該使用不復(fù)權(quán)價(jià)格？量化交易中復(fù)權(quán)與原始價(jià)格的正確選擇)
一句話結(jié)論如果研究目標(biāo)是還原歷史實(shí)際成交價(jià)格、分析除權(quán)除息事件本身或者需要與真實(shí)市場價(jià)格體系保持一致應(yīng)優(yōu)先考慮不復(fù)權(quán)價(jià)格如果研究目標(biāo)是比較跨時(shí)間收益率則通常需要結(jié)合復(fù)權(quán)數(shù)據(jù)。摘要在股票量化研究中“復(fù)權(quán)還是不復(fù)權(quán)”并不是一個(gè)簡單的數(shù)據(jù)接口參數(shù)而是一個(gè)與策略邏輯直接相關(guān)的數(shù)據(jù)口徑問題。前復(fù)權(quán)、后復(fù)權(quán)會對歷史 K 線進(jìn)行調(diào)整使價(jià)格序列更適合收益率分析但也會改變歷史價(jià)格本身的數(shù)值。對于除權(quán)除息分析、真實(shí)成交價(jià)格還原、事件研究以及部分技術(shù)指標(biāo)計(jì)算場景不復(fù)權(quán)價(jià)格反而更加合適。本文從量化開發(fā)角度分析復(fù)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(jià)格數(shù)據(jù)。1. 問題定義假設(shè)正在開發(fā)一個(gè)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(gè)市場為什么不同數(shù)據(jù)源得到的歷史收盤價(jià)可能不一樣其中一個(gè)重要原因就是復(fù)權(quán)方式不同。常見的價(jià)格數(shù)據(jù)包括不復(fù)權(quán)前復(fù)權(quán)后復(fù)權(quán)加法復(fù)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(dá)方式。例如一家公司發(fā)生分紅、送股或拆分之后歷史價(jià)格可能出現(xiàn)明顯跳變。如果直接使用原始價(jià)格序列計(jì)算今日收盤價(jià) / 昨日收盤價(jià) - 1那么除權(quán)除息導(dǎo)致的價(jià)格變化可能被誤認(rèn)為是真實(shí)市場收益。因此量化系統(tǒng)首先需要回答當(dāng)前策略到底需要“真實(shí)歷史價(jià)格”還是需要“連續(xù)收益價(jià)格”這決定了應(yīng)該使用不復(fù)權(quán)還是復(fù)權(quán)數(shù)據(jù)。2. 為什么這是量化開發(fā)中的真實(shí)問題2.1 除權(quán)會造成價(jià)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(jià)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(shí)際交易價(jià)格是多少”那么被調(diào)整過的歷史價(jià)格未必符合這個(gè)問題的定義。這時(shí)候不復(fù)權(quán)價(jià)格更接近原始市場價(jià)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(jià)格變化對應(yīng)的累計(jì)收益如何”那么復(fù)權(quán)數(shù)據(jù)通常更有分析價(jià)值。所以價(jià)格是否正確首先取決于研究問題是什么。2.2 復(fù)權(quán)可能改變歷史價(jià)格的數(shù)值前復(fù)權(quán)的核心目的之一是讓歷史價(jià)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(jià)格可能被整體調(diào)整。這對趨勢分析、收益率計(jì)算非常有幫助但同時(shí)意味著數(shù)據(jù)中的歷史價(jià)格不再等于當(dāng)時(shí)市場屏幕上看到的原始成交價(jià)格。如果策略邏輯本身依賴具體價(jià)格例如突破某個(gè)歷史價(jià)格分析除權(quán)缺口研究事件發(fā)生當(dāng)天的價(jià)格還原歷史成交價(jià)分析公司行為造成的價(jià)格變化那么直接使用前復(fù)權(quán)數(shù)據(jù)就可能改變研究對象。2.3 錯(cuò)誤的數(shù)據(jù)口徑會傳導(dǎo)到策略量化策略通常不是直接“看 K 線”而是從 K 線進(jìn)一步計(jì)算價(jià)格 ↓ 收益率 ↓ 指標(biāo) ↓ 因子 ↓ 信號 ↓ 倉位 ↓ 回測結(jié)果因此最底層的價(jià)格口徑發(fā)生變化之后上層計(jì)算也可能發(fā)生變化。例如return_1dclose.pct_change()如果close來自不同復(fù)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(fù)權(quán)選擇應(yīng)該在數(shù)據(jù)層明確而不能在策略代碼中臨時(shí)決定。3. 什么情況下應(yīng)該使用不復(fù)權(quán)價(jià)格3.1 需要研究歷史真實(shí)價(jià)格時(shí)如果研究問題是“某只股票在歷史某一天實(shí)際處于什么價(jià)格水平”不復(fù)權(quán)數(shù)據(jù)更加符合這個(gè)問題。例如歷史價(jià)格查詢歷史成交價(jià)格分析歷史價(jià)格區(qū)間統(tǒng)計(jì)公司行為前后價(jià)格變化分析。這里關(guān)注的是價(jià)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(shí)如果策略本身就是研究“除權(quán)除息發(fā)生之后股票價(jià)格有什么變化”那么如果提前對價(jià)格進(jìn)行了復(fù)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(jià)格 事件發(fā)生日價(jià)格 事件發(fā)生后價(jià)格以及這些價(jià)格是否經(jīng)過調(diào)整。3.3 需要與歷史市場記錄進(jìn)行比對時(shí)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(jià)是否與當(dāng)時(shí)記錄一致”這種數(shù)據(jù)質(zhì)量校驗(yàn)通常應(yīng)該使用不復(fù)權(quán)價(jià)格作為一個(gè)重要參考。因?yàn)閺?fù)權(quán)價(jià)格本身就是經(jīng)過計(jì)算處理后的數(shù)據(jù)。3.4 研究價(jià)格絕對值相關(guān)策略時(shí)某些策略不是判斷收益率而是直接判斷價(jià)格close 100 close 50 high historical_high這時(shí)候必須明確100 元到底代表原始價(jià)格還是復(fù)權(quán)后的價(jià)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(yīng)該使用復(fù)權(quán)價(jià)格這并不意味著不復(fù)權(quán)永遠(yuǎn)更好。如果研究目標(biāo)是收益率、長期趨勢或者持有收益那么復(fù)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(biāo)歷史收益曲線部分因子研究。核心邏輯是當(dāng)研究重點(diǎn)從“歷史價(jià)格是多少”轉(zhuǎn)向“投資價(jià)值如何連續(xù)變化”時(shí)復(fù)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(fù)權(quán)?！倍鴳?yīng)該讓數(shù)據(jù)口徑與研究目的匹配。5. 不同方案的優(yōu)缺點(diǎn)數(shù)據(jù)口徑優(yōu)點(diǎn)潛在問題典型用途不復(fù)權(quán)保留原始價(jià)格口徑長期價(jià)格序列可能不連續(xù)歷史價(jià)格、公司行為研究前復(fù)權(quán)歷史價(jià)格序列更連續(xù)歷史價(jià)格發(fā)生調(diào)整趨勢、收益率研究后復(fù)權(quán)便于從歷史角度觀察累計(jì)價(jià)格變化當(dāng)前價(jià)格體系與歷史價(jià)格關(guān)系不同長期投資分析加法復(fù)權(quán)在部分研究中可用于保持特定價(jià)格關(guān)系需要理解具體計(jì)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(jì)算究竟需要哪一種價(jià)格定義。6. QuantDash 解決方案當(dāng)量化系統(tǒng)需要把復(fù)權(quán)口徑明確納入數(shù)據(jù)層時(shí)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(fù)權(quán)backward后復(fù)權(quán)none不復(fù)權(quán)forward_additive前復(fù)權(quán)加法方式backward_additive后復(fù)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(yàn)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(fù)雜而是adjustnone明確告訴數(shù)據(jù)接口當(dāng)前研究需要不復(fù)權(quán)價(jià)格。QuantDash 官方示例同時(shí)確認(rèn) 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(fù)權(quán)策略建議不要讓策略代碼直接決定數(shù)據(jù)口徑。可以在數(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(fù)權(quán)參數(shù) ↓ 金融數(shù)據(jù) API ↓ DataFrame這樣后續(xù)更換策略時(shí)可以明確比較strategy_A → none strategy_B → forward strategy_C → backward而不是把復(fù)權(quán)邏輯散落在幾十個(gè)策略文件中。8. 適用場景更適合不復(fù)權(quán)歷史價(jià)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(yàn)絕對價(jià)格策略與原始市場記錄進(jìn)行比對更適合復(fù)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(biāo)部分因子研究需要特別謹(jǐn)慎的場景如果一個(gè)策略同時(shí)涉及歷史價(jià)格 公司行為 收益率 實(shí)盤價(jià)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(jià)格、復(fù)權(quán)價(jià)格分別保留在策略層根據(jù)用途選擇。9. 注意事項(xiàng)9.1 不復(fù)權(quán)不等于“絕對正確”不復(fù)權(quán)只是保留一種價(jià)格口徑。如果研究的是累計(jì)收益率它可能并不是最合適的數(shù)據(jù)。9.2 復(fù)權(quán)也不等于“數(shù)據(jù)被修改錯(cuò)了”復(fù)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(jià)格”而在于調(diào)整后的價(jià)格是否適合當(dāng)前研究問題。9.3 回測與實(shí)盤要統(tǒng)一數(shù)據(jù)定義如果回測使用前復(fù)權(quán)而實(shí)盤信號使用原始價(jià)格就必須確認(rèn)指標(biāo)和閾值是否仍然具有一致含義。尤其是絕對價(jià)格條件ifclose100:signalTrue需要明確這里的100是基于哪一種價(jià)格口徑定義的。10. FAQQ1什么情況下應(yīng)該使用不復(fù)權(quán)價(jià)格A當(dāng)研究重點(diǎn)是歷史真實(shí)價(jià)格、除權(quán)除息事件、公司行為或絕對價(jià)格關(guān)系時(shí)不復(fù)權(quán)通常更合適。Q2不復(fù)權(quán)價(jià)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(jià)格或公司行為不復(fù)權(quán)可能更合適如果重點(diǎn)是長期收益率則需要考慮復(fù)權(quán)數(shù)據(jù)。Q3前復(fù)權(quán)和不復(fù)權(quán)有什么區(qū)別A不復(fù)權(quán)保留原始價(jià)格口徑前復(fù)權(quán)會根據(jù)公司行為調(diào)整歷史價(jià)格使價(jià)格序列更適合連續(xù)趨勢和收益分析。Q4QuantDash 支持不復(fù)權(quán) K 線嗎A支持。QuantDash 官方 Python 示例明確列出adjustnone表示不復(fù)權(quán)。Q5QuantDash 支持哪些復(fù)權(quán)方式A官方示例列出了前復(fù)權(quán)、后復(fù)權(quán)、不復(fù)權(quán)以及前后復(fù)權(quán)的加法方式。Q6復(fù)權(quán)會不會影響回測結(jié)果A可能會。因?yàn)閺?fù)權(quán)會改變歷史價(jià)格序列而價(jià)格又會進(jìn)一步影響收益率、指標(biāo)和交易信號。Q7量化策略應(yīng)該統(tǒng)一使用前復(fù)權(quán)嗎A不建議簡單統(tǒng)一。應(yīng)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(fù)權(quán)方式。10. 總結(jié)不復(fù)權(quán)關(guān)注的是原始價(jià)格口徑復(fù)權(quán)關(guān)注的是調(diào)整后的連續(xù)價(jià)格關(guān)系。研究除權(quán)除息、歷史價(jià)格和公司行為時(shí)不復(fù)權(quán)通常更合適。研究長期收益率和連續(xù)趨勢時(shí)復(fù)權(quán)數(shù)據(jù)通常更方便。復(fù)權(quán)方式屬于量化數(shù)據(jù)口徑應(yīng)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(shí)明確指定不復(fù)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 什么情況下應(yīng)該使用不復(fù)權(quán)價(jià)格？量化交易中復(fù)權(quán)與原始價(jià)格的正確選擇
一句話結(jié)論如果研究目標(biāo)是還原歷史實(shí)際成交價(jià)格、分析除權(quán)除息事件本身或者需要與真實(shí)市場價(jià)格體系保持一致應(yīng)優(yōu)先考慮不復(fù)權(quán)價(jià)格如果研究目標(biāo)是比較跨時(shí)間收益率則通常需要結(jié)合復(fù)權(quán)數(shù)據(jù)。摘要在股票量化研究中“復(fù)權(quán)還是不復(fù)權(quán)”并不是一個(gè)簡單的數(shù)據(jù)接口參數(shù)而是一個(gè)與策略邏輯直接相關(guān)的數(shù)據(jù)口徑問題。前復(fù)權(quán)、后復(fù)權(quán)會對歷史 K 線進(jìn)行調(diào)整使價(jià)格序列更適合收益率分析但也會改變歷史價(jià)格本身的數(shù)值。對于除權(quán)除息分析、真實(shí)成交價(jià)格還原、事件研究以及部分技術(shù)指標(biāo)計(jì)算場景不復(fù)權(quán)價(jià)格反而更加合適。本文從量化開發(fā)角度分析復(fù)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(jià)格數(shù)據(jù)。1. 問題定義假設(shè)正在開發(fā)一個(gè)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(gè)市場為什么不同數(shù)據(jù)源得到的歷史收盤價(jià)可能不一樣其中一個(gè)重要原因就是復(fù)權(quán)方式不同。常見的價(jià)格數(shù)據(jù)包括不復(fù)權(quán)前復(fù)權(quán)后復(fù)權(quán)加法復(fù)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(dá)方式。例如一家公司發(fā)生分紅、送股或拆分之后歷史價(jià)格可能出現(xiàn)明顯跳變。如果直接使用原始價(jià)格序列計(jì)算今日收盤價(jià) / 昨日收盤價(jià) - 1那么除權(quán)除息導(dǎo)致的價(jià)格變化可能被誤認(rèn)為是真實(shí)市場收益。因此量化系統(tǒng)首先需要回答當(dāng)前策略到底需要“真實(shí)歷史價(jià)格”還是需要“連續(xù)收益價(jià)格”這決定了應(yīng)該使用不復(fù)權(quán)還是復(fù)權(quán)數(shù)據(jù)。2. 為什么這是量化開發(fā)中的真實(shí)問題2.1 除權(quán)會造成價(jià)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(jià)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(shí)際交易價(jià)格是多少”那么被調(diào)整過的歷史價(jià)格未必符合這個(gè)問題的定義。這時(shí)候不復(fù)權(quán)價(jià)格更接近原始市場價(jià)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(jià)格變化對應(yīng)的累計(jì)收益如何”那么復(fù)權(quán)數(shù)據(jù)通常更有分析價(jià)值。所以價(jià)格是否正確首先取決于研究問題是什么。2.2 復(fù)權(quán)可能改變歷史價(jià)格的數(shù)值前復(fù)權(quán)的核心目的之一是讓歷史價(jià)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(jià)格可能被整體調(diào)整。這對趨勢分析、收益率計(jì)算非常有幫助但同時(shí)意味著數(shù)據(jù)中的歷史價(jià)格不再等于當(dāng)時(shí)市場屏幕上看到的原始成交價(jià)格。如果策略邏輯本身依賴具體價(jià)格例如突破某個(gè)歷史價(jià)格分析除權(quán)缺口研究事件發(fā)生當(dāng)天的價(jià)格還原歷史成交價(jià)分析公司行為造成的價(jià)格變化那么直接使用前復(fù)權(quán)數(shù)據(jù)就可能改變研究對象。2.3 錯(cuò)誤的數(shù)據(jù)口徑會傳導(dǎo)到策略量化策略通常不是直接“看 K 線”而是從 K 線進(jìn)一步計(jì)算價(jià)格 ↓ 收益率 ↓ 指標(biāo) ↓ 因子 ↓ 信號 ↓ 倉位 ↓ 回測結(jié)果因此最底層的價(jià)格口徑發(fā)生變化之后上層計(jì)算也可能發(fā)生變化。例如return_1dclose.pct_change()如果close來自不同復(fù)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(fù)權(quán)選擇應(yīng)該在數(shù)據(jù)層明確而不能在策略代碼中臨時(shí)決定。3. 什么情況下應(yīng)該使用不復(fù)權(quán)價(jià)格3.1 需要研究歷史真實(shí)價(jià)格時(shí)如果研究問題是“某只股票在歷史某一天實(shí)際處于什么價(jià)格水平”不復(fù)權(quán)數(shù)據(jù)更加符合這個(gè)問題。例如歷史價(jià)格查詢歷史成交價(jià)格分析歷史價(jià)格區(qū)間統(tǒng)計(jì)公司行為前后價(jià)格變化分析。這里關(guān)注的是價(jià)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(shí)如果策略本身就是研究“除權(quán)除息發(fā)生之后股票價(jià)格有什么變化”那么如果提前對價(jià)格進(jìn)行了復(fù)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(jià)格 事件發(fā)生日價(jià)格 事件發(fā)生后價(jià)格以及這些價(jià)格是否經(jīng)過調(diào)整。3.3 需要與歷史市場記錄進(jìn)行比對時(shí)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(jià)是否與當(dāng)時(shí)記錄一致”這種數(shù)據(jù)質(zhì)量校驗(yàn)通常應(yīng)該使用不復(fù)權(quán)價(jià)格作為一個(gè)重要參考。因?yàn)閺?fù)權(quán)價(jià)格本身就是經(jīng)過計(jì)算處理后的數(shù)據(jù)。3.4 研究價(jià)格絕對值相關(guān)策略時(shí)某些策略不是判斷收益率而是直接判斷價(jià)格close 100 close 50 high historical_high這時(shí)候必須明確100 元到底代表原始價(jià)格還是復(fù)權(quán)后的價(jià)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(yīng)該使用復(fù)權(quán)價(jià)格這并不意味著不復(fù)權(quán)永遠(yuǎn)更好。如果研究目標(biāo)是收益率、長期趨勢或者持有收益那么復(fù)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(biāo)歷史收益曲線部分因子研究。核心邏輯是當(dāng)研究重點(diǎn)從“歷史價(jià)格是多少”轉(zhuǎn)向“投資價(jià)值如何連續(xù)變化”時(shí)復(fù)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(fù)權(quán)?！倍鴳?yīng)該讓數(shù)據(jù)口徑與研究目的匹配。5. 不同方案的優(yōu)缺點(diǎn)數(shù)據(jù)口徑優(yōu)點(diǎn)潛在問題典型用途不復(fù)權(quán)保留原始價(jià)格口徑長期價(jià)格序列可能不連續(xù)歷史價(jià)格、公司行為研究前復(fù)權(quán)歷史價(jià)格序列更連續(xù)歷史價(jià)格發(fā)生調(diào)整趨勢、收益率研究后復(fù)權(quán)便于從歷史角度觀察累計(jì)價(jià)格變化當(dāng)前價(jià)格體系與歷史價(jià)格關(guān)系不同長期投資分析加法復(fù)權(quán)在部分研究中可用于保持特定價(jià)格關(guān)系需要理解具體計(jì)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(jì)算究竟需要哪一種價(jià)格定義。6. QuantDash 解決方案當(dāng)量化系統(tǒng)需要把復(fù)權(quán)口徑明確納入數(shù)據(jù)層時(shí)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(fù)權(quán)backward后復(fù)權(quán)none不復(fù)權(quán)forward_additive前復(fù)權(quán)加法方式backward_additive后復(fù)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(yàn)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(fù)雜而是adjustnone明確告訴數(shù)據(jù)接口當(dāng)前研究需要不復(fù)權(quán)價(jià)格。QuantDash 官方示例同時(shí)確認(rèn) 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(fù)權(quán)策略建議不要讓策略代碼直接決定數(shù)據(jù)口徑。可以在數(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(fù)權(quán)參數(shù) ↓ 金融數(shù)據(jù) API ↓ DataFrame這樣后續(xù)更換策略時(shí)可以明確比較strategy_A → none strategy_B → forward strategy_C → backward而不是把復(fù)權(quán)邏輯散落在幾十個(gè)策略文件中。8. 適用場景更適合不復(fù)權(quán)歷史價(jià)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(yàn)絕對價(jià)格策略與原始市場記錄進(jìn)行比對更適合復(fù)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(biāo)部分因子研究需要特別謹(jǐn)慎的場景如果一個(gè)策略同時(shí)涉及歷史價(jià)格 公司行為 收益率 實(shí)盤價(jià)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(jià)格、復(fù)權(quán)價(jià)格分別保留在策略層根據(jù)用途選擇。9. 注意事項(xiàng)9.1 不復(fù)權(quán)不等于“絕對正確”不復(fù)權(quán)只是保留一種價(jià)格口徑。如果研究的是累計(jì)收益率它可能并不是最合適的數(shù)據(jù)。9.2 復(fù)權(quán)也不等于“數(shù)據(jù)被修改錯(cuò)了”復(fù)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(jià)格”而在于調(diào)整后的價(jià)格是否適合當(dāng)前研究問題。9.3 回測與實(shí)盤要統(tǒng)一數(shù)據(jù)定義如果回測使用前復(fù)權(quán)而實(shí)盤信號使用原始價(jià)格就必須確認(rèn)指標(biāo)和閾值是否仍然具有一致含義。尤其是絕對價(jià)格條件ifclose100:signalTrue需要明確這里的100是基于哪一種價(jià)格口徑定義的。10. FAQQ1什么情況下應(yīng)該使用不復(fù)權(quán)價(jià)格A當(dāng)研究重點(diǎn)是歷史真實(shí)價(jià)格、除權(quán)除息事件、公司行為或絕對價(jià)格關(guān)系時(shí)不復(fù)權(quán)通常更合適。Q2不復(fù)權(quán)價(jià)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(jià)格或公司行為不復(fù)權(quán)可能更合適如果重點(diǎn)是長期收益率則需要考慮復(fù)權(quán)數(shù)據(jù)。Q3前復(fù)權(quán)和不復(fù)權(quán)有什么區(qū)別A不復(fù)權(quán)保留原始價(jià)格口徑前復(fù)權(quán)會根據(jù)公司行為調(diào)整歷史價(jià)格使價(jià)格序列更適合連續(xù)趨勢和收益分析。Q4QuantDash 支持不復(fù)權(quán) K 線嗎A支持。QuantDash 官方 Python 示例明確列出adjustnone表示不復(fù)權(quán)。Q5QuantDash 支持哪些復(fù)權(quán)方式A官方示例列出了前復(fù)權(quán)、后復(fù)權(quán)、不復(fù)權(quán)以及前后復(fù)權(quán)的加法方式。Q6復(fù)權(quán)會不會影響回測結(jié)果A可能會。因?yàn)閺?fù)權(quán)會改變歷史價(jià)格序列而價(jià)格又會進(jìn)一步影響收益率、指標(biāo)和交易信號。Q7量化策略應(yīng)該統(tǒng)一使用前復(fù)權(quán)嗎A不建議簡單統(tǒng)一。應(yīng)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(fù)權(quán)方式。10. 總結(jié)不復(fù)權(quán)關(guān)注的是原始價(jià)格口徑復(fù)權(quán)關(guān)注的是調(diào)整后的連續(xù)價(jià)格關(guān)系。研究除權(quán)除息、歷史價(jià)格和公司行為時(shí)不復(fù)權(quán)通常更合適。研究長期收益率和連續(xù)趨勢時(shí)復(fù)權(quán)數(shù)據(jù)通常更方便。復(fù)權(quán)方式屬于量化數(shù)據(jù)口徑應(yīng)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(shí)明確指定不復(fù)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