量化投资基础：金融市场基本概念、股票市场结构、交易机制、数据源与数据类型

量化选股策略的构建，本质上是对市场数据的系统性加工与规律挖掘。在进入策略编写与回测之前，必须建立对金融市场底层运行逻辑的清晰认知。本章将围绕四个核心维度展开：金融市场的基本概念与参与主体、股票市场的层级结构与交易机制、量化研究所依赖的数据源与数据类型，以及这些要素如何共同影响策略的设计边界。理解这些基础，是避免“策略在回测中完美、在实盘中失效”这一常见悲剧的第一道防线。

2.1 金融市场核心概念与参与主体

核心原理：金融市场是资金融通与风险定价的场所，其核心功能在于将资金从盈余方引导至短缺方，并通过价格发现机制为资产定价。对于量化选股而言，最需要关注的是市场的三个基本属性：流动性（资产以合理价格快速成交的能力）、波动性（价格变动的剧烈程度）与市场深度（大额订单对价格的影响程度）。这三个属性直接决定了策略的容量上限与交易成本。

市场有效性假说（EMH）是量化投资的理论基石之一。弱式有效市场下，技术分析无效；半强式有效市场下，基本面分析无效；强式有效市场下，内幕信息也无超额收益。实际A股市场处于弱式到半强式之间，这意味着基于历史价格和公开财务数据的量化策略仍有生存空间，但超额收益会随着市场成熟而衰减。

2.2 股票市场结构与交易机制

市场层级：A股市场呈现“交易所+场外”的双层结构。沪深交易所为主板、科创板、创业板提供集中竞价交易；北交所服务创新型中小企业；场外市场包括新三板和区域性股权市场。不同板块在上市门槛、投资者适当性、涨跌幅限制上存在显著差异，这直接影响量化策略的选股池构建。

交易机制要点：

• 交易时间：连续竞价时段为9:30-11:30、13:00-15:00，集合竞价时段为9:15-9:25（开盘）和14:57-15:00（收盘）。量化策略需考虑集合竞价期间的流动性稀缺问题。
• T+1制度：当日买入股票次日方可卖出，这限制了日内高频策略的实施，但为隔夜持仓策略提供了制度基础。
• 涨跌停限制：主板±10%，科创板/创业板±20%，ST股±5%。涨跌停会导致价格发现中断，策略需处理“一字板无法买入”或“跌停无法卖出”的极端场景。
• 订单类型：限价单、市价单（最优五档即时成交剩余撤销等）、FOK（全部成交或立即撤销）、FAK（立即成交剩余撤销）。量化交易系统通常使用限价单控制滑点。

2.3 数据源与数据类型

数据分类体系：量化选股所需数据可分为四大类：行情数据（量价信息）、基本面数据（财务报表、估值指标）、预期数据（分析师一致预期）、另类数据（舆情、资金流、供应链关系等）。数据质量与覆盖度直接决定策略的可靠性。

行情数据层级：

• L1数据（Level-1）：包含最新价、成交量、成交额、买卖五档。适用于日频或低频策略。
• L2数据（Level-2）：包含逐笔成交、十档行情、委托队列。适用于高频策略和冲击成本建模。
• 分钟线/日线：由逐笔数据聚合而成，需注意复权处理（前复权/后复权）对收益率计算的影响。

财务数据要点：财务报表存在发布滞后性（年报最迟4月30日），策略需使用“实际可获取”的数据，避免前视偏差。例如，若策略在3月使用年报数据，但年报尚未发布，则属于数据泄漏。

2.4 数据清洗与预处理流程

操作流程：原始数据必须经过清洗才能用于因子计算。标准流程包括：

1. 去重与对齐：处理停牌、退市、新股上市等特殊状态，统一股票代码与时间戳格式。
2. 异常值处理：剔除价格小于0、成交量异常跳变（如除权除息未复权）等错误数据。
3. 缺失值填充：财务数据缺失时，可采用前向填充（使用最近一期已披露数据）或行业均值填充。
4. 复权处理：计算收益率必须使用后复权价格，避免除权导致的虚假价格跳变。
5. 幸存者偏差控制：数据池必须包含已退市股票，否则回测结果会高估策略收益。

# 数据清洗示例（Python伪代码）
import pandas as pd

# 假设df为原始行情数据，包含股票代码、日期、收盘价
df['close_adj'] = df.groupby('code')['close'].apply(adjust_for_split)  # 复权处理
df = df[df['volume'] > 0]  # 剔除停牌日
df = df[~df['code'].isin(st_list)]  # 剔除ST股
df = df.sort_values(['code', 'date']).reset_index(drop=True)
df['return'] = df.groupby('code')['close_adj'].pct_change()  # 计算收益率

2.5 案例拆解：数据问题导致策略失效的复盘

背景与约束：某量化团队开发了一个基于“净利润同比增长率”的选股策略，回测年化收益达25%。但在实盘运行3个月后，策略表现显著低于回测，年化收益仅8%。团队开始排查原因。

初始现象与关键数据：回测期间（2018-2022）策略月度胜率约65%，实盘期间（2023年1-3月）胜率降至45%。对比回测与实盘的持仓股票，发现实盘持仓中出现了多只“业绩暴雷”股票——这些股票在财报发布后股价大幅下跌。

分析判断过程：团队检查数据流水线后发现两个问题：

• 前视偏差：回测中使用了“报告期”净利润数据，而非“公告日期”数据。例如，2022年一季报实际公告日为4月20日，但回测在4月1日就使用了该数据。
• 幸存者偏差：回测数据池剔除了2022年后退市的股票，而这些退市股中多数业绩较差，恰好是策略会选中的标的。

实际操作步骤：团队修正了数据对齐逻辑，将财务数据按公告日期映射到交易日；重新从交易所获取包含退市股的完整股票列表；在回测中增加“财报发布后首个交易日才能使用新数据”的约束条件。

结果对比：修正后回测年化收益从25%降至14%，但实盘与回测的收益差距缩小至2个百分点以内。策略的月度胜率在实盘中恢复至58%。

风险与代价：数据修正过程耗时2周，期间策略暂停交易。但避免了继续使用错误信号导致的更大亏损。

复盘经验：数据质量是量化策略的生命线。团队建立了数据质量监控看板，每日检查数据更新延迟、异常值比例、复权因子变动等指标。任何数据源变更必须经过回测验证后才能上线。

2.6 常见误区与总结复盘