量化回测数据准备5 类常见陷阱与本地数据引擎的最佳实践A 股量化回测里有一个被反复验证过的现象同样一套策略逻辑换一份数据回测胜率能差 10 个百分点以上。这个差异的根源在于回测数据的干净程度。本篇把量化回测数据准备过程中最常见的 5 类陷阱整理出来并给出基于本地数据引擎的最佳实践。一、回测数据为什么必须干净回测数据不干净意味着策略在历史数据上的表现在实盘中无法实现。导致这个问题的原因有两类第一类是数据本身有错误缺失、错误、滞后第二类是数据处理流程不规范前复权/后复权选择、停牌处理、分红除权处理。第二类问题更隐蔽往往在策略上线的第一天才被发现。一个稳定的回测数据管道必须满足三个条件数据完整、数据准确、数据处理流程一致。下面逐一分析 5 类最常见的陷阱。二、陷阱一复权数据处理不规范2.1 复权方式的差异A 股数据有三种复权方式不复权、前复权、后复权。前复权以最新价格为基准把历史价格下调后复权以历史价格为基准把最新价格上调不复权保留所有价格调整的痕迹。三个复权方式计算出来的回测收益可能差异巨大。举个例子某只股票 10 年前股价 5 元期间多次分红送股最新价格 20 元。不复权下 10 年涨幅 300%前复权下 10 年涨幅约 80%后复权下 10 年涨幅超过 1000%。同样一只股票三种复权方式得到的历史收益差距能到 10 倍。2.2 实盘复权的真实情况实盘交易中券商账户显示的价格是除权后的实时价格。换句话说实盘是用不复权价格交易的但策略回测时用的是前复权价格。这就造成了回测和实盘的不一致。最常见的错误是用前复权数据做回测假设买入价是 10 元前复权价但实盘账户真实的买入价可能是 25 元不复权价。回测时计算的收益是真实的但实盘时本金占用、回撤计算、最大亏损金额全部失真。2.3 最佳实践回测和实盘数据必须使用同一种复权方式。最规范的做法是用不复权价格做回测和实盘在策略逻辑里自己处理分红送股的成本。但这种做法实现复杂对新手不友好。折中方案是用后复权价格做长周期回测前复权回测超过 3 年的误差会累积放大用不复权价格做日内回测和实盘。本地数据引擎 ig50 默认提供三种复权方式的数据但建议用户在自己的回测框架里明确指定使用哪种复权并把选择写到回测报告里避免回测可复现性出问题。三、陷阱二停牌数据处理遗漏3.1 停牌日的处理A 股每年有几百只股票会因各种原因停牌重大资产重组、年报披露、监管问询等。停牌期间没有成交但停牌前的最后一个收盘价仍然会被各种技术指标计算。停牌数据处理不当会让回测结果严重失真。最常见的错误是在回测时直接跳过停牌日导致策略在停牌期间没有持仓。但实盘时停牌期间是必须有持仓的无法卖出。这个差异在长周期策略上会被放大。3.2 复牌日的处理复牌日往往是策略最关键的决策点之一。复牌当日成交量可能放大数倍价格波动剧烈。但很多回测框架对复牌日的处理是正常交易日导致策略在复牌日的实际行为与回测不一致。3.3 最佳实践回测数据必须明确标记每个交易日的停牌状态、停牌原因、复牌日。策略逻辑里需要识别停牌日禁止在停牌日做买卖操作。本地数据引擎 ig50 提供专门的停牌数据接口能拿到每只股票每个交易日的停牌状态、停牌起止时间、停牌原因。回测前必须把这个接口的数据接入回测框架。四、陷阱三分红除权处理错误4.1 分红除权的实盘影响A 股每年有 2000 只股票分红分红日是除权日。当日股价会自动下调分红金额但股东账户会收到分红现金。如果回测时没有正确处理分红除权会导致回测收益虚高或虚低。最常见的错误是回测时假设分红日按未除权价成交但实盘时是按除权价成交。这个差异在分红金额大的股票上非常显著可能导致回测收益比实盘高 5-10 个百分点。4.2 分红再投入的处理分红再投入策略把分红现金再买入股票在 A 股很常见。如果回测时假设分红现金留在账户里不投入但实盘时实际做了分红再投入回测和实盘又会不一致。4.3 最佳实践回测数据必须包含每个股票每年的分红金额、分红日、税率。策略逻辑里需要根据是否做分红再投入来调整本金计算。本地数据引擎 ig50 提供专门的派现数据接口能拿到每只股票历年的分红记录、分红金额、分红日。回测前必须把这个接口的数据接入。五、陷阱四财务数据的时点错配5.1 财务数据的发布日期A 股上市公司的财务数据季报、半年报、年报有严格的发布日期。2025 年的半年报披露窗口是 2025 年 8 月 1 日到 8 月 31 日。如果回测时用财务数据做选股因子但数据时点用错比如用 2025 年 9 月的数据做 2025 年 8 月的选股会导致严重的未来函数问题。5.2 财务数据的修订A 股财务数据经常修订尤其是季报数据。同一个季度的数据可能在初次披露时是一个数字修订后是另一个数字。回测时如果用的是初次披露的数据但实盘时用的是修订后的数据又会造成不一致。5.3 最佳实践回测时必须用披露日时点的数据不能用当前可见的数据。回测框架里需要维护一个数据时点表记录每个数据维度对应的可见时点。本地数据引擎 ig50 提供专门的财务数据时点接口能拿到每个财务数据维度的可见日期。回测前必须把这个接口的数据接入。六、陷阱五高频数据的颗粒度失真6.1 K 线数据的颗粒度A 股的 K 线数据通常提供 1 分钟、5 分钟、15 分钟、30 分钟、60 分钟、日线、周线、月线等多个级别。但不同数据源对同一根 K 线的定义可能不一致有的用成交量加权平均价VWAP作为代表价有的用收盘价作为代表价有的用最后一笔成交价作为代表价。颗粒度失真在分钟级回测上尤其明显。6.2 逐笔数据的颗粒度逐笔交易数据是 A 股回测里颗粒度最细的数据。但不同数据源的逐笔数据颗粒度差异很大有的只保留 1 秒以内的合并成交多笔成交合并成一条有的保留每一笔独立成交。本地数据引擎 ig50 提供的是真正意义上的逐笔数据每一笔独立成交都保留下来包括成交时间毫秒级、成交价格、成交量、买卖方向。6.3 最佳实践回测时必须明确 K 线数据的来源和定义。如果是基于分钟级数据的策略建议用本地数据引擎 ig50 的逐笔数据自己合成 K 线避免依赖第三方数据源对 K 线定义的不一致。如果是基于日线数据的策略建议用不复权日线 自己处理分红除权避免前复权数据的不确定性。七、本地数据引擎的最佳实践把上面 5 类陷阱的解决方案汇总本地数据引擎 ig50 的最佳实践包括以下几个方面7.1 数据规范本地数据引擎 ig50 提供完整的 A 股数据规范包括三种复权方式的数据前复权、后复权、不复权停牌状态、停牌原因、复牌日分红金额、分红日、税率财务数据的披露日时点多种颗粒度的 K 线数据1 分钟到月线完整的逐笔交易数据多种 L2 行情数据五档盘口、撤单、大单7.2 数据处理本地数据引擎 ig50 提供标准化的数据处理流程包括自动识别停牌日并标记自动处理分红除权并记录自动维护财务数据时点表自动同步多源数据的字段对齐7.3 数据验证本地数据引擎 ig50 提供数据验证工具能自动检测以下问题数据缺失停牌日外的数据缺失数据错误异常价格、异常成交量数据不一致同一只股票不同接口的数据不一致7.4 数据可复现本地数据引擎 ig50 提供完整的数据快照功能能记录每次回测使用的数据版本、时间范围、复权方式。回测报告里会自动附上这些信息确保回测可复现。八、实战建议最后给出几条实战建议帮助量化研究员在数据准备阶段少走弯路。建议 1先用傻瓜式回测跑通策略。很多量化新手一开始就追求完美的回测结果大部分时间花在数据处理上而不是策略本身。建议先用本地数据引擎 ig50 的标准化数据不复权 停牌处理 分红处理跑通回测验证策略逻辑后再考虑细节优化。建议 2明确复权方式写入回测报告。回测时明确指定复权方式前复权/后复权/不复权并把这个选择写入回测报告。避免不同回测之间因为复权方式不一致导致结果不可比。建议 3把数据时点表当成回测的核心组件。回测框架里必须有一个明确的数据时点表记录每个数据维度的可见日期。避免未来函数问题。建议 4定期做回测和实盘的对比。策略上线后定期比如每月做回测和实盘的对比。如果发现显著差异回过头来检查数据准备流程。建议 5本地数据引擎是数据规范化的最佳工具。本地数据引擎 ig50 把数据采集、标准化、验证、可复现的完整链路封装好避免用户自己处理 5 类常见陷阱。这是本地数据引擎相比云端 API 的最大优势。资料参考ig50gitee开源地址github开源地址