搜索[Python]结果-低调大师优秀个人博客

你跑回测的时候，有没有遇到过这种诡异情况： - 某只股票昨天收盘 150 元，今天开盘直接跳到 100 元——**没跌停，但跌了 33%**。 - 策略信号在除权日疯狂触发，买入卖出全乱套。 - 同一段代码，Tushare 拉的数据收益 20%，自己拉的数据收益 -5%——**数据来源一样，只是没复权**。问题出在**除权除息**。A股每年都有分红、送转股，如果不做复权处理，K线会出现断崖式跳空，你的收益率、均线、波动率全部失真。这篇文章不讲复杂的金融工程，只给你一个**可落地的前复权计算方案**：用真实分红数据，手动算出复权因子，让回测结果不再被除权日绑架。 ## 本文你将得到什么 1. 不复权、前复权、后复权的本质区别（一句话说清） 1. 用 `company_dividends` 拉分红送股数据，手动计算前复权因子 1. 一段可直接运行的代码，输出复权后的收盘价 1. 回测中复权处理的 2 个铁律 ## 一句话说清三种价格 |**类型**|**含义**|**适用场景**| | --- | --- | --- | |**不复权**|交易所原始成交价格|看真实委托、撮合逻辑| |**前复权**|以**最新价格**为基准，历史价格往回调整|**回测、策略研究**（推荐）| |**后复权**|以**上市首日**为基准，后续价格往前调整|长期收益累计、财富增长| **回测必须用前复权**。原因：前复权保持了最新价格的现实意义，历史价格按比例压缩，收益率计算不会受除权日干扰。 ## 代码实战：手动计算前复权下面演示完整的复权流程：先拉不复权行情和分红数据，再计算前复权因子。 ```javascript from mairui import Client import pandas as pd client = Client("LICENCE-66D8-9F96-0C7F0FBCD073") code = "600519" # 1) 拉不复权日线 raw = client.stock_history(code, lt=120, dividend='n') df = pd.DataFrame(raw) df['t'] = pd.to_datetime(df['t']) df = df.sort_values('t').reset_index(drop=True) # 2) 拉分红送股数据 divs = client.company_dividends(code) df_div = pd.DataFrame(divs) df_div['sdate'] = pd.to_datetime(df_div['sdate']) # 只取在行情区间内且已实施的分红 mask = (df_div['sdate'] >= df['t'].min()) & (df_div['line'].isin(['实施', '已实施'])) df_div = df_div[mask].sort_values('sdate') # 3) 计算前复权因子（从除权日往历史回溯） df['adj_c'] = df['c'].astype(float) for _, row in df_div.iterrows(): sdate = row['sdate'] send = float(row['send']) if row['send'] != '-' else 0.0 give = float(row['give']) if row['give'] != '-' else 0.0 # 送转比例：10送3 = 0.3，即每股变 1.3 股 ratio = 1.0 + (give / 10.0) # 对除权日之前的所有价格：先乘股数比，再加现金红利 mask_before = df['t'] df['adj_ma20'] # 前复权算信号 order_price = df.loc[signal, 'c'] # 用不复权价格下单 ``` ### 铁律 2：复权因子一旦确定，回测期间不能变如果你在 2024 年跑回测，用到了 2025 年才披露的分红数据，那就是**未来函数**——你在 2024 年不可能知道 2025 年会分红多少。 **正确做法**：回测到某天，只使用该日期**之前已公告**的分红方案。`company_dividends` 返回的 `line` 字段如果是"预案"，说明还没实施，回测中不应纳入。 ## 小结复权不是可有可无的数据清洗，而是回测的**基础设施**。记住三点： 1. **回测用前复权**，保持最新价格的真实意义 1. **手动算复权因子** = 股数比累乘 + 现金红利累加 1. **下单用不复权**，模拟真实交易所撮合掌握这套流程，你的回测结果才具备横向可比性——不会因为某只股票分红多、送转多，就凭空"跑输"其他策略。 **下篇预告**：数据合并完了，复权也做了，但特征还是太多、相关性太高怎么办？#07 带你用相关性去重 + RFE 递归特征消除，把 100 个特征筛到 10 个最有效的。 --- ## 免责声明本文仅供技术学习交流，不构成任何投资建议。市场有风险，决策需谨慎。 ## 代码与文档更多接口文档和 SDK 使用示例，可查阅官方文档：[https://github.com/MaiRuiApi/mairui](https://github.com/MaiRuiApi/mairui)

2026-09-22

风控开发指南：Python集成手机在网状态V即时版实现精准合规审查

系统通过 Python 高并发特性直连底层权威数据库后，能够在毫秒级解密获取关键字段：如 `channel`（运营商归属）和 `status`（0-在网，1-不在网）以及细粒度的不在网原因（如停机、销号等

2026-09-21

极致IT SGG大模型：从Java全栈底座到Python智能体引擎的双栈融合架构

它既指代一套完整的**Java全栈+Python智能体双栈融合技术体系**（SGG-2026），也涵盖**场景图生成**（Scene Graph Generation）、**结构化梯度分组优化器**（SGG

2026-09-20

191 · Python 一致性闸门编排：orchestrator 串接所有校验，未过闸禁出报告

**示例代码** python ``` # quality_orchestrator.py def orchestrate_quality(sb, papers, unreplied, evidence

2026-09-18

零基础Python开发「图片批量转MP4视频」工具，本地离线、免费无水印【脚本】

# 零基础Python开发「图片批量转MP4视频」工具，本地离线、免费无水印！

2026-09-15

如何用 Python 做 ATR 移动止损（吊灯止损）回测？控回撤的正确姿势

## 参考 - AlphaFeed Python SDK 文档：[https://docs.alphafeed.org/zh-Hans/sdk/python-quickstart](https://docs.alphafeed.org

2026-09-15

风控开发指南：Python 集成全能入职背调报告实现精准合规审查

为了彻底升级这一人才甄选体系，基于 Python 机器学习架构的智能入职审查引擎应运而生。

2026-09-15

163 · Python 从脚手架到实战：用真实项目数据喂工作台（E 系列开篇）

**示例代码** python ```javascript # 用真实导出数据（已脱敏，仅保留结构）装配成统一账套 from data_layer import validate from orchestrator

2026-09-14

配对交易怎么用 Python 做？价差 z-score 回测（附 A 股做空的现实限制）

## 参考 - AlphaFeed Python SDK 文档：[https://docs.alphafeed.org/zh-Hans/sdk/python-quickstart](https://docs.alphafeed.org

2026-09-14

162 · Python 实战演练：一份示例账套跑通审计版 + 尽调版双报告

**示例代码** python ```javascript # demo.py —— 全流程演练 from data_layer import load_sample, validate from orchestrator

2026-09-13

160 · Python 三层联动机制：风险分如何驱动报告结论与尽调重点

**示例代码** python ```javascript # orchestrator.py —— 联动编排 def orchestrate(sb): from toolkit import ecl_model

2026-09-13

Python 审计尽调一体化工作台：总架构与一键入口

**示例代码** python ```javascript # main.py —— 一体化工作台入口 from data_layer import load_sample from toolkit import

2026-09-13

资源下载

更多资源

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。

WebStorm

WebStorm 是jetbrains公司旗下一款JavaScript 开发工具。目前已经被广大中国JS开发者誉为“Web前端开发神器”、“最强大的HTML5编辑器”、“最智能的JavaScript IDE”等。与IntelliJ IDEA同源，继承了IntelliJ IDEA强大的JS部分的功能。

精选列表

218 · Python 收入审计与新收入准则自动化：收入成本匹配与毛利率预警

如何用 Python 做放量选股？（全市场扫描成交量突增的异动股）

203 · Python 合并报表与抵消自动化：从单体到合并的透明流水线

如何用 Python 计算 KDJ 随机指标？（金叉死叉与超买超卖，不用 TA-Lib）

风控开发指南：Python集成车辆车五项信息核验实现精准合规审查

Python 如何获取股票 1 分钟 K 线：解决盘中数据与历史回测数据衔接问题

Python 如何获取股票 1 分钟 K 线：从接口调用到可用于回测的数据清洗

Python 获取股票数据时，为什么“能返回数据”不等于“数据源可靠”？

【Python量化数据工程实战 #06】前复权后复权分不清？回测数据准备的最佳实践

风控开发指南：Python集成手机在网状态V即时版实现精准合规审查

极致IT SGG大模型：从Java全栈底座到Python智能体引擎的双栈融合架构

191 · Python 一致性闸门编排：orchestrator 串接所有校验，未过闸禁出报告

零基础Python开发「图片批量转MP4视频」工具，本地离线、免费无水印 【脚本】

如何用 Python 做 ATR 移动止损（吊灯止损）回测？控回撤的正确姿势

风控开发指南：Python 集成全能入职背调报告实现精准合规审查

163 · Python 从脚手架到实战：用真实项目数据喂工作台（E 系列开篇）

配对交易怎么用 Python 做？价差 z-score 回测（附 A 股做空的现实限制）

162 · Python 实战演练：一份示例账套跑通审计版 + 尽调版双报告

160 · Python 三层联动机制：风险分如何驱动报告结论与尽调重点

Python 审计尽调一体化工作台：总架构与一键入口

资源下载

Nacos

Rocky Linux

Sublime Text

WebStorm

欢迎您来访！

零基础Python开发「图片批量转MP4视频」工具，本地离线、免费无水印【脚本】