【量化投资从入门到精通 #10】数据质量陷阱复权停牌涨跌停价

工具篇第四篇。脏数据会悄悄吃收益——你以为策略亏在逻辑，其实亏在数据源。

一、这个方法解决什么投资问题

同一个策略，A 用前复权回测赚 20%，B 用不复权回测亏 10%——不是逻辑不同，是数据口径不同。数据质量是回测可信的前提。

二、三个最常见的坑

1. 复权（最隐蔽）

股票分红送股后，价格会"跳空"。不复权价里那道缺口是假暴跌，不是真跌。

n = mc.stock_history("600519", "d", "n", st=st, et=et)   # 前复权
b = mc.stock_history("600519", "d", "b", st=st, et=et)   # 后复权
print(n[0]["c"], b[0]["c"])   # 同一天，不同口径

真实输出（2026-08-06）： 600519 在 2025-07-02，前复权 1409.60 vs 后复权 8427.76，差 -7018.16。最新一日前复权 1308.78、后复权 8182.36（后复权把历史分红累积到最新价，故更高）。

教训：回测必须固定一种复权口径。散户策略一般用前复权（最新价=实际价）。混用或选错，信号全乱。

2. 停牌

停牌期间无成交，若策略"按昨收"硬算收益，会凭空制造平坦曲线。处理：停牌日跳过或标记为无交易，别用填充值。

3. 涨跌停价

涨停买不进、跌停卖不出。回测若假设"以涨停价成交"，会高估流动性收益。处理：信号触发日，若已涨停则次日才成交，或干脆放弃。

三、结果解读

数据质量不是"锦上添花"，是回测的地基。地基歪了，上面盖再漂亮的策略都是危房。

四、常见陷阱

• 用不复权价回测长周期：分红送股多的票（如茅台）会被"假暴跌"误导。
• 全样本含停牌长跑：拉长无交易区间，夏普被美化。
• 忽略涨跌停：小盘策略回测收益虚高。

五、小结 + 下篇预告

复权固定、停牌跳过、涨跌停不假设成交。下篇 #11 我们盘点想要但还没有的数据——引出交给数据团队的需求清单。

免责声明

本文为量化方法教学，不构成投资建议，不承诺收益。投资有风险，入市需谨慎。