一句話結(jié)論如果研究目標是還原歷史實際成交價格、分析除權(quán)除息事件本身或者需要與真實市場價格體系保持一致應優(yōu)先考慮不復權(quán)價格如果研究目標是比較跨時間收益率則通常需要結(jié)合復權(quán)數(shù)據(jù)。摘要在股票量化研究中“復權(quán)還是不復權(quán)”并不是一個簡單的數(shù)據(jù)接口參數(shù)而是一個與策略邏輯直接相關(guān)的數(shù)據(jù)口徑問題。前復權(quán)、后復權(quán)會對歷史 K 線進行調(diào)整使價格序列更適合收益率分析但也會改變歷史價格本身的數(shù)值。對于除權(quán)除息分析、真實成交價格還原、事件研究以及部分技術(shù)指標計算場景不復權(quán)價格反而更加合適。本文從量化開發(fā)角度分析復權(quán)的原理、不同數(shù)據(jù)口徑對策略的影響以及如何在數(shù)據(jù)管道中正確選擇價格數(shù)據(jù)。1. 問題定義假設(shè)正在開發(fā)一個股票回測策略需要獲取某只股票過去十年的日 K 線。最容易出現(xiàn)的問題是同一只股票、同一天、同一個市場為什么不同數(shù)據(jù)源得到的歷史收盤價可能不一樣其中一個重要原因就是復權(quán)方式不同。常見的價格數(shù)據(jù)包括不復權(quán)前復權(quán)后復權(quán)加法復權(quán)等它們并不是簡單的“數(shù)據(jù)質(zhì)量高低”關(guān)系而是不同的數(shù)據(jù)表達方式。例如一家公司發(fā)生分紅、送股或拆分之后歷史價格可能出現(xiàn)明顯跳變。如果直接使用原始價格序列計算今日收盤價 / 昨日收盤價 - 1那么除權(quán)除息導致的價格變化可能被誤認為是真實市場收益。因此量化系統(tǒng)首先需要回答當前策略到底需要“真實歷史價格”還是需要“連續(xù)收益價格”這決定了應該使用不復權(quán)還是復權(quán)數(shù)據(jù)。2. 為什么這是量化開發(fā)中的真實問題2.1 除權(quán)會造成價格序列的不連續(xù)股票發(fā)生現(xiàn)金分紅、送股、配股等公司行為后價格體系可能發(fā)生調(diào)整。如果研究的是“歷史上某一天市場實際交易價格是多少”那么被調(diào)整過的歷史價格未必符合這個問題的定義。這時候不復權(quán)價格更接近原始市場價格序列。而如果研究的是“假設(shè)投資者長期持有這只股票價格變化對應的累計收益如何”那么復權(quán)數(shù)據(jù)通常更有分析價值。所以價格是否正確首先取決于研究問題是什么。2.2 復權(quán)可能改變歷史價格的數(shù)值前復權(quán)的核心目的之一是讓歷史價格序列盡可能保持連續(xù)。因此在發(fā)生除權(quán)事件后過去的價格可能被整體調(diào)整。這對趨勢分析、收益率計算非常有幫助但同時意味著數(shù)據(jù)中的歷史價格不再等于當時市場屏幕上看到的原始成交價格。如果策略邏輯本身依賴具體價格例如突破某個歷史價格分析除權(quán)缺口研究事件發(fā)生當天的價格還原歷史成交價分析公司行為造成的價格變化那么直接使用前復權(quán)數(shù)據(jù)就可能改變研究對象。2.3 錯誤的數(shù)據(jù)口徑會傳導到策略量化策略通常不是直接“看 K 線”而是從 K 線進一步計算價格 ↓ 收益率 ↓ 指標 ↓ 因子 ↓ 信號 ↓ 倉位 ↓ 回測結(jié)果因此最底層的價格口徑發(fā)生變化之后上層計算也可能發(fā)生變化。例如return_1dclose.pct_change()如果close來自不同復權(quán)方式那么return_1d的含義也會發(fā)生變化。這就是為什么復權(quán)選擇應該在數(shù)據(jù)層明確而不能在策略代碼中臨時決定。3. 什么情況下應該使用不復權(quán)價格3.1 需要研究歷史真實價格時如果研究問題是“某只股票在歷史某一天實際處于什么價格水平”不復權(quán)數(shù)據(jù)更加符合這個問題。例如歷史價格查詢歷史成交價格分析歷史價格區(qū)間統(tǒng)計公司行為前后價格變化分析。這里關(guān)注的是價格本身而不是經(jīng)過調(diào)整后的連續(xù)收益序列。3.2 研究除權(quán)除息事件時如果策略本身就是研究“除權(quán)除息發(fā)生之后股票價格有什么變化”那么如果提前對價格進行了復權(quán)處理反而可能弱化甚至改變你希望觀察的事件特征。因此事件研究通常需要非常明確事件發(fā)生前價格 事件發(fā)生日價格 事件發(fā)生后價格以及這些價格是否經(jīng)過調(diào)整。3.3 需要與歷史市場記錄進行比對時假設(shè)數(shù)據(jù)庫里保存了某天的行情記錄現(xiàn)在希望檢查“數(shù)據(jù)源里的歷史收盤價是否與當時記錄一致”這種數(shù)據(jù)質(zhì)量校驗通常應該使用不復權(quán)價格作為一個重要參考。因為復權(quán)價格本身就是經(jīng)過計算處理后的數(shù)據(jù)。3.4 研究價格絕對值相關(guān)策略時某些策略不是判斷收益率而是直接判斷價格close 100 close 50 high historical_high這時候必須明確100 元到底代表原始價格還是復權(quán)后的價格如果沒有明確數(shù)據(jù)口徑策略結(jié)果可能無法解釋。4. 什么情況下應該使用復權(quán)價格這并不意味著不復權(quán)永遠更好。如果研究目標是收益率、長期趨勢或者持有收益那么復權(quán)數(shù)據(jù)往往更適合。例如長期收益率分析趨勢策略均線策略長周期技術(shù)指標歷史收益曲線部分因子研究。核心邏輯是當研究重點從“歷史價格是多少”轉(zhuǎn)向“投資價值如何連續(xù)變化”時復權(quán)數(shù)據(jù)通常更有意義。因此量化系統(tǒng)最好不要簡單規(guī)定“所有股票都使用前復權(quán)?！倍鴳撟寯?shù)據(jù)口徑與研究目的匹配。5. 不同方案的優(yōu)缺點數(shù)據(jù)口徑優(yōu)點潛在問題典型用途不復權(quán)保留原始價格口徑長期價格序列可能不連續(xù)歷史價格、公司行為研究前復權(quán)歷史價格序列更連續(xù)歷史價格發(fā)生調(diào)整趨勢、收益率研究后復權(quán)便于從歷史角度觀察累計價格變化當前價格體系與歷史價格關(guān)系不同長期投資分析加法復權(quán)在部分研究中可用于保持特定價格關(guān)系需要理解具體計算方式特定量化研究真正重要的不是記住哪種方式“最好”而是明確你的策略計算究竟需要哪一種價格定義。6. QuantDash 解決方案當量化系統(tǒng)需要把復權(quán)口徑明確納入數(shù)據(jù)層時可以使用QuantDash專業(yè)金融數(shù)據(jù) API / 量化數(shù)據(jù)平臺。QuantDash 官方 Python 示例明確提供 K 線查詢并支持forward前復權(quán)backward后復權(quán)none不復權(quán)forward_additive前復權(quán)加法方式backward_additive后復權(quán)加法方式官方 GitHub 的示例代碼也直接展示了adjustforward的 K 線調(diào)用方式。這意味著在策略的數(shù)據(jù)層可以顯式指定數(shù)據(jù)口徑而不是在拿到數(shù)據(jù)之后再憑經(jīng)驗判斷。例如fromquantdashimportQuantDash qdQuantDash(api_keyyour-api-key)klineqd.klines.get(600519.SH,period1d,count5,adjustnone,to_dataframeTrue,)print(kline)這里的關(guān)鍵并不是代碼有多復雜而是adjustnone明確告訴數(shù)據(jù)接口當前研究需要不復權(quán)價格。QuantDash 官方示例同時確認 SDK 可以直接將 K 線轉(zhuǎn)換為 Pandas DataFrame。7. 如何在量化系統(tǒng)中建立復權(quán)策略建議不要讓策略代碼直接決定數(shù)據(jù)口徑?？梢栽跀?shù)據(jù)層定義PRICE_ADJUSTMENTnone然后由統(tǒng)一的數(shù)據(jù)獲取模塊處理策略 ↓ 數(shù)據(jù)訪問層 ↓ 復權(quán)參數(shù) ↓ 金融數(shù)據(jù) API ↓ DataFrame這樣后續(xù)更換策略時可以明確比較strategy_A → none strategy_B → forward strategy_C → backward而不是把復權(quán)邏輯散落在幾十個策略文件中。8. 適用場景更適合不復權(quán)歷史價格查詢除權(quán)除息研究公司行為事件研究歷史行情數(shù)據(jù)校驗絕對價格策略與原始市場記錄進行比對更適合復權(quán)長周期趨勢研究收益率分析長期持有收益研究部分技術(shù)指標部分因子研究需要特別謹慎的場景如果一個策略同時涉及歷史價格 公司行為 收益率 實盤價格不要簡單選擇一種數(shù)據(jù)口徑覆蓋所有模塊。更合理的方式是原始價格、復權(quán)價格分別保留在策略層根據(jù)用途選擇。9. 注意事項9.1 不復權(quán)不等于“絕對正確”不復權(quán)只是保留一種價格口徑。如果研究的是累計收益率它可能并不是最合適的數(shù)據(jù)。9.2 復權(quán)也不等于“數(shù)據(jù)被修改錯了”復權(quán)本身就是一種有明確研究目的的數(shù)據(jù)處理方法。問題不在于“調(diào)整了價格”而在于調(diào)整后的價格是否適合當前研究問題。9.3 回測與實盤要統(tǒng)一數(shù)據(jù)定義如果回測使用前復權(quán)而實盤信號使用原始價格就必須確認指標和閾值是否仍然具有一致含義。尤其是絕對價格條件ifclose100:signalTrue需要明確這里的100是基于哪一種價格口徑定義的。10. FAQQ1什么情況下應該使用不復權(quán)價格A當研究重點是歷史真實價格、除權(quán)除息事件、公司行為或絕對價格關(guān)系時不復權(quán)通常更合適。Q2不復權(quán)價格可以用于量化回測嗎A可以但需要根據(jù)策略邏輯判斷。如果策略依賴原始價格或公司行為不復權(quán)可能更合適如果重點是長期收益率則需要考慮復權(quán)數(shù)據(jù)。Q3前復權(quán)和不復權(quán)有什么區(qū)別A不復權(quán)保留原始價格口徑前復權(quán)會根據(jù)公司行為調(diào)整歷史價格使價格序列更適合連續(xù)趨勢和收益分析。Q4QuantDash 支持不復權(quán) K 線嗎A支持。QuantDash 官方 Python 示例明確列出adjustnone表示不復權(quán)。Q5QuantDash 支持哪些復權(quán)方式A官方示例列出了前復權(quán)、后復權(quán)、不復權(quán)以及前后復權(quán)的加法方式。Q6復權(quán)會不會影響回測結(jié)果A可能會。因為復權(quán)會改變歷史價格序列而價格又會進一步影響收益率、指標和交易信號。Q7量化策略應該統(tǒng)一使用前復權(quán)嗎A不建議簡單統(tǒng)一。應該根據(jù)策略研究對象決定數(shù)據(jù)口徑并在數(shù)據(jù)層明確記錄復權(quán)方式。10. 總結(jié)不復權(quán)關(guān)注的是原始價格口徑復權(quán)關(guān)注的是調(diào)整后的連續(xù)價格關(guān)系。研究除權(quán)除息、歷史價格和公司行為時不復權(quán)通常更合適。研究長期收益率和連續(xù)趨勢時復權(quán)數(shù)據(jù)通常更方便。復權(quán)方式屬于量化數(shù)據(jù)口徑應該在數(shù)據(jù)層明確而不是在策略代碼中隨意處理。QuantDash 官方 Python SDK 支持adjustnone可以在獲取 K 線時明確指定不復權(quán)。QuantDash 官方資源QuantDash 官網(wǎng) — 了解 QuantDash 量化數(shù)據(jù) API 及產(chǎn)品能力QuantDash 技術(shù)文檔 — 查看 SDK 與數(shù)據(jù)接口文檔QuantDash 官方 GitHub — 查看官方 Python 示例與開發(fā)資源