1. 课程导入
在量化研究、行情回测与因子挖掘中，价格序列的“连续性”往往比价格本身更重要。很多初学者第一次遇到回测收益异常、均线断裂、动量因子失真时，问题并不在模型，而在数据：某只股票发生了除权除息，而研究者直接使用了未复权价格。本章作为全课程导入，先建立统一的概念坐标系，明确学习目标与整体框架，并说明复权处理在真实业务中的价值。
一、学习目标：从“看懂公告”到“产出可用数据”
本课程不是单纯讲解除权除息的会计定义，而是围绕“数据可用性”展开。完成学习后，你应当能够独立完成以下任务：
- 准确区分除权、除息、送股、转增、配股、派息等事件对价格与股本的影响；
- 理解前复权、后复权、不复权三种价格序列的构造逻辑与适用边界；
- 能够根据交易所公告或分红送配数据，计算复权因子并校验其正确性；
- 在回测、因子计算、绩效归因中正确选择复权方式，避免“虚假收益”与“断裂信号”；
- 识别常见数据源中复权字段的差异，建立可复现的数据处理流程。
核心判断标准：一份复权数据是否合格，不取决于它“看起来平滑”，而取决于它能否在任意时间切片上还原真实持有收益，并且与交易所除权参考价保持一致。
二、核心概念：除权除息与复权的本质
除权除息是上市公司股本或股东权益发生变化时，交易所对股票价格进行的技术性调整。除息通常发生在现金分红时，除权通常发生在送股、转增、配股时。两者都会导致股价在除权除息日出现“向下跳空”，但这个跳空并不代表投资者亏损，而是权益被重新分配。
复权的本质，是把历史价格按照复权因子进行缩放，使价格序列在除权除息日前后保持可比。前复权以当前价格为基准，把历史价格向下调整；后复权以历史某点为基准，把后续价格向上调整；不复权则保留交易所原始成交价。三者的关系可以用一个简单公式表达：
复权价 = 不复权价 × 复权因子
前复权因子 = 后复权因子 / 最新后复权因子
后复权因子 = 后复权因子_前一日 × (前收盘价 / 除权除息参考价)其中，除权除息参考价由交易所根据分红、送转、配股方案计算得出。理解这个公式，是后续所有实战操作的基础。
三、方法流程：从原始行情到可用复权序列
实际工程中，复权处理不是一步完成的，而是一条可校验的数据流水线。建议按以下流程推进：
- 采集原始数据：获取日线行情（开盘、最高、最低、收盘、成交量、成交额）以及分红送配、配股、增发等公司行为数据。
- 对齐事件日期：确认除权除息日、股权登记日、红股上市日，避免把公告日误当作除权日。
- 计算除权参考价：根据交易所公式逐事件计算，注意配股、送转、派息同时发生时的合并处理。
- 生成复权因子：从最早日期向最新日期累乘，得到后复权因子序列；再归一化得到前复权因子。
- 生成复权价格：用原始价格乘以对应因子，得到前复权与后复权价格序列。
- 校验与落库：检查除权日前后收益率是否连续、复权因子是否单调、与第三方数据是否一致。
实操建议：复权因子应当作为独立字段持久化存储，而不是每次回测时临时计算。这样既能保证可复现性，也便于排查数据源差异。
四、案例与场景：复权处理在真实业务中的价值
假设某股票在除权日前收盘价为20元，实施“每10股派5元送5股”。若直接使用不复权价格，除权日开盘参考价约为9.67元，价格序列出现超过50%的“下跌”。如果策略基于20日均线判断趋势，此时会错误触发卖出信号；如果计算日收益率，则会得到一个巨大的负收益，严重污染回测结果。
使用前复权处理后，历史价格被同步调整，除权日前后收益率保持连续，均线、动量、波动率等指标不再被事件扭曲。使用后复权处理，则可以在长期持有收益归因中还原真实累计回报。两者没有绝对优劣，关键在于业务目标。
| 处理方式 | 基准点 | 价格方向 | 典型用途 | 主要风险 |
|---|---|---|---|---|
| 不复权 | 无 | 保留原始成交价 | 展示真实成交、盘口分析 | 除权日跳空，指标断裂 |
| 前复权 | 当前最新价 | 历史价格向下调整 | 技术分析、短中期回测 | 历史价格随最新价变化而变动 |
| 后复权 | 历史某日 | 后续价格向上调整 | 长期收益归因、指数化对比 | 价格数值可能远高于真实成交价 |
五、误区与复盘：初学者最容易踩的坑
常见误区一：认为前复权价格就是“真实价格”。前复权价格会随着最新除权事件不断变化，历史价格并非固定值，不能用于对账或成交还原。
常见误区二：把公告日当作除权日。公告日只是信息发布日，除权除息日才是价格调整日，二者混用会导致因子错位。
常见误区三：忽略配股与增发。配股会改变股本和股东权益，若只处理分红送转，复权因子会系统性偏差。
常见误区四：用复权价格计算成交量。成交量通常不需要复权，复权主要针对价格；若对成交量也做缩放，会破坏换手率等指标。
复盘这些问题可以发现，复权处理的核心不是“把价格画平滑”，而是建立一套与公司行为一致、可验证、可复现的价格调整机制。只有先理解除权除息的经济含义，才能在后续章节中正确选择前复权或后复权，并在回测、因子计算和绩效归因中避免数据陷阱。
本课程后续将围绕复权因子计算、数据源字段解析、前复权与后复权代码实现、除权日校验、回测中的复权选择等主题逐步展开。本章的目标，是让你先建立“事件—参考价—因子—复权价”这条完整链路，并明确每一步的业务含义与风险边界。