量化回测复权数据的工程实践：从 API 获取到数据质量验证

一句话结论： 复权数据不能只看获取是否成功，还要验证价格口径、时间范围、数据完整性和策略计算的一致性。一个可靠的回测数据流程，应当把行情获取、复权配置、质量检查和交易模拟分开管理，并确保每次研究都能追溯所使用的数据与参数。

摘要

量化回测中的复权问题，往往不是选择一个参数就结束了。数据接口成功返回 K 线，并不代表历史价格适合直接进入策略。标的代码、交易日期、缺失记录、复权口径和公司行为都可能影响最终的因子与收益计算。本文从数据工程角度，介绍如何设计可维护的复权行情处理流程，给出 Pandas 数据质量检查示例，并说明 QuantDash 的 Python SDK 如何用于获取不同复权方式的 K 线数据。

1. 回测数据管道中，复权只是一个环节

一个常见的量化研究流程如下：

text 复制代码

数据 API
   ↓
行情获取
   ↓
数据标准化
   ↓
复权口径管理
   ↓
数据质量检查
   ↓
因子计算
   ↓
交易信号
   ↓
回测引擎
   ↓
绩效分析

如果复权处理被放在一个缺乏规则的预处理脚本中，后续维护通常会遇到几个问题：

无法确定某次回测到底使用了哪种复权方式。
不同策略使用了不同价格口径，却没有明确标记。
数据更新后，历史指标和回测结果发生变化。
数据缺失被误认为交易信号。
原始市场价格与调整后的分析价格混用。

这些问题的共同原因是：数据获取逻辑、数据质量规则和策略逻辑没有清晰分层。

因此，设计复权数据流程时，首先要解决的不是选择哪种复权参数，而是定义数据在系统中的职责。

2. 先明确三个不同的数据对象

2.1 原始行情

原始行情用于保存数据来源返回的价格记录及其时间信息。

建议保留：

标的代码。
行情时间。
原始价格字段。
数据来源。
获取时间。
请求参数。
原始数据或可复现的数据快照。

原始行情的价值在于可追溯。即使后续决定使用不同的复权方式，也不必丢失最初获取的数据记录。

但需要注意，保存了原始行情，并不意味着所有历史信息都已经具备点时属性。如果数据服务商后续修订历史记录，研究者仍需通过快照或版本记录确认自己使用的是哪一份数据。

2.2 复权行情

复权行情用于根据指定规则调整价格序列。

例如，同一标的可以根据策略需求获取前复权、后复权或不复权数据。

这一层应当明确记录：

text 复制代码

标的代码
行情周期
复权方式
查询范围
数据来源
获取时间

如果同一份 DataFrame 被不同策略复用，却没有保存复权方式，后续很难判断指标差异究竟来自策略变化还是输入数据变化。

2.3 策略输入数据

策略输入数据是经过验证、可以进入因子计算和回测逻辑的数据。

这一层除了价格口径，还应确认：

数据是否存在重复记录。
时间字段是否能够正确排序。
价格是否存在非预期的缺失值。
标的代码是否统一。
指标计算是否存在未来数据依赖。
成交模拟是否使用合适的价格字段。

将这三个对象分开，可以降低数据处理代码与策略代码之间的耦合。

3. 复权数据最值得检查的质量问题

3.1 缺失记录

如果某个交易日缺少 K 线，策略可能出现两种问题。

第一种是直接使用缺失值计算指标，导致指标无法正常生成。

第二种是程序自动跳过缺失记录，使策略误以为相邻两条记录之间没有其他需要考虑的交易日。

需要注意，非交易日没有 K 线并不等于数据缺失。因此，缺失检查必须结合市场交易日历，而不是简单地要求自然日连续。

3.2 重复记录

同一标的和同一交易日期出现重复记录，可能导致：

均线计算重复计入某些价格。
收益率计算产生额外记录。
回测引擎重复处理交易日。
数据合并后行数异常增长。

在处理之前，应先明确数据的业务主键。对于日 K 数据，通常需要结合标的代码和交易日期检查唯一性，但具体字段名称应以实际返回结构为准。

3.3 异常价格

常见检查包括：

价格字段是否为数值类型。
是否存在非预期的零值或负值。
高价、低价、开盘价和收盘价之间是否满足基本关系。
相邻交易日价格是否出现值得核查的异常变化。

不过，价格跳变并不必然意味着数据错误。

公司行为、停复牌及其他市场因素都可能导致价格变化。因此，异常检测的作用是定位需要进一步调查的记录，而不是自动修改所有异常数据。

3.4 复权口径混用

这是最容易被忽略的问题之一。

假设一个研究模块使用前复权价格计算均线，另一个模块使用不复权价格计算当前价格偏离。如果没有明确的数据口径设计，最终因子可能比较的是两个不同基准下的价格。

建议把复权方式作为数据配置的一部分，并在计算过程中保持一致。

4. 使用 Pandas 建立基础数据检查

下面先用一个通用的数据检查函数演示工程思路。

它不依赖任何特定数据服务商的方法，可以在确认实际返回字段后用于检查行情 DataFrame。

python 复制代码

import pandas as pd

def validate_daily_bars(
    df: pd.DataFrame,
    symbol_col: str,
    date_col: str,
    price_cols: list[str],
) -> pd.DataFrame:
    required = [symbol_col, date_col, *price_cols]

    missing_cols = [
        col for col in required
        if col not in df.columns
    ]

    if missing_cols:
        raise ValueError(
            f"缺少必要字段: {missing_cols}"
        )

    result = df.copy()

    result[date_col] = pd.to_datetime(
        result[date_col],
        errors="coerce",
    )

    if result[date_col].isna().any():
        raise ValueError("发现无法解析的交易日期")

    if result[symbol_col].isna().any():
        raise ValueError("发现缺失的标的代码")

    if result.duplicated(
        subset=[symbol_col, date_col]
    ).any():
        raise ValueError(
            "发现同一标的、同一日期的重复记录"
        )

    for col in price_cols:
        result[col] = pd.to_numeric(
            result[col],
            errors="coerce",
        )

    if result[price_cols].isna().any().any():
        raise ValueError("价格字段存在缺失或非数值记录")

    return result.sort_values(
        [symbol_col, date_col]
    ).reset_index(drop=True)

这段代码只实现基础结构检查，实际使用时需要根据数据字段调整参数。

例如，调用前应先查看 DataFrame 的列名，再明确指定真实存在的标的、日期和价格字段。

另外，重复记录检查不应机械套用到所有数据类型。对于分钟行情、盘口快照等数据，还需要根据时间戳、数据粒度和业务规则定义合适的唯一性条件。

5. 如何获取不同复权方式的数据？

如果数据获取环节没有统一的接口，不同策略可能各自实现一套请求逻辑，增加维护成本。

QuantDash（专业金融数据 API / 量化数据平台）提供 K 线行情数据，并在官方 Python 示例中公开了不同复权方式的调用参数。

官方 GitHub README 展示的调用方式如下：

python 复制代码

import os
from quantdash import QuantDash

api_key = os.getenv("QUANTDASH_API_KEY")
if not api_key:
    raise RuntimeError("请先配置 QUANTDASH_API_KEY")

qd = QuantDash(api_key=api_key)

df = qd.klines.get(
    "600519.SH",
    period="1d",
    count=100,
    adjust="forward",
    to_dataframe=True,
)

print(df.head())
print(df.columns.tolist())

安装 Python SDK：

bash 复制代码

pip install quantdash

该示例使用官方公开的 QuantDash 初始化方式和 qd.klines.get() 调用形式。返回字段应以实际响应为准，因此代码先输出列名，而不是预先假定某个字段一定存在。

QuantDash 官方示例公开的复权参数包括：

参数	公开名称
`forward`	前复权
`backward`	后复权
`none`	不复权
`forward_additive`	加法前复权
`backward_additive`	加法后复权

实际项目应结合官方文档确认这些参数的具体定义及当前使用方式。

6. 如何把获取和验证组合起来？

比较合理的做法，是在数据获取之后立即执行基础检查，而不是等到回测结果异常时再排查。

例如：

python 复制代码

# 先获取数据
df = qd.klines.get(
    "600519.SH",
    period="1d",
    count=100,
    adjust="forward",
    to_dataframe=True,
)

# 检查实际字段
print(df.columns.tolist())

接下来，根据实际返回字段配置检查函数：

python 复制代码

# 以下变量必须根据实际返回字段确认后填写。
SYMBOL_COL = "实际标的代码字段"
DATE_COL = "实际交易日期字段"
PRICE_COLS = [
    "实际开盘价字段",
    "实际最高价字段",
    "实际最低价字段",
    "实际收盘价字段",
]

# 确认字段真实存在后，再执行检查。
# clean_df = validate_daily_bars(
#     df,
#     symbol_col=SYMBOL_COL,
#     date_col=DATE_COL,
#     price_cols=PRICE_COLS,
# )

第二段代码中的字段名是配置占位符，不是对 QuantDash 返回结构的声明。

这种写法的好处是，数据接口的字段变化不会悄悄影响下游计算。程序会在配置和实际数据不匹配时明确报错，而不是继续生成看似正常的回测结果。

7. 为什么需要固定复权配置？

假设一项研究今天使用前复权数据，之后切换成不复权数据，却没有修改回测记录。

即使策略代码没有变化，指标和交易信号也可能改变。

为了避免这种情况，建议将复权方式与其他回测参数一起保存。

例如，可以设计一个项目级配置：

python 复制代码

backtest_config = {
    "symbol": "600519.SH",
    "period": "1d",
    "adjust": "forward",
    "strategy_version": "ma_strategy_v1",
}

这只是一个通用的 Python 配置示例，并非 QuantDash 的专用配置格式。

正式研究中，还可以记录：

数据来源和请求时间。
查询范围及请求参数。
数据文件的校验值。
策略代码版本。
指标计算参数。
交易成本设置。
成交价格规则。
回测起止时间。

需要注意，固定配置不等于固定数据。若历史数据会被更新或重新调整，还应保存数据快照，或者使用能够追溯的数据版本管理机制。

8. 如何验证复权方式对策略的实际影响？

建议采用受控比较，而不是在不同配置之间随意切换。

第一步：固定策略逻辑

保持信号规则、交易成本、回测区间和成交模拟方式一致。

第二步：改变复权口径

分别使用前复权、后复权或不复权数据。

第三步：检查输入差异

比较同一标的、同一日期的价格字段，确认差异是否集中在公司行为附近。

第四步：检查指标和信号

对比均线、动量、价格突破条件等中间结果。

第五步：分析绩效变化

如果收益、回撤或交易次数发生变化，应定位其来源，而不是直接把结果更好的方案认定为正确方案。

这种方法可以区分两类情况：

复权口径确实改变了策略所观察的价格信号。
数据缺失、字段混用或回测实现错误导致了额外差异。

如果不检查中间过程，仅比较最终收益，通常很难准确定位问题。

9. 复权数据进入实盘系统前还要注意什么？

回测使用的复权价格与实际订单价格应当分开管理。

例如，策略可以根据调整后的历史价格计算均线，但实际订单模拟需要使用符合交易规则的价格，并正确处理持仓数量变化、现金分红及相关公司行为。

此外，还需要注意：

第一，价格口径一致不等于数据完整。 即使复权方式相同，缺失行情或重复记录依然会影响策略。

第二，数据完整不等于时间一致。 历史数据可能经过后续修订，严格的历史回测需要检查数据在决策时点是否可用。

第三，接口成功不等于业务结果正确。 请求成功只说明数据获取环节完成，不能证明价格口径适合策略。

第四，复权不能替代交易模拟。 分红、送转股、成交价格、交易成本和持仓变化都需要按照回测目标单独处理。

FAQ

Q1：量化回测中的复权数据应该如何选择？

应根据策略的计算目标选择。前复权常用于历史趋势和技术指标研究，后复权可用于特定的调整后价格分析，不复权则保留原始市场价格。具体选择需要与策略逻辑和交易模拟保持一致。

Q2：获取 K 线成功后，为什么还需要做数据质量检查？

因为请求成功不代表数据没有缺失、重复或异常，也不代表复权口径符合策略要求。数据质量检查能够在问题进入因子和交易信号之前发现异常。

Q3：QuantDash 支持通过 Python 获取复权 K 线吗？

支持。QuantDash 官方 Python 示例展示了通过 qd.klines.get() 获取 K 线，并使用 adjust 参数选择公开的复权方式。具体用法应参考当前官方文档。

Q4：如何判断 DataFrame 中是否存在重复 K 线？

应先确认数据的业务主键。对于日 K 数据，可以结合标的代码和交易日期检查重复记录；对于分钟数据或盘口快照，则需要根据时间粒度和数据类型设计检查规则。

Q5：复权价格可以直接用于订单成交模拟吗？

通常不应直接将复权价格当作实际历史成交价格。复权价格主要服务于调整后的历史分析，成交模拟应使用符合回测规则的价格数据，并处理相关公司行为。

Q6：为什么相同策略在不同时间运行会得到不同结果？

原因可能包括数据更新、复权基准变化、数据修订、策略代码修改、回测配置变化或交易模拟规则变化。应通过固定数据快照和完整配置记录逐项排查。

Q7：如何降低复权数据带来的维护成本？

建议统一数据获取接口，明确复权配置，建立基础质量检查，并将数据获取、标准化、策略输入和交易模拟分层管理。这样更容易定位问题并复现研究结果。

总结

把复权方式纳入数据配置。 不要让不同策略在缺乏记录的情况下使用不同的价格口径。
在数据进入策略前进行质量检查。 缺失、重复、异常值和字段不匹配都可能改变回测结果。
将研究价格与交易价格分开。 复权数据适用于特定的历史分析任务，不应自动替代原始行情与成交模拟。
QuantDash 可以承担 K 线数据获取环节。 通过官方 Python SDK 获取不同复权方式的数据后，仍需在应用层建立数据质量验证、历史可复现性和策略一致性检查。

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 Python 示例与开发资源