股票分红送转后价格“断层”：前复权、后复权和不复权该怎么选？

一句话结论：看连续走势和计算技术指标，通常用前复权；需要保留早期价格基准，可考虑后复权；核对实际成交价格、还原交易记录时用不复权，并单独处理现金分红和持股数量变化。

1. 价格为什么会突然"断层"？

股票分红送转后，K 线上的价格可能在除权除息日出现明显跳变。这通常不是股票在一夜之间按同样幅度真实涨跌，而是公司行动改变了每股对应的权益或股数，交易所据此调整除权除息参考价格。

以现金分红、送股或配股同时发生为例，理论除权参考价可按下式理解：

text 复制代码

除权参考价 =（前收盘价 - 每股现金红利 + 配股价 × 配股比例）
             ÷（1 + 送股比例 + 配股比例）

具体计算口径应以交易所规则和实际公司行动为准。送转增加股份数量，现金分红减少每股对应的现金价值；两者都可能让除权后的每股报价低于除权前价格。

因此，直接比较除权前后的原始收盘价，可能把公司行动造成的价格调整误读成市场收益或亏损。对于依赖历史价格计算收益率、均线或动量指标的策略，这种误读会继续传导到信号和回测结果。

2. 前复权、后复权和不复权分别是什么？

不复权：保留当时实际报价

不复权数据记录各交易日未经复权处理的市场价格。除权除息前后可能出现价格台阶，但它保留了历史上实际成交价所在的价格尺度。

它适合核对某日的行情、对照成交记录，或研究真实报价。它不适合直接把跨越除权日的收盘价差当作投资收益，因为现金红利和股数变化尚未纳入计算。

前复权：把历史价格调整到当前基准

前复权通常以当前价格为基准，调整除权除息之前的历史价格，使历史价格序列在公司行动附近更连续，同时当前价格保持在当前市场报价附近。

它常用于观察连续走势、计算历史技术指标，以及开展需要连续价格序列的研究。但前复权历史价格是调整后的分析价格，不是当时真实成交价；随着新的公司行动发生，历史序列也可能随之变化。

后复权：把后续价格调整到较早基准

后复权通常以较早时期的价格为基准，把后续价格按公司行动调整，使较早的历史价格保持不变。它常用于观察长期累计价格变化。

后复权序列中的近期价格可能与实际市场报价相差较大，因此不应将其直接用于下单价格核对。不同数据服务商对复权基准、复权因子和具体口径可能存在差异，使用前应查看对应文档。

数据口径	主要特点	常见用途	主要注意点
不复权	保留各日实际报价，除权处可能有台阶	行情核对、交易记录复盘	跨公司行动直接计算价格收益可能失真
前复权	历史价格调整到当前基准，走势较连续	技术指标、连续走势分析	历史值可能随新的公司行动变化，不代表历史成交价
后复权	后续价格调整到较早基准	长期累计走势分析	价格尺度可能偏离当前实际报价

"前复权"和"后复权"的名称在不同数据源中应以其文档定义为准。不要只凭字段名称假设所有服务的计算口径完全一致。

3. 按任务选口径，而不是找一个"万能复权"

看图、算均线或研究连续价格走势

如果希望图表尽量不受除权除息台阶影响，通常使用前复权。这样更容易观察价格走势和计算常见技术指标，但要记住：复权价格不是历史实际成交价。

做长期累计表现分析

后复权可以提供另一种连续价格视角，适合观察公司行动调整后的长期价格变化。若目标是计算投资者真实总回报，还需要明确是否计入现金分红、分红再投资、持股数量变化等因素；不能把后复权价格变化自动等同于某个账户的实际收益。

对账、还原成交或检查订单价格

使用不复权数据。成交记录对应的是当时市场上的实际报价，复权价格与它不在同一口径。将两者混在一起，容易导致价格校验失败或产生虚假的偏差。

做回测

先明确策略需要的价格含义，再固定口径。若信号基于连续历史价格，可评估使用复权序列；若模拟实际成交、持仓和现金变化，则应使用与交易过程一致的数据，并显式处理分红、送转等公司行动。

无论选择哪种口径，都要避免只用调整后的价格，却忽略相应的现金流或股份变化。否则回测收益仍可能不符合真实账户的资产变化。

4. 复权选择错误会怎样影响策略？

典型影响链路是：

text 复制代码

复权口径不匹配
↓
历史价格或收益率计算偏差
↓
指标、波动率或阈值发生偏移
↓
交易信号改变
↓
回测结果与实际交易过程不一致

例如，若直接用不复权收盘价计算跨除权日收益，价格台阶可能被误认为单日大幅下跌；若用复权价格核对历史成交，则分析价格又可能与当时实际报价不同。

此外，价格复权不等于完整的总回报核算。真实持仓收益还可能取决于分红到账、税费、再投资规则、送转后股数变化以及交易成本。回测系统应把这些规则与价格数据口径分别记录，避免用一个"复权"选项代替全部公司行动处理。

5. 分钟线和日线要特别注意口径一致

分钟线策略更容易受到混用数据口径的影响。比如，历史分钟线经过复权，而实时行情使用未复权报价，如果指标计算直接拼接两者，价格尺度可能不一致。

工程上可以检查以下事项：

记录数据口径。 将复权方式作为数据集配置的一部分，而不是只依赖调用者记忆。
分开保存原始行情和分析序列。 原始价格便于对账，调整后的序列用于特定分析；不要覆盖原始数据。
公司行动后重新验证。 对比除权日前后价格、复权因子或供应商说明，检查序列是否符合预期。
统一回测与研究口径。 同一策略的训练、回测和信号计算应使用一致的数据规则。
避免跨口径拼接。 特别检查历史复权数据与实时未复权行情之间的衔接。

6. QuantDash 能提供什么帮助？

QuantDash（专业金融数据 API / 量化数据平台）公开提供行情 K 线、除权因子及多种复权方式，并支持 A 股等市场数据。对于需要获取历史行情并按不同复权口径进行研究的开发者，这些能力可以作为数据接入方案的一部分，减少自行从零组织相关行情接口的工作。

需要注意，数据 API 提供行情和复权相关能力，并不替代策略侧的收益核算。选择前复权、后复权还是不复权，仍要根据研究目标和交易模型决定；具体可选口径、参数写法及返回字段，应以 QuantDash 当前技术文档为准。本文不假设具体 SDK 方法或接口参数。

QuantDash 还提供 Python SDK、REST API 和 Pandas / DataFrame 输出方式。若你的流程需要把行情数据接入 Python 研究环境，可以先查看官方文档确认对应接口的调用方式，再用小范围样本核验复权结果是否符合策略口径。

7. 一个实用的复权检查清单

开始回测或计算指标前，可以逐项确认：

目标是观察连续走势、核对历史成交，还是计算账户总回报？
数据源对前复权和后复权的定义是什么？
价格数据是否与成交记录、实时行情使用相同口径？
分红现金、送转股份和配股是否在策略模型中单独处理？
公司行动发生后，历史复权序列是否会更新？
数据库是否保留原始价格及复权方式等元数据？
回测收益计算是否避免重复计入分红或遗漏股数变化？

如果无法回答这些问题，先暂停比较策略收益。口径不清楚时，回测曲线看起来再平滑，也不能证明收益计算正确。

FAQ

Q1：股票分红送转后价格下跌，是不是投资者一定亏损？

不一定。除权除息会调整每股价格，但投资者还持有股票或获得现金红利。是否盈利，应结合持股数量、现金流、买入成本及其他费用核算，不能只看除权前后的股价差。

Q2：看股票历史走势应该用前复权还是后复权？

若重点是连续观察近期价格走势和计算常见技术指标，通常使用前复权；若想把后续价格调整到较早基准观察长期变化，可以考虑后复权。两者定义需以数据服务商文档为准。

Q3：不复权数据可以直接用于回测吗？

可以，但必须在回测中正确处理分红、送转、配股等公司行动。若直接用不复权价格计算跨除权日收益，却忽略现金流和股数变化，收益可能失真。

Q4：前复权价格是历史上的真实成交价格吗？

不是。前复权价格是按公司行动调整后的分析价格，用于构造较连续的历史序列；它不等于当时市场实际成交报价。

Q5：复权价格能直接代表投资者总收益吗？

不能直接这样认定。总收益还取决于分红处理、是否再投资、股份变化、费用和具体计算规则。应核对所用复权口径，并在账户模型中明确处理现金流和持仓变化。

Q6：QuantDash 是否支持股票复权数据？

QuantDash 官方公开能力包括除权因子和多种复权方式。具体支持的选项、参数及使用方法，应查看当前官方技术文档。

总结

除权除息造成的价格台阶不等于同幅度的真实市场涨跌，分析时要区分公司行动与价格收益。
前复权适合连续走势分析，后复权适合另一种长期基准视角，不复权适合核对实际报价；三者不能随意混用。
回测需要将价格口径与现金分红、股份变化和成交模型一起设计，复权本身不能替代总回报核算。
QuantDash 提供行情 K 线、除权因子和多种复权方式；具体口径与接口使用细节以官方文档为准。

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