1. 单ETF价格序列清洗与复权校验

任务边界与数据约定

本例只处理一只ETF的原始日行情，目标是得到一条可直接进入轮动回测的连续价格序列。原始数据通常包含四列：交易日、收盘价、成交额、复权因子（或累计净值）。在动手清洗前先固定三条约定，后续所有计算与判断都以此为准：

• 价格口径：原始收盘价 close_raw 为未复权价，含分红送转造成的跳空；复权因子 adj_factor 为累计复权因子，随分红送转单调变化。
• 复权公式：后复权价 close_hfq = close_raw × adj_factor；前复权价 close_qfq = close_raw × adj_factor / adj_factor_latest。两者只差一个常数缩放，收益率序列完全相同，但首尾价格水平不同。
• 停牌判定：某交易日无行情记录，或成交额与成交量同时为 0，视为停牌；停牌日不产生真实价格变动，回测中应以前一有效收盘价填充，而不是删除该行（删除会压缩时间轴，导致信号窗口错位）。

缺失值识别与停牌日处理

先按交易日历重建索引，再区分两类“缺失”：结构性缺失（上市前、退市后，不应填充）与停牌缺失（区间内应有行情但无记录，应填充）。实操中可用成交额判断：若某日存在于交易日历但 amount 为空或为 0，则标记为停牌并前向填充收盘价，同时保留一个 is_suspend 标记列，供后续回测剔除不可交易日的调仓动作。

import pandas as pd
import numpy as np

# 假设 raw 已按日期升序，含列: date, close_raw, amount, adj_factor
raw = raw.sort_values("date").reset_index(drop=True)

# 1) 用交易日历重建索引，识别结构性缺失与停牌缺失
cal = pd.date_range(raw["date"].min(), raw["date"].max(), freq="B")  # 示例用工作日历
df = raw.set_index("date").reindex(cal)
df.index.name = "date"

# 2) 停牌标记：区间内 amount 缺失或为 0
in_range = df.index >= raw["date"].min()
df["is_suspend"] = in_range & (df["amount"].isna() | (df["amount"] == 0))

# 3) 停牌日以前一有效收盘价填充，复权因子同样前向填充
df["close_raw"] = df["close_raw"].ffill()
df["adj_factor"] = df["adj_factor"].ffill()

# 4) 结构性缺失（首行之前）仍为 NaN，直接丢弃
df = df.dropna(subset=["close_raw", "adj_factor"])

填充后必须做一次连续性校验：检查 close_raw 是否仍存在 NaN、复权因子是否单调非减（分红送转只会让累计因子上升或持平），以及填充段长度是否异常（例如连续停牌超过 20 个交易日应人工复核，可能是数据源断档而非真实停牌）。

复权因子校验与首尾收益对比

复权因子最容易出错的地方是除权日附近的跳变。校验方法是：在除权日 t，用 close_raw[t-1] × adj_factor[t-1] 与 close_raw[t] × adj_factor[t] 计算后复权收益，若该收益与当日真实涨跌幅偏离超过阈值（如 0.5%），说明因子未更新或更新错误。下面用一段示例数据演示前复权与后复权对首尾收益的影响：

# 示例：3 个交易日的原始价与复权因子（教学假设数据）
demo = pd.DataFrame({
    "date": pd.to_datetime(["2024-01-02", "2024-01-03", "2024-01-04"]),
    "close_raw": [1.000, 0.900, 0.918],   # 1/3 除权，价格从 1.000 跳到 0.900
    "adj_factor": [1.000, 1.111, 1.111],  # 除权日因子由 1.000 升至 1.111
})
demo["close_hfq"] = demo["close_raw"] * demo["adj_factor"]
demo["close_qfq"] = demo["close_raw"] * demo["adj_factor"] / demo["adj_factor"].iloc[-1]

# 首尾收益：两种复权口径应完全一致
r_hfq = demo["close_hfq"].iloc[-1] / demo["close_hfq"].iloc[0] - 1
r_qfq = demo["close_qfq"].iloc[-1] / demo["close_qfq"].iloc[0] - 1
print(round(r_hfq, 6), round(r_qfq, 6))  # 两者相等，约 0.0200

关键结论：前复权与后复权的首尾收益率相同，差异只体现在价格绝对水平——后复权首价保持原始价、末价被放大；前复权末价等于原始价、首价被缩小。因此轮动回测中若只用收益率和相对强弱信号，选哪种复权都不影响结果；但若涉及价格阈值、整手买入、保证金或名义本金，必须明确使用哪一种口径，并在整个回测中保持一致。

输出连续价格序列与验收条件

清洗完成后输出一张最小宽表：date, close_raw, adj_factor, close_hfq, close_qfq, is_suspend，并满足以下验收条件才算可用于轮动回测：