金融数据基础：股票、期货、外汇等数据类型，OHLCV、复权因子、时间序列特征

在搭建金融回测系统时，数据层是整个系统的地基。如果数据不准确、口径不一致或时间序列断裂，后续的策略逻辑、信号计算和绩效分析都将失去可靠性。本章将系统梳理股票、期货、外汇等主流金融品种的数据类型差异，深入解析OHLCV（开盘、最高、最低、收盘、成交量）的核心字段含义，阐明复权因子的必要性与计算方法，并归纳金融时间序列的典型特征。理解这些基础概念，是设计数据存储结构、清洗流程和回测引擎的前提。

一、核心原理：不同金融品种的数据本质差异

股票、期货、外汇虽然都表现为价格与成交量的时间序列，但其数据生成机制和业务规则存在显著差异。理解这些差异是设计回测系统数据接口的第一步。

股票数据以交易所撮合结果为准，包含完整的OHLCV信息，且存在分红、送股、配股等公司行为导致的除权除息缺口。股票市场有涨跌停限制（A股主板±10%、科创板/创业板±20%），这会影响价格序列的连续性。此外，股票存在停牌机制，停牌期间无交易数据，回测时需特殊处理。

期货数据的核心难点在于合约换月。每个期货品种在不同月份有不同合约，主力合约会随时间切换。直接拼接不同合约的价格会产生跳空缺口，因此业界通常使用主力连续合约或指数合约。期货还包含持仓量（Open Interest）字段，这是股票数据没有的，反映市场参与深度。期货交易有保证金制度和交割日，临近交割月流动性会显著下降。

外汇数据是典型的场外交易（OTC）市场，没有统一交易所，数据来自做市商报价。外汇市场24小时交易，数据粒度通常为Tick级或分钟级。外汇没有复权概念，但存在隔夜利息（Swap）和点差（Spread）成本，回测时必须计入交易成本。外汇数据的另一个特点是周末休市，但部分经纪商提供周五收盘至周一开盘的跳空缺口。

加密货币数据作为新兴品种，7×24小时交易，无涨跌停限制，波动率极高。永续合约的资金费率（Funding Rate）是重要数据字段，影响持仓成本。

二、OHLCV字段深度解析与数据质量陷阱

OHLCV是回测系统最基础的数据结构，但每个字段都有其特定的生成规则和潜在陷阱。

Open（开盘价）在股票市场中指集合竞价产生的第一笔成交价，期货市场则指日盘开盘时的第一笔价格。需要注意，部分数据源将开盘价定义为"当日第一笔成交价"，而另一些定义为"开盘时刻的指示价"，两者在极端行情下可能不同。外汇市场的开盘价则取决于经纪商定义的交易日起始时间（通常为纽约时间17:00）。

High/Low（最高/最低价）是当日成交的最高和最低价格，包含上下影线。但这里存在一个常见陷阱：部分数据源在计算High/Low时剔除了盘后交易或电子盘数据，导致与交易所官方数据不一致。对于期货夜盘品种，日线High/Low应包含夜盘时段。

Close（收盘价）是回测中最常用的价格，也是计算收益率的基础。股票收盘价通常指最后一笔成交价或收盘集合竞价价格；期货收盘价则指日盘收盘价，但部分品种以结算价（Settlement Price）作为官方收盘价。结算价是当日成交量的加权平均价，与最后一笔成交价可能不同，回测时需明确使用哪种价格。

Volume（成交量）在股票中表示成交股数（手），期货中表示成交手数（双边计算），外汇中则没有统一成交量概念，通常用Tick数或报价次数代替。期货的持仓量（Open Interest）是独立字段，表示未平仓合约总数，其变化反映资金流入流出。

三、复权因子的计算逻辑与实战应用

股票分红送股后，股价会向下跳空，但投资者的实际资产并未减少。如果直接使用原始价格序列计算收益率，会得到错误的负收益。复权因子的作用就是消除这些非交易因素造成的价格缺口。

前复权（Backward Adjustment）以最新交易日为基准，将历史价格按复权因子向下调整。前复权价格 = 原始价格 × 复权因子。复权因子的计算方式为：当日复权因子 = 前日复权因子 ×（除权除息前收盘价 / 除权除息后理论价格）。前复权的优点是当前价格与市场真实价格一致，便于观察近期走势；缺点是历史价格会随新除权事件而不断变化，导致历史数据不稳定。

后复权（Forward Adjustment）以上市首日为基准，将后续价格向上调整。后复权价格 = 原始价格 × 累计复权因子。后复权的优点是历史价格固定不变，适合长期趋势分析和回测；缺点是当前价格与市场真实价格差异较大，不便于直观理解。

在回测系统中，推荐使用后复权数据进行策略计算，因为其历史数据稳定，不会因后续分红事件而改变。但展示图表时，通常使用前复权数据以贴近真实价格。

# 复权因子计算示例（简化版）
def calculate_adjust_factor(dividend, split_ratio, close_before, close_after):
    """
    dividend: 每股分红金额
    split_ratio: 送股比例（如10送5则传0.5）
    close_before: 除权除息日收盘价
    close_after: 除权除息日理论开盘价
    """
    theoretical_price = (close_before - dividend) / (1 + split_ratio)
    adjust_factor = close_before / theoretical_price
    return adjust_factor

# 实际应用中，复权因子由数据商计算并直接提供
# 回测系统只需读取 factor 字段，将原始价格乘以累计因子即可

四、金融时间序列的核心特征与工程应对

金融时间序列与普通时间序列（如气象数据、传感器数据）有本质区别，这些特征直接影响回测系统的数据预处理和特征工程模块设计。

非平稳性是最核心的特征。价格序列的均值和方差随时间变化，因此不能直接用于统计建模。回测系统中通常将价格转换为收益率序列（对数收益率或简单收益率），收益率序列近似平稳。但需要注意，波动率本身也是时变的，这引出了第二个特征。

波动率聚集（Volatility Clustering）指大波动后往往跟随大波动，小波动后跟随小波动。这一特征在GARCH模型中被量化描述。在回测系统中，波动率聚集意味着风险不是均匀分布的，止损和仓位管理需要动态调整。例如，ATR（平均真实波幅）指标就是基于这一特征设计的。

尖峰厚尾（Fat Tails）指收益率分布比正态分布有更多的极端值。这意味着回测中出现的极端亏损可能不是异常，而是市场的固有属性。回测系统需要引入极值理论（EVT）或压力测试来评估尾部风险。

自相关性与长记忆性在日线级别通常较弱，但在高频数据中显著。部分策略（如动量策略、均值回归策略）正是利用这些短期自相关特征。回测系统需要提供自相关函数（ACF）和偏自相关函数（PACF）的计算工具，帮助策略开发者识别可交易的模式。

日历效应包括周一效应、月末效应、节假日效应等。例如，A股市场在春节前后往往有季节性行情。回测系统应支持按日历维度切分数据，便于验证策略在不同时间段的表现。

五、实战案例：构建一个多品种数据清洗管道

假设我们需要搭建一个回测系统，同时处理A股股票、螺纹钢期货和EUR/USD外汇的日线数据。以下是具体的数据清洗流程和关键决策点。

背景与约束：数据源为某第三方数据商，提供CSV格式的原始数据。股票数据包含复权因子字段，期货数据为主力连续合约（但换月规则不透明），外汇数据为分钟线需聚合为日线。系统要求数据入库后支持快速查询和回测。

初始现象：直接拼接三类数据后，发现股票收益率序列在分红季出现异常负值；期货价格在换月日出现巨大跳空；外汇日线数据与经纪商提供的官方日线不一致。

分析判断过程：

1. 股票异常：检查发现数据商提供的"收盘价"为不复权价格，但复权因子字段存在。需要将原始价格乘以累计复权因子得到后复权价格。
2. 期货跳空：主力连续合约的换月规则为"成交量最大合约"，但换月日新旧合约价差未做调整。需要计算换月价差并修正。
3. 外汇不一致：数据商将交易日定义为UTC 0点，而经纪商使用纽约时间17点。需要统一交易日边界。

实际操作步骤：

# 数据清洗管道核心逻辑
def clean_stock_data(df):
    """股票数据后复权处理"""
    df['adj_close'] = df['close'] * df['cum_factor']
    df['adj_open'] = df['open'] * df['cum_factor']
    df['adj_high'] = df['high'] * df['cum_factor']
    df['adj_low'] = df['low'] * df['cum_factor']
    return df

def clean_futures_data(df):
    """期货换月价差调整"""
    df['contract_change'] = df['contract'].ne(df['contract'].shift())
    df['price_gap'] = df['close'] - df['close'].shift()
    # 换月日的价差视为跳空，需要调整
    df.loc[df['contract_change'], 'adj_close'] = df['close'] - df['price_gap']
    return df

def clean_forex_data(df):
    """外汇交易日边界统一"""
    # 将UTC时间转换为纽约时间，并重新定义交易日
    df['ny_time'] = df['utc_time'] - pd.Timedelta(hours=5)
    df['trade_date'] = df['ny_time'].dt.date
    daily_df = df.groupby('trade_date').agg(
        open=('price', 'first'),
        high=('price', 'max'),
        low=('price', 'min'),
        close=('price', 'last'),
        volume=('volume', 'sum')
    )
    return daily_df

结果对比：清洗后，股票收益率序列在分红季不再出现异常负值；期货价格序列在换月日跳空幅度从平均3.2%降至0.1%以内；外汇日线与经纪商数据对齐，回测结果与实盘表现的相关性从0.82提升至0.95。

风险与代价：后复权处理导致历史价格与真实价格差异较大，在图表展示时需额外转换；期货换月价差调整假设价差恒定，实际中价差会随时间变化；外汇交易日边界统一后，部分跨日持仓的隔夜利息计算需要重新校准。

复盘经验：数据清洗不是一次性工作，而是需要持续监控的工程环节。建议在数据管道中增加质量监控模块，每日检查价格跳空、成交量异常、复权因子变化等指标，并设置告警阈值。