搞量化或者经常盯美股盘面的人大概率都经历过类似的瞬间你自选里某只一直关注的标的某天开盘后价格突然“腰斩”K线图上硬生生劈出一根大阴线第一反应是公司是不是出了大事。翻一下公告才知道原来是拆股了一股拆成两股价格自然减半。除了拆股还有分红除息、并股、特别股利等一堆公司行为都会让“价格”那个数字失真。假使不把这些干扰剔除直接拿原始行情做策略回测、做收益分析结果可能错得离谱。这也是“CnOpenData 美股上市公司复权行情表”这套数据的价值所在它把每一段历史价格都校准到同一可比口径让收益计算和量化回测从源头就是干净的。这篇内容我打算从复权原理、数据结构、加载清洗、回测实操到常见坑位完整梳理一遍无论你是刚接触美股的散户还是给某团队搭量化数据底座的开发者都能直接照着用。1. 复权为什么是行情数据的“地基”不先把复权的逻辑讲透后面所有操作都像在沙地上盖楼。很多人拿到行情表先看字段、跑代码、画K线结果发现算出来的收益率对不上最后回头查原因十有八九是栽在“没有复权”或者“复权口径用错”上。所以第一部分先把最基础的东西钉死。1.1 拆股、分红与价格“假摔”先说一个具体场景。某只标的假设叫标的A交易日结束时的价格是100美元一股。当晚公司公告按1比2进行拆股也就是一股变两股。第二天开盘理论上价格会变成50美元附近。如果你不做任何处理在K线图上看到的就是一根从100跌到50的巨大阴线跌幅50%。但真实情况是你手里原来的1股变成了2股总市值没变公司的基本面也没发生任何变化。这个“跌幅”完全是价格基数变化造成的假摔。分红也是一个道理。公司每股派发2美元现金红利除息日那天价格通常会从100变成98左右。单看K线好像亏了2%但你的账户里多了对应的现金分红总资产其实是持平的。问题在于行情数据里只记录了价格不会自动告诉你这2美元已经以现金方式回到了你手里。这时候如果拿原始价格计算历史收益率除息日当天必然出现一个不真实的亏损。拆股、并股、分红、送转这些统称“公司行为”。复权要做的就是把这些公司行为对价格数字的冲击反向修正让价格序列变成一条连续的、可比较的曲线。说得直白一点不复权的价格记录的是“一张股票现在能卖多少钱”复权后的价格记录的是“你一直持有这个公司你的资产价值是怎样演化的”。后者才是做收益计算、做回测真正需要的口径。CnOpenData 美股上市公司复权行情表我理解的核心价值就在这里。它不是在原始行情上简单加两个字段而是把公司行为事件背后的复权因子都算好直接给你可直接入库、直接用于计算的复权价格。这样你就不必自己去翻公告、核对拆股比例、手写复权逻辑省掉的不只是时间还有一堆潜在的算错风险。1.2 前复权、后复权与复权因子一张图看懂的换算关系复权分为前复权和后复权绝大多数人刚开始都搞不清两者的区别其实一句话就能说明白。前复权是以最近一个交易日的价格为基准把过去所有历史价格往前调整。它保证的是“当前价格是真实的”历史上的价格是经过比例缩放的。前面标的A的例子拆股发生后如果做前复权那么拆股前那天的100美元会被调整为50美元整个历史曲线看起来就连续了最近的价格始终是实际成交价。后复权则反过来以上市首日或者某个最早基准日的价格为基准把之后所有价格往后放大。同样还是那个拆股例子后复权会把拆股后的50美元调整为100美元后面的价格都按比例放大。后复权的好处是价格永远不会出现负值且能直观看到长期持有一只标的的资产增长倍数。两种口径之间差一个累计复权因子。一般来说数据集里会直接给出复权因子字段它表示当前价格与基准价格之间的换算比例。公式大概是前复权价格 原始价格 × 前复权因子后复权价格 原始价格 × 后复权因子后复权价格 前复权价格 × 某固定比例常数之所以说是“某固定比例常数”因为前复权和后复权本质上是同一条曲线在不同基准下的纵向平移形状完全一致只是绝对数值不同。你算收益率、画趋势图、跑策略只要用同一套口径结果都一样。但有一点要注意前复权价格可能因为历史上有过高比例分红送转而变成负数这在极早期上市、长期高分红的标的上出现过。后复权则不会。日常做回测用前复权就够了因为它保持当前价格真实便于和最新市场情况、实时信号对接。做长期收益归因、观察复利效应我更喜欢用后复权看着一条陡峭向上的线那种资产增长冲击力是很直观的。1.3 一套能直接下锅的数据帮你少走三段弯路站在实际使用者的角度这份复权行情表至少帮我解决了三个层面的麻烦。第一省掉数据采集的脏活。美股历史行情涉及的数据量非常大从上世纪到现在横跨几十年的日线数据再加上退市公司、代码更名、交易所迁移等历史信息自己一个个去整理几乎不现实。直接选择一份整理过的数据可以让你把精力集中在策略和分析上而不是耗在数据搬运上。第二公司行为处理不用自己造轮子。拆股比例、分红金额、除权日期这些看似好找但真要逐家公司去核对工作量巨大。尤其是并股比如10股并1股价格从1美元变成10美元如果漏掉这个事件后续所有计算都会出错。而复权行情表生成时已经把这类事件全部考虑进去你拿到手的是已经被修正过的价格。第三口径统一。不同来源的行情数据复权算法可能有细微差别比如有的按“除权日参考价”调整有的按“除权前收盘价与除权日开盘价的比值”调整。如果你混杂使用多个来源很容易出现同一天同一只标的价格对不上的情况。使用单一来源的统一复权表至少能保证内部一致性排查问题也方便得多。2. 一套能直接下锅的字段结构聊完原理进入实际操作层面。拿到一套行情数据第一件事不是急着画图而是把字段结构、粒度、更新机制搞清楚。很多人数据都读进来了才发现缺字段、粒度不符合需求再回头换数据源白白浪费大半天。先花10分钟理解结构比什么都值。2.1 字段设计与口径我手里的这套美股上市公司复权行情表字段结构大致如下不同版本可能字段名略有差异但核心字段基本不会缺字段名类型含义使用建议证券代码字符串标的唯一标识关联其他数据表的主键之一交易日期日期交易日注意美股交易日的时区问题开盘价浮点数当日不复权开盘价技术指标计算用最高价浮点数当日不复权最高价注意与复权价区分最低价浮点数当日不复权最低价注意与复权价区分收盘价浮点数当日不复权收盘价画图、计算基准成交量整数当日成交股数不建议按复权比例修改成交额浮点数当日成交金额流动性判断前复权收盘价浮点数前复权口径收盘价回测、收益率计算主用后复权收盘价浮点数后复权口径收盘价长期收益分析主用复权因子浮点数累计复权比例手动换算、口径校验很多人有个误区以为复权就是把“收盘价”改掉开盘、最高、最低也都得跟着改一遍。严格来说确实应该这样开盘价、最高价、最低价同样会被拆股、分红影响。但为什么表格里保留了原始开盘、收盘又单独给出前复权收盘价呢因为不同使用场景对字段的需求不一样。做日内策略需要原始开盘、最高、最低来分析盘口行为复权反而会扭曲当日真实的交易区间。做日频回测只需要复权后的收盘价。如果哪天你要做更精细的回测其实应该用复权因子把四价全部换算成复权口径而不是只盯一个收盘价。这个细节我一直强调团队里的新人要注意。2.2 数据粒度、覆盖范围与更新节奏美股市场本身的交易频率决定了这类数据最常见的粒度是日线。如果你要盘中高频策略那需要的是分钟级或者逐笔数据行情感知完全不同。日线粒度最适合的是中低频策略、资产配置、因子研究、基本面量化这类场景。作为起步日线已经足够覆盖大多数需求。覆盖范围方面一套合格的复权行情表应该覆盖尽可能多的美股上市公司包括当前存续的和已经退市的。退市公司的数据往往被很多人忽略但做量化研究时如果只保留当前还活着的公司回测会受到严重的“幸存者偏差”污染。你想想如果你只看今天还存在的股票历史上那些破产、退市、暴跌的标的一律不出现回测出来的结果当然漂亮但那不是真实市场的表现。包含了退市公司才能相对诚实地说“这个策略在历史上整体表现如何”。更新节奏一般跟随交易日。美股市场每个交易日结束后数据源会更新当天的行情并重新计算一次复权因子。之所以说“重新计算”是因为前复权以当前价格为基准新的交易日到来基准价格改变历史所有前复权价格都会等比例变化。这就引出一个很关键的认知前复权价格不是一成不变的它会随着时间推移被更新。你的回测脚本如果每次重新读取数据那没问题但如果把某一天下载的前复权数据缓存到本地过了很久再拿去跑回测历史价格已经和新版本不一致了。这点后文细说。2.3 数据格式与本地化存储从平台下载下来的数据我通常拿到的是CSV格式按标的拆分或多个标的混在一个大文件里的情况都有。拿到手第一件事是统一存储格式。如果你只是临时分析几个标的直接Pandas读CSV没问题但如果要长期维护一个分钟级或日级的本地数据库我建议直接存入列式存储比如DuckDB或者用SQLite做轻量级存储。列式存储对时间序列聚合查询特别友好几千只股票几十年的日线数据几个G的CSV一压缩一入库查询速度能快出好几个数量级。文件命名上也要提前规划。按标的代码分文件是常规做法比如{证券代码}_daily.csv但要注意代码会变化有些公司会换代码退市后又有可能重新上市。更稳妥的做法是在数据内部始终保留证券代码和交易日期两个字段以两者组合作为唯一键不要依赖文件名的唯一性。入库时建立一个主表加索引(证券代码, 交易日期)这样几乎所有后续查询都能走得很快。时区也是一个绕不开的细节。美股交易日对应的美东时间与北京时间差13到16个小时不等涉及夏令时切换。如果你把美股的日期直接当成普通日期对齐其他数据很容易出现错位。我习惯在入库时额外生成一个“北京时间日期”字段具体用哪个取决于后续分析是否需要跨时区对齐。单纯做美股内部策略直接用交易日历即可不需要把每个时间点都换算成北京时间。3. 用行情数据干活从加载到回测的实操链路数据结构没问题就可以动手处理了。这一节我直接用代码示例演示一套完整的数据处理流程从CSV加载到生成可用的收益率序列再到和基本面数据合并时容易踩的坑。代码都用 Python 和 Pandas 来写这也是目前做量化数据处理最主流的组合。3.1 先用Pandas把数据整理成标准面板第一步是把原始数据读进来。假设你已经下载好了一批 CSV以下代码做了三件事读取数据、标准列名、按时间排序。import pandas as pd # 读取单只标的的日线数据 df pd.read_csv(daily_000001.csv) # 标准列名按自己偏好统一 df df.rename(columns{ sec_code: code, trade_date: date, adj_close_forward: adj_close, }) # 日期转成datetime df[date] pd.to_datetime(df[date]) # 排序并去重 df df.sort_values([code, date]).drop_duplicates( subset[code, date], keeplast ) # 重置索引 df df.reset_index(dropTrue)这里有两个细节是我反复踩过坑之后总结出来的。第一排序必须按code和date两个字段一起排不要只按日期排否则数据文件里如果多条标的存在时整个面板会乱掉。第二drop_duplicates要指定keeplast因为更新数据时有可能重复下载某几天的数据保留最后一条通常是最新修正后的版本。如果你的数据是多个标的全在一个大文件里加载方式也一样读完再统一排序去重。注意检查有没有缺失的日期美股交易日历是一张固定的表缺失可能是当天停牌也可能是退市前后的空档。停牌是正常现象但连续大范围缺失就要警惕数据处理环节出错了。好这里有个小贴士如果缺失日期很多可以用完整交易日历做一次外连接把缺失日期填充为 NaN。但别急着把 NaN 删掉停牌期间的 NaN 和缺数据的 NaN 在后续分析里的含义不同最好先保留原始标记。3.2 收益率计算与事件研究前复权才有意义复权价格最大的用处在于计算收益率。用前复权价格计算日收益率才不会被拆股分红扭曲。df[ret] df[adj_close].pct_change() # 也可以算多日累计收益 df[cum_ret] (1 df[ret]).cumprod() - 1就这么几行回测需要的日频收益序列就出来了。不要用原始收盘价去算pct_change()否则拆股日那天会出现一个巨大的假跌幅分红除息日也会出现假亏损整个收益率的统计特征都会被污染。除了算整体收益事件研究也经常用到复权行情。比如你想研究“分红公告日”前后某只标的的异常收益做法是取事件窗口内每一天的复权收益率减去市场基准收益率得到超额收益。如果用的是不复权价格事件窗口如果跨过除权除息日计算出来的超额收益会严重失真甚至方向都反了。顺便提醒一句计算收益率时如果两条记录之间相隔超过一个交易日比如周一和周二之间有周末或者遇到假期pct_change()会把时间间隔的差异忽略掉算出来的是单日收益率但不是“自然日收益率”。做日频模型没问题做日历效应分析时就要额外留意时间间隔。3.3 与基本面数据合并的隐藏陷阱很多策略不仅要价格数据还要把市盈率、市值、营收等基本面数据合并到一起。合并的时候最容易出错的就是每股口径和总市值的匹配问题。举个例子某家公司今年做了拆股股价从100变成50股数同步翻倍总市值不变。但如果你只拿原始每股收益、每股净资产去算市盈率不把每股指标做相应调整计算出的市盈率会瞬间变化看起来像基本面发生突变其实只是股本结构在变。这种时候行情表里的复权因子就能帮你做统一换算把历史每股指标乘上对应的复权因子让它们和当前股本口径对齐然后才能和当前价格放在同一个尺度上比较。另外做“分红再投资”研究时光有复权价格还不够。前复权价格隐含了“把分红按比例折算到价格里”的逻辑但并没告诉你真实的现金分红金额和再投资时间点。如果你想模拟每个季度收到分红后立刻买入股票的真实过程需要单独准备分红明细数据按除权日和实际到账日分步操作。复权价格和分红复投两者结果接近但并不完全等价别混为一谈。4. 实战用复权行情搭一个最小回测框架理论知识都是纸面上的下面用一个非常简单的双均线策略演示从数据到回测的全过程。这不是让你直接拿这个策略上实盘而是提供一个最小可运行的框架帮你把复权行情的用法串起来。4.1 一个最简单的均线策略实现双均线策略逻辑不复杂快线上穿慢线时买入快线下穿慢线时卖出。用前复权价格计算每天的净值变化判断信号即可得到策略的表现。import numpy as np # 读取某标的的前复权行情 df pd.read_csv(daily_000001.csv, parse_dates[date]) df[adj_close] df[adj_close_forward] df df.sort_values(date) # 计算均线 df[ma_short] df[adj_close].rolling(10).mean() df[ma_long] df[adj_close].rolling(60).mean() # 生成信号金叉1死叉-1初始0 df[signal] 0 df.loc[df[ma_short] df[ma_long], signal] 1 df.loc[df[ma_short] df[ma_long], signal] -1 # 交易指令状态改变时产生 df[position] df[signal].diff().fillna(0) # 策略日收益 信号持仓 * 当日标的收益 df[ret] df[adj_close].pct_change().fillna(0) df[strategy_ret] df[position].shift(1) * df[ret] # 净值曲线 df[strategy_nav] (1 df[strategy_ret]).cumprod()这个框架简单到只有十几行但思路是通用的。position表示每天收盘后如果信号发生变化第二天开盘按新信号调整仓位。shift(1)这一步尤其重要它确保今天的仓位信号用的是昨天的信号避免当日收盘信号和当日收益之间产生信息泄漏。在写回测框架时有两点我强烈建议从一开始就刻进习惯里。第一任何用到价格数据的信号都必须明确“这个价格在信号生成时是否已知”。比如用收盘价产生信号那信号最早只能在收盘后生成下一根K线才可执行。第二所有需要未来数据的操作比如用未来一段时间的收益率做排序一定要做严格的滞后处理否则回测结果会异常漂亮但毫无意义。很多人跑完回测发现收益曲线漂亮得不像话第一反应不是高兴而是应该怀疑代码里哪里用了未来数据。经验老到的量化研究员看到高收益回撤比超过某个异常值时会先审计代码而不是庆祝。这个习惯在这个行业里能帮你躲开很多虚假结论。4.2 不要把你的回测结果跑成“科幻片”复权数据本身是干净的但回测框架里依然有很多陷阱等着新人踩。其中一个最隐蔽的问题叫“幸存者偏差”。如果你选标的池时用的是当前时间点还在上市的公司清单再去拉这些公司的历史行情跑回测那么那些已经退市、破产的公司天然被你排除在外。结果就是你的回测永远只包含“活到今天的赢家”回测收益自然偏高。解决方法是标的池应该在每个历史时间点使用当时真实存在且可交易的公司集合这就是我们前面提到退市公司数据重要的原因。CnOpenData 的复权行情表如果包含退市公司记录你在构建历史标的池时就能尽量逼近真实的市场状态。手续费和滑点也不能忽略。每天按信号换仓来回交易成本对收益的侵蚀非常明显。全仓买入卖出的策略单边按几个基点费用算一年换手几十次成本累积起来可能吃掉大部分收益。回测框架里至少要留出成本参数的位置宁可先高估费用也不要低估。夏普比率、最大回撤、胜率这些指标都可以在这个最小框架上扩展。建议先用整体累计净值观察曲线的健康程度再看回撤区间是否集中在某几个历史极端阶段再来评判策略的稳定性。单看一个年度收益或一个累计净值很容易被局部运气误导。4.3 复权结果正确性的三种自检方法我拿到任何一份复权行情数据都不会直接信任会先做几项自检。这个习惯救过我很多次也帮你判断数据源到底靠不靠谱。第一种自检是看除权日附近是否存在跳空。一支没有发生任何公司行为的普通交易日前一天的复权收盘价与当天的复权开盘价应该连续差异只在合理波动范围。如果有一天价格突然凭空多出几个百分点那大概率是复权因子算错了。第二种自检是把复权收益率和原始收益率做对比。在没有拆股分红的普通交易日两者应该几乎一致只有在公司行为发生日附近才会产生差异。如果发现某只长期不分红不拆股的股票复权和原始行情差距很大那一定有哪里出了问题。第三种自检是和公司的公告数字做抽样核对。找一个拆股案例回头看拆股日之前的价格和拆股比例手工计算前复权后的价格应该等于什么数值再去数据表里比对。一次抽样容易碰巧抽个三五只不同事件类型的标的做过一遍基本就能判断这套行情表的可信度。这种抽样核对虽然费时间但比轻信任何数据源都可靠。5. 常见问题与排查技巧实录最后这部分我把实际使用中遇到的一些典型问题整理成速查表这些问题反复出现有些甚至我自己也栽过。建议你收藏这份清单以后碰到异常行情的时候直接对照排查。5.1 问题速查表现象可能原因排查方向某天价格突然暴跌50%却没有公告拆股事件未复权或复权因子错误核对拆股比例、除权日期前复权价格出现负数历史现金分红比例过高所致属于正常现象改用后复权前端日期正常历史端价格整体偏移前复权基准日更新重新下载最新数据成交量出现异常放大拆股后股票数量增加成交量一般不做复权调整数据有重复日期多次下载合并时未去重按代码日期去重停牌日期数据缺失当日无交易记录保留缺失并标记不强行填充收益率序列出现跳跃公司行为未处理干净检查事件日附近数据同一标的在不同数据源价格不一致复权口径不同固定使用同一数据源作为主口径回测收益高得离谱可能存在未来函数或幸存者偏差审计信号生成逻辑、检查标的池构造这张表只是静态的问题快照真正难处理的是多个问题叠加在一起的情况。比如某只股票先拆股然后又合并中间还穿插了特别股利这种多重事件叠加在历史上并不罕见。单纯靠人工核对很痛苦我更推荐的做法是把公司的行为事件单独整理成一张表标注事件类型、日期、比例、金额然后编写程序用事件表去校验复权因子的正确性。一旦发现复权因子和事件表对不上优先以事件表和官方公告为准。5.2 三个值得记住的教训第一个教训永远不要缓存前复权数据太久。前复权的基准是“当前价格”过了一个月再看最新价变了整个历史序列都会被更新。你上个月下载并清洗好的历史数据用到这个月跑回测除非你非常确定区间内没有新的公司行为事件发生否则历史复权价格可能已经悄悄变化。更稳妥的做法是做一个自动化更新流程每次回测前24小时内拉取数据。第二个教训把原始价格和复权价格分清楚别指望一种口径解决所有问题。做事件驱动研究、做成交量分析、做盘中技术形态很多场景要用原始价格做收益计算、做净值曲线、做长期回测则必须用复权价格。一个稳妥的分析框架应该在原始数据层、复权数据层、指标计算层之间明确分层谁依赖谁谁必须保持原始值提前定义清楚。第三个教训不要为了“漂亮”去掩盖残缺数据。有些分析师遇到缺失值就直接删除导致时间序列出现断层然后用插值法填充继续跑回测。对于收益序列来说删除和插值都可能产生严重偏差。停牌期的缺失是真实的市场状态插值相当于人为制造了不存在的交易。面对缺失优先要搞清楚缺失的原因是停牌、是退市、还是数据采集漏了再决定怎么处理。盲目的数据清洗比直接使用粗糙数据还要危险。最后再分享一个小技巧是我每次拿到新数据源都会做的一件事随机挑三只历史跨度足够长、发生过多次拆股分红的标的手工用官方公告重算一遍复权因子再与数据表里的复权因子做比对。这套方法听起来朴素但真能筛出不少表面对齐、细节出错的数据版本。做量化的人价格数据就是地基地基里藏着一根断钢筋上面盖多高的大楼都踏实不了。拿到任何一份复权行情表先用自检清单花一两个小时做校验再用它跑真正的策略这个顺序最好不要反过来。