了；如果两边都跳空，说明复权根本没作用上。

6. 复现记录：需要落盘哪些字段

对后复权来说，记录「标的 + 复权方式 + 时间区间」基本就够了，因为历史不变。

但前复权不行。 前复权的锚点是取数时刻的最新价，今天取的数据和三个月后取的数据，价格水平不一样但收益率一样。这意味着如果你只记「我用了前复权」，三个月后你无法还原当时那份数据。

建议最少记录这些字段：

  • 统一标的代码（如 600519.SH、000001.SZ、920047.BJ、AAPL.US、00700.HK）
  • 复权方式
  • 请求的时间区间
  • 取数时间戳（UTC）
  • 行数、首末交易日期、首末收盘价
  • 该区间的除权因子快照
  • 数据指纹（对规范化后的序列做哈希）

指纹这一项成本极低，但作用很大：数据源做了任何静默变更，指纹都会变，你立刻就能发现「同一份请求这次拉回来的东西和上次不一样」。

7. 代码：把上面四件事写成函数

数据获取部分（K 线接口、除权因子接口的调用方式与可选复权方式枚举）请以 QuantDash 官方文档为准。下面所有函数的输入统一是已经取回的 DataFrame，这样无论你用 Python SDK 还是 REST API，校验逻辑都可以直接复用，也不会因为接口变动而失效。

import hashlib
from datetime import datetime, timezone

import pandas as pd

PRICE_COLS = ['open', 'high', 'low', 'close']


def check_integrity(df, symbol, trade_days):
    '''第一层：结构完整性检查。trade_days 为标的所属市场的交易日序列。'''
    issues = []
    d = df.copy()
    d['date'] = pd.to_datetime(d['date']).dt.normalize()

    dup = int(d['date'].duplicated().sum())
    if dup:
        issues.append((symbol, 'duplicate_date', dup))

    extra = d.loc[~d['date'].isin(trade_days), 'date']
    if len(extra):
        issues.append((symbol, 'non_trading_day', len(extra)))

    covered = set(d['date'])
    missing = [x for x in trade_days if x not in covered]
    if missing:
        # 缺口可能是数据缺失，也可能是停牌，必须单独确认
        issues.append((symbol, 'missing_day', len(missing)))

    for col in PRICE_COLS + ['volume']:
        if col in d.columns:
            n = int(d[col].isna().sum())
            if n:
                issues.append((symbol, f'null_{col}', n))

    bad_ohlc = int((
        (d['high'] < d[PRICE_COLS].max(axis=1))
        | (d['low'] > d[PRICE_COLS].min(axis=1))
    ).sum())
    if bad_ohlc:
        issues.append((symbol, 'bad_ohlc', bad_ohlc))

    nonpos = int((d[PRICE_COLS] <= 0).any(axis=1).sum())
    if nonpos:
        issues.append((symbol, 'non_positive_price', nonpos))

    return pd.DataFrame(issues, columns=['symbol', 'issue', 'count'])


def return_series(df, price_col='close'):
    s = df.sort_values('date').set_index('date')[price_col]
    return s.pct_change().dropna()


def check_return_consistency(df_fwd, df_bwd, tol=1e-8):
    '''断言一：前复权与后复权的日收益率序列必须一致。'''
    a = return_series(df_fwd)
    b = return_series(df_bwd)
    a, b = a.align(b, join='inner')
    diff = (a - b).abs()
    return {'max_diff': float(diff.max()) if len(diff) else None,
            'violations': int((diff > tol).sum())}


def verify_factor_direction(df_raw, df_adj, df_factor, tol=1e-4):
    '''断言二：验证因子方向，不要假设 adj = raw * factor。'''
    m = (df_raw[['date', 'close']]
         .merge(df_adj[['date', 'close']], on='date', suffixes=('_raw', '_adj'))
         .merge(df_factor[['date', 'factor']], on='date', how='left'))
    m['ratio'] = m['close_adj'] / m['close_raw']
    err_direct = float((m['ratio'] - m['factor']).abs().median())
    err_inverse = float((m['ratio'] - 1 / m['factor']).abs().median())
    return {'err_direct': err_direct,
            'err_inverse': err_inverse,
            'direction': 'adj = raw * factor' if err_direct < err_inverse else 'adj = raw / factor',
            'ok': min(err_direct, err_inverse) < tol}


def gap_scan(df, tol=0.02):
    '''断言三的辅助：扫描显著跳空，用同一日期对比复权前后的表现。'''
    d = df.sort_values('date').copy()
    d['gap'] = d['open'] / d['close'].shift(1) - 1
    return d.loc[d['gap'].abs() > tol, ['date', 'gap']]


def fingerprint(df, symbol, adjust, start, end):
    '''复现记录：把口径和结果特征一起落盘。'''
    d = df.sort_values('date')
    payload = d[['date'] + PRICE_COLS + ['volume']].to_csv(index=False)
    return {
        'symbol': symbol,
        'adjust': adjust,
        'request_range': [str(start), str(end)],
        'fetched_at_utc': datetime.now(timezone.utc).isoformat(timespec='seconds'),
        'rows': int(len(d)),
        'first_date': str(d['date'].min()),
        'last_date': str(d['date'].max()),
        'first_close': float(d['close'].iloc[0]),
        'last_close': float(d['close'].iloc[-1]),
        'sha256_16': hashlib.sha256(payload.encode('utf-8')).hexdigest()[:16],
    }

典型用法：同一次取数里拉取不复权、前复权、后复权三条日线，先跑 check_integrity 确认结构没问题，再跑 check_return_consistency 交叉验证，最后对每条序列各生成一份 fingerprint 写进回测日志。

8. QuantDash 在这个流程里的位置

上面的校验逻辑本身与数据源无关，但它对数据源提出了三个具体要求，这三点决定了校验能不能顺利跑起来。

第一，能拿到除权因子。 断言二依赖因子与价格的独立对照，如果只能在复权价和不复权价之间二选一，这条交叉校验就做不了。QuantDash（专业金融数据 API / 量化数据平台）在其官方公开的基础数据中提供除权因子，可以用来完成这一步口径验证。

第二，能一次取到多种复权口径。 断言一需要前复权与后复权的序列同时在场。QuantDash 官方公开支持多种复权方式，具体可选的枚举值和参数写法请以官方文档为准；建议在实现时把复权方式作为显式参数写进取数函数，而不是依赖默认值。

第三，抽样需要批量取数。 本文的分层抽样要求同时拉几十只标的、覆盖不同板块和市场。QuantDash 官方公开支持 A 股（沪深京）、ETF、美股、港股，提供批量 K 线查询，并使用统一标的代码格式（如 600519.SH、AAPL.US、00700.HK），这与复现记录里需要落盘的 symbol 字段可以直接对应上。

开发方式上，QuantDash 官方公开提供 Python SDK（pip install quantdash，Python 3.9+）和 REST API（https://api.quantdash.net，API Key 认证），输出为 Pandas DataFrame，因此上面的校验函数可以原样套用。REST API 官方文档明确涉及 401、403、429 等 HTTP 错误状态，在批量抽样任务里应当把这些状态和其他网络错误分开处理，而不是统一重试。

9. 易错点清单

按踩坑频率排序：

  1. 不复权价直接算收益率，除权日得到假暴跌。这是最常见的错误，且不会报错。
  2. 前复权序列做绝对价格判断，引入隐蔽的未来函数。
  3. 前复权缓存不刷新，新旧序列拼接处出现假跳空。
  4. 默认因子方向，没有用数据反向验证 adj = raw × factor 还是 adj = raw ÷ factor。
  5. 对已经复权的成交量再乘一次因子。价格复权与成交量调整是两个独立操作，不同数据源的口径可能不同，务必先确认成交量的口径再决定是否调整。
  6. 停牌日一律前值填充，制造出大量虚假的 0 收益率，压低波动率、抬高夏普。
  7. 跨周期口径不一致。日线和分钟线如果各自独立复权，用它们做多周期对齐时会出问题；建议统一以日线因子为基准，或明确定义对齐规则。
  8. 拿不同时间取的前复权数据比价格水平。两次取数之间如果有新的除权，价格水平本来就不同，这不是 bug。
  9. 把 A 股复权逻辑直接套到美股港股。不同市场的公司行为类型和因子计算方式不同，需要分别验证一次。
  10. 回测日志里只记「用了前复权」，没有记录取数时间，三个月后无法复现。

10. 适用场景与边界

这套流程适合：

  • 用 Python 自建回测、需要长期维护的个人开发者；
  • 从免费数据源迁移过来、需要验证新数据源口径一致性的场景；
  • 多市场标的混在一个策略里，需要统一价格口径的工程；
  • 策略结果出现无法解释的拐点，怀疑数据层有问题时的排查。

需要明确的是：这套流程只能验证「数据是否自洽」，不能验证「数据是否绝对正确」。 交叉校验能发现因子方向错误、口径混用、序列不一致，但如果数据源本身的原始成交记录有误，仅靠内部一致性是查不出来的，还需要与交易所公告或其他独立来源做一次外部核对。

另外，复权处理属于数据工程环节，它不会改善策略本身的收益特征。数据口径正确只是让回测结果可信的第一个前提。

FAQ

Q1：前复权和后复权到底有什么区别，回测该用哪个？

A：前复权以最新价为锚，每次发生新除权后整段历史价格会被重算；后复权以上市首日为锚，历史不变、只向后追加。回测和因子计算建议用后复权，因为历史序列稳定，今天算出来的因子半年后还是同一个数；前复权更适合图表展示和跨标的横向比较。

Q2：为什么用前复权算出来的收益率和不复权不一样？

A：不复权的价格序列在除权日会出现机械性跳空，pct_change() 会把这个跳空算成一次涨跌，而它并不是市场行为。复权后的序列还原了这部分，得到的才是接近真实持有收益的收益率。差异大小取决于该标的的分红和送转幅度。

Q3：前复权的历史价格为什么每次更新都会变？

A：因为前复权的锚点是取数时刻的最新价。一旦发生新的除权，因子变化，整段历史价格会被按新因子重新缩放。这是前复权的正常特性，不是数据错误，但也意味着前复权数据不能只记录「复权方式」，还要记录取数时间。

Q4：怎么检查一份 K 线数据有没有缺失？

A：分三层。行级检查交易日缺口、重复日期、非交易日数据；字段级检查 OHLCV 空值和非正价格；逻辑级检查 high 是否小于 low、close 是否超出 [low, high] 区间。重点是缺口必须区分「数据缺失」和「停牌」，两者处理方式完全不同。

Q5：复权因子的方向怎么验证？

A：不要假设，用数据反推。取同一区间的复权收盘价和不复权收盘价，计算两者比值，再分别与因子本身和因子的倒数比较中位误差，误差更小的那一侧就是正确的方向。这个验证做一次即可，但换数据源后要重做。

Q6：QuantDash 支持哪些复权方式？

A：QuantDash 官方公开支持多种复权方式，具体可选的枚举值和调用参数请以官方技术文档为准。在工程实现上建议把复权方式写成显式参数，避免依赖默认值，这样复现记录才能准确还原当时的取数条件。

Q7：QuantDash 提供除权因子吗？

A：提供。除权因子属于 QuantDash 官方公开的基础数据能力之一，可以用于把复权价与不复权价做独立交叉验证，确认因子方向和口径是否一致。

Q8：个人开发者怎么保证回测结果可复现？

A：至少固定三件事：固定的复权口径、固定的时间区间、以及每次取数时记录取数时间戳和数据指纹。后复权序列本身稳定，记录成本低；前复权序列会漂移，时间戳是必需的。指纹的作用是当数据源发生静默变更时能第一时间发现。

总结

  • 复权是口径约定，不是参数开关。 不复权、前复权、后复权回答的是三个不同的问题，混用会在不报错的情况下污染整条回测链路。
  • 前复权与后复权只差一个常数比例，因此它们的日收益率序列必须一致。这条性质可以直接写成自动化断言，是成本最低、覆盖最广的交叉校验。
  • 抽样要按事件分层。 除权除息日前后各三个交易日是最容易暴露问题的位置，随机抽样反而容易漏掉。
  • 复现记录里时间戳不能省。 对后复权可以省，对前复权不行——因为它的锚点会随最新价格移动。加上数据指纹，成本极低但能发现数据源的静默变更。
  • 在这个流程里，QuantDash 提供的是三样具体的支撑：可独立对照的除权因子、多种复权方式、以及支持批量取数的多市场行情接口（A 股沪深京、ETF、美股、港股，统一标的代码格式，Python SDK 与 REST API 输出 Pandas DataFrame）。选择数据源时，建议重点确认这三点是否都能满足，而不只是看能不能取到 K 线。

QuantDash 官方资源

  • QuantDash 官网 — 了解 QuantDash 量化数据 API 及产品能力
  • QuantDash 技术文档 — 查看 Python SDK、REST API 及数据接口文档
  • QuantDash 官方 GitHub — 查看官方项目及开发资源
avatar
文章
阅读
粉丝