2. 金融市场数据基础
做公司行动与复权因子还原，第一步不是写算法，而是把“原始行情数据长什么样”彻底搞清楚。复权因子的计算依赖价格、成交量、成交额、除权除息日等字段，如果对行情数据结构理解有偏差，后续因子推导会出现系统性错误。本节从数据结构、价格类型、量额关系和数据源字段四个角度，建立后续实战所需的数据基础。
一、核心原理：一行行情记录到底描述了什么
股票行情数据本质上是“时间 × 标的 × 状态”的观测记录。每一行通常包含：交易日期、证券代码、开盘价、最高价、最低价、收盘价、前收盘价、成交量、成交额、复权因子（部分数据源提供）等。理解这些字段的关键，是区分“当日实际成交形成的价格”与“跨日衔接所需的参考价格”。
其中，前收盘价是连接两个交易日的桥梁。在无公司行动时，前收盘价等于上一交易日收盘价；发生除权除息时，交易所会给出一个调整后的前收盘价（即除权参考价），它已经隐含了分红、送转、配股等事件的影响。复权因子还原的核心，正是围绕“实际收盘价”与“理论前收盘价”之间的比例关系展开。
二、价格类型：不复权、前复权、后复权
同一只股票在同一交易日，可能同时存在三种价格口径，它们描述的是同一天的不同“观察视角”：
- 不复权价格：交易所原始行情，除权日会出现价格跳空，历史价格不连续。
- 前复权价格：以当前最新价格为基准，向前调整历史价格，使走势连续，适合技术分析与近期收益计算。
- 后复权价格：以上市首日为基准，向后调整后续价格，适合长期收益回测与因子研究。
三者的关系可以用一个比例链条表达：后复权价格 = 不复权价格 × 累计复权因子；前复权价格 = 后复权价格 ÷ 最新累计复权因子。理解这一点，就能明白为什么复权因子是“可推导、可校验”的，而不是只能依赖数据商直接提供。
三、成交量与成交额：量额关系与复权处理
成交量与成交额是行情数据的另一条主线。成交量通常以“股”或“手”为单位，成交额以“元”为单位。二者关系为：成交额 ≈ 成交量 × 成交均价。在复权处理中，价格会被调整，但成交量是否调整取决于数据源口径。
常见做法是：价格复权时，成交量通常不做复权，因为成交量反映的是实际交易股数；但在计算换手率、量价因子时，若使用前复权价格与未复权成交量，需要注意口径一致性。部分数据源会提供“复权成交量”，其本质是按复权因子反向调整，用于保持量价关系的内部一致。
| 字段 | 含义 | 复权处理建议 |
|---|---|---|
| open/high/low/close | 当日开盘、最高、最低、收盘价 | 按复权因子调整 |
| pre_close | 前收盘价（除权日已调整） | 用于推导复权因子 |
| volume | 成交量（股/手） | 通常不调整，注意单位 |
| amount | 成交额（元） | 通常不调整 |
| adj_factor | 复权因子（部分数据源提供） | 用于校验与还原 |
四、常见数据源与字段说明
不同数据源的字段命名和口径存在差异，实战中必须做字段映射与口径对齐。以下是常见来源的典型特征：
- 交易所原始数据：字段最权威，包含除权除息信息，但格式多样，需自行解析。
- Wind/Choice：提供不复权、前复权、后复权及复权因子，字段规范，适合研究。
- Tushare/AkShare：开源或社区数据接口，字段清晰，适合快速验证与教学。
- 聚宽/米筐：量化平台内置行情，复权处理已封装，需注意其默认口径。
以 Tushare 的日线接口为例，典型返回字段如下：
ts_code, trade_date, open, high, low, close, pre_close,
change, pct_chg, vol, amount
其中 vol 单位为“手”，amount 单位为“千元”，pre_close 在除权日已被调整。若直接使用 close / pre_close - 1 计算涨跌幅，得到的是“考虑公司行动后的真实涨跌幅”，而不是价格跳空幅度。这一点在因子还原中非常关键。
五、误区与复盘
初学者最容易踩的坑有三个：
- 把不复权价格直接用于回测：除权日价格跳空会被误判为真实下跌，导致收益计算错误。
- 混淆前复权与后复权：前复权适合看近期走势，后复权适合长期收益，混用会导致因子方向相反。
- 忽略成交量单位：手与股相差 100 倍，量价因子会整体放大或缩小，影响排序结果。