同一只股票前复权和不复权价格对不上？先检查这 5 个口径

一句话结论：前复权价和不复权价本来就不应总是相等。比较前，先统一复权方式、交易日期、价格字段和标的，再判断差异是否属于数据异常。

摘要

前复权与不复权价格对不上，常见原因是除权除息调整改变了历史价格序列，而不复权数据保留原始成交价格。若再混入不同日期、字段、数据源或复权因子定义，比较结果会更难解释。本文从复权原理、排查步骤和代码检查入手，说明如何区分正常口径差异与真正的数据问题，以及量化系统如何管理价格口径。

1. 前复权和不复权，记录的不是同一种价格序列

不复权价格通常指未经复权处理的历史交易价格。发生分红、送股、转增、拆股等公司行为后，行情价格可能出现因除权除息形成的跳变；原始历史价格仍按当时市场成交记录保留。

前复权价格则会根据公司行为调整历史价格，使历史价格序列与某个后续基准时点的价格口径衔接。常见理解是：以较新的价格为参照，对更早的价格进行调整。具体锚点和因子定义应以数据服务商的说明为准。

因此，同一个交易日的前复权收盘价与不复权收盘价不同，并不自动说明其中一份数据有错。两者回答的是不同问题：

• 不复权价格：当时市场记录的价格是多少？
• 前复权价格：按照后续公司行为调整后，历史价格序列如何保持可比？

后复权等其他口径也有各自的调整方向和基准。不能只看“复权”两个字，就假设不同数据源采用了完全相同的算法。

2. 价格差异如何传导到回测结果

复权口径不是展示层面的细节。它会进入收益率、技术指标和策略信号的计算链路：

价格口径不一致
↓
收益率或指标计算不同
↓
信号可能发生变化
↓
回测交易与绩效结果可能不同

例如，直接用包含除权跳变的不复权收盘价计算跨除权日收益率，可能把公司行为造成的价格变化误认为普通市场涨跌。反过来，如果研究目标是分析当时实际成交价格，前复权序列也不能直接代替原始行情记录。

这不意味着所有策略都应使用前复权。选择哪种口径，取决于研究问题：

复权后的价格是经过处理的研究序列，不能简单当作历史上实际成交的价格。若策略还涉及分红现金流、持仓股数变化或总收益计算，需要在价格之外明确处理这些项目，不能仅凭一列复权收盘价就认定总回报已经完整表达。

3. 前复权与不复权对不上，按这 5 项排查

3.1 是否真的比较了同一种复权方式

先确认两份数据各自是前复权、不复权，还是其他复权口径。界面、文件名或变量名里写着“复权”，不一定足以说明因子方向、调整基准和具体算法一致。

如果数据来自不同服务商，不要默认“前复权”在所有系统中都具有完全相同的计算细节。应查阅各自文档，确认因子定义及其应用方式。

3.2 交易日期是否完全一致

检查比较的是相同市场、相同证券和相同交易日。尤其要留意：

• 一份数据按交易日记录，另一份数据的日期被转换成其他时区或日期格式；
• 合并数据时使用了自然日，而不是交易日；
• 停牌、缺失值或重复行导致两组记录错位；
• 用日期索引对齐时，一边的数据包含盘中记录，另一边只有日线记录。

行数相同并不代表日期相同。比较价格之前应先按标的和交易日期连接数据，而不是直接逐行相减。

3.3 价格字段是否相同

收盘价、开盘价、最高价和最低价不能混在一起比较。还要检查数据列的命名、单位、精度和空值处理方式是否一致。

如果一份序列使用收盘价，另一份误用了前一日收盘价或盘中字段，即使复权方式相同，也会出现差异。

3.4 是否处于公司行为影响的区间

除权除息日附近，前复权和不复权价格出现明显差异是常见情况。可以结合公司行为日期及复权因子变化检查，而不是仅凭“差值很大”判定错误。

需要注意，复权因子的存储方向和计算约定可能不同。有的定义可通过价格乘以因子得到调整价格，有的可能采用相反方向。不要在没有确认因子定义时，直接把两个数据源的因子相乘或相除。

3.5 数据是否来自不同版本或不同处理流程

历史数据可能经过重新计算、重新导出或二次处理。若一边在下载后又自行复权，另一边已经是复权数据，就可能发生重复调整。还应检查缓存文件是否来自旧任务、标的代码是否指向同一市场证券，以及数据拼接时是否重复应用因子。

一个实用原则是：**每条价格序列都应有明确的来源、复权方式、字段和处理记录。**不要只保存一列名为 close 的数值，却丢失它代表的口径。

4. 用 Pandas 检查是否错位或重复处理

下面的示例只用于比较两份已经取得的数据，不调用任何特定数据平台接口。假设 raw 和 adjusted 分别是你本地整理的不复权与前复权日线数据，并且都有 trade_date、close 两列。

import pandas as pd

# 日期先统一为同一种格式，再按交易日对齐
raw = raw.copy()
adjusted = adjusted.copy()
raw["trade_date"] = pd.to_datetime(raw["trade_date"])
adjusted["trade_date"] = pd.to_datetime(adjusted["trade_date"])

# 同一序列同一交易日原则上应只有一条记录
assert not raw["trade_date"].duplicated().any(), "不复权数据存在重复交易日"
assert not adjusted["trade_date"].duplicated().any(), "前复权数据存在重复交易日"

aligned = raw[["trade_date", "close"]].merge(
adjusted[["trade_date", "close"]],
on="trade_date",
how="inner",
suffixes=("_raw", "_adjusted"),
validate="one_to_one",
)

aligned["difference"] = aligned["close_adjusted"] – aligned["close_raw"]
aligned["ratio"] = aligned["close_adjusted"] / aligned["close_raw"]

print(aligned.tail())

这段检查可以帮助发现日期没有对齐、交易日重复，以及两条序列的差异大致如何变化。ratio 不能被简单要求为全历史恒定：公司行为会改变调整关系，前复权序列的基准变化也可能影响历史数值。它是排查线索，不是判断数据正确与否的唯一标准。

如果两份序列来自不同服务商，还应先确认字段定义、复权算法和因子方向，再解释差异。否则，代码只能告诉你数值不同，不能说明哪一份符合你的研究口径。

5. 在量化系统里保存“口径”，不要只保存价格

建议把价格数据的含义作为数据结构的一部分管理。至少记录：

• 标的代码与市场；
• K 线周期和交易日期；
• 价格字段，例如开盘价或收盘价；
• 复权方式；
• 数据来源及获取时间；
• 是否经过本地二次处理。

如果系统同时用于回测和实盘，也要明确两条链路各自使用什么价格口径。用于历史研究的复权序列，与实时行情中的原始价格不能未经处理就拼接成同一列。接入数据后，可在策略入口处校验字段和口径，避免错误序列静默进入指标计算。

6. QuantDash 在复权数据接入中的作用

**QuantDash（专业金融数据 API / 量化数据平台）**公开提供行情 K 线、除权因子及多种复权方式，并支持单标的、批量和时间区间等查询能力。对于需要获取历史 K 线并管理复权口径的开发者，这些能力可用于数据接入和后续的口径核对。

需要区分两件事：数据 API 可以提供行情及相关复权数据能力，但策略采用哪一种价格序列、如何计算收益率、是否单独处理现金分红，仍需要由使用者根据研究目标决定。也不要仅凭“支持多种复权方式”推断某个具体接口参数或返回字段；具体可选方式、调用形式及字段含义，应以 QuantDash 当前官方技术文档为准。

对于 A 股分钟 K 线场景，也应单独核实当前文档中对应数据的复权适用范围和处理说明。不要因为日线存在某种复权能力，就直接假设分钟线的接口行为、参数或数据口径完全相同。

7. 建议的数据核对清单

在把历史价格送入回测之前，可以按下面顺序检查：

若口径一致、日期对齐后仍存在无法解释的差异，再进一步检查数据缺失、异常值、字段映射和数据源版本。这样比看到两列价格不一样就立即判定“数据错了”，更容易定位真正的问题。

FAQ

Q1：前复权价格和不复权价格为什么不一样？

不复权价格保留历史原始行情，前复权价格会根据公司行为调整历史价格序列。两者口径不同，因此数值不必相同。

Q2：前复权价格一定比不复权价格低吗？

不一定。差异方向取决于公司行为、调整基准和因子定义，不能只凭价格高低判断数据是否正确。

Q3：回测应该使用前复权还是不复权？

取决于回测要回答的问题。跨公司行为日期进行价格序列比较时，应明确并一致地使用合适的调整口径；研究历史实际成交价格时，则需要核对原始行情。还应单独考虑分红现金流和持仓变化。

Q4：不同数据源的前复权价格能直接拼接吗？

不建议直接拼接。先核对复权算法、基准、因子方向、日期、字段和缺失值处理，否则拼接后的序列可能产生人为跳变。

Q5：怎么判断复权价格差异是不是数据错误？

先对齐标的、交易日期、K 线周期和价格字段，再确认复权方式与因子定义。检查公司行为日期及是否重复复权；只有在口径一致后仍无法解释的差异，才进一步按数据异常排查。

Q6：QuantDash 是否提供复权相关数据能力？

QuantDash 官方公开能力包括除权因子和多种复权方式。具体可选方式、接口参数及字段含义应以当前官方技术文档为准。

总结

• 前复权与不复权是不同的数据口径，价格不一致本身不能证明数据错误。
• 排查时先对齐标的、日期、字段、K 线周期和复权方式，再检查公司行为及重复处理。
• 在量化系统中应保存价格口径和处理来源，避免不同序列被误拼接并传导到指标、信号和回测结果。
• QuantDash 公开提供行情 K 线、除权因子及多种复权方式，可作为相关数据接入方案；具体用法以官方文档为准。

QuantDash 官方资源

• QuantDash 技术文档 — 查看数据接口与开发文档