金融数据工程：行情、财务与口径

一条价格或财务数据看起来只是一个数字，但它可能经过复权、修订、补录，甚至在决策时还没有公布。数据的时间和口径错了，回测即使代码完全正确，也会得到无法实现的结果。

复权的目的

分红、送股、转增和配股会让价格机械跳变。为了计算持有期收益，需要把公司行为纳入总回报。数据库应尽量保留不复权价格和累计复权因子，使用时再按需求计算。

除息且没有送转时，除权除息参考价约为：

P_ex = P_(t−1) − D

更一般地，含送转和配股时，常见参考价形式为：

P_ex = [(P_(t−1) − D) + K × r] ÷ (1 + r)

D 是每股现金红利，K 是配股价，r 是股份变动比例。具体计算应以对应交易所规则和公司公告为准。

累计复权因子记为 F_t：

• 后复权价 = 不复权价 × F_t。
• 前复权价 = 不复权价 × F_t ÷ F_T。

在同一段历史内，两种复权价格计算收益率通常一致，但前复权的价格水平会随着未来分红更新而改变。因此，“价格低于某个金额”这类特征应使用不复权价格。

停牌、涨跌停和退市

停牌期间没有成交，把价格填成前一天会制造一串 0 收益；复牌时的累计变化又集中出现。回测若在停牌期间按停牌价卖出，就假设了现实中不存在的成交。

涨跌停也不等于一定能成交。一字涨停时可能买不到，一字跌停时可能卖不掉。回测应给每天建立可交易标记，例如：

tradable_i,t = 未停牌 × 可按目标方向成交 × 满足上市时间等筛选条件

每一项可以是 0 或 1。上市满多少天、是否排除风险警示股票等，应在策略规则中提前写清楚。

退市股票不能只在当前股票列表里研究。样本还需要包含退市前的价格、退市整理阶段和最后可实现的处理规则，否则会产生幸存者偏差。示意：100 只股票中 3 只退市，退市者平均收益 −70%，幸存者平均收益 8%。只看幸存者得到 8%，全体平均收益为 0.97 × 8% + 0.03 × (−70%) = 5.66%，偏差为 2.34 个百分点。

一条数据的多个时间

财务数据至少要区分报告期末、首次公告日、修订日和入库时间。PIT 原则是：

在决策时刻 τ 能使用的值 = 所有可得时间不晚于 τ 的版本中，最新的一个。

不能把报告期末当成可得日，也不能默认数据库中今天看到的修订值当时已经存在。较保守的规则是公告后下一个交易日才能使用，实际研究应把这条规则写入回测说明。

固定滞后与公告日对齐

固定滞后法简单稳健，例如把上一个财年的账面数据延迟到下半年再使用；代价是信息较旧。逐条公告日对齐更及时，但要求数据源保留准确公告日和每个历史版本。

无论选择哪种方法，都不能用报告期一结束就可得的朴素对齐。例如一季报通常不会在 3 月 31 日当天出现，模型若在 3 月末直接使用，就发生前视偏差。

单季度和 TTM

A 股利润表常见的是年初至今累计值（YTD）。单季度利润为：

单季度_Qk = YTD_Qk − YTD_Q(k−1)

一季度直接使用一季度 YTD。最近十二个月（TTM）为：

TTM = 最新 YTD + 上一年年报 − 上一年同期 YTD

示意：最新一季 YTD 为 268.47 亿元，上年年报为 862.28 亿元，上年同期 YTD 为 240.65 亿元，则 TTM = 268.47 + 862.28 − 240.65 = 890.10 亿元。资产负债表是时点数，不能照搬 TTM 公式。

时间轴和标签

如果 t 日收盘后计算特征，最早在 t+1 日开盘交易，持有 h 天的开盘到开盘标签可写成：

y_i,t = P_open(i,t+1+h) ÷ P_open(i,t+1) − 1

不能用 t 日收盘到 t+h 日收盘的收益替代，否则会把信号生成后无法成交的那一段收益计入结果。

三个工程检查

1. 时间戳检查：每个字段都有可得时间，按“截至时刻取最新值”拼接。
2. 截断检查：把数据截断在某一天，重新运行流程；截断日及以前的特征必须与全量运行一致。
3. 扰动检查：随机改变截断日之后的数据，截断日及以前的特征和回测结果不应变化。

代码可以保留关键逻辑：

# t 日收盘生成信号，t+1 日开盘起算标签
label = open_price.shift(-(h + 1)) / open_price.shift(-1) - 1

# 只取决策时刻之前可得的最近版本
available = reports[reports.avail_time <= decision_time]
latest = available.sort_values("period_end").iloc[-1]

• Stefan Jansen《Machine Learning for Algorithmic Trading》
• Shumway《The Delisting Bias in CRSP Data》
• Fama & French 因子数据说明