为什么同一只A股的历史价格，过几个月重新下载会不一样**
TickDB Research ·
以下是假设场景。以下仅演示采用最新交易日作为锚点的数据源。
你保存了一份A股的前复权日线数据，用来做策略回测。几个月后想复现结果，从同一个数据源重新下载同一段历史区间。数据到手，拉出来一比——同一只股票，同一个日期，同一个前复权字段，数值却对不上了。
第一反应是数据源偷偷修了历史。但对比原始成交价，两版一致。再查复权因子，变了。
原始成交没有改。改变的是复权计算的那个基准日。
前复权保留某个基准日价格。基准可能是最新交易日，也可能是用户设置的查询结束日，取决于数据源规则和请求参数。理解这个现象的钥匙只有一句话——你下载的不是历史档案，而是一个以特定基准日重新计算的视图。基准往后移，每发生一次新的除权除息，权益事件日前的历史区段可能重新调整。历史价格变化，不等于历史成交被篡改。
复权不是还原历史，是重新建立一套坐标尺
理解这件事，需要先区分几个相似但完全不同的概念。
| 类型 | 定义 | 特点 |
|---|---|---|
| 原始成交价 | 当日实际撮合成交的价格 | 不因后续权益事件而复权重算，但数据提供方仍可能进行差错修订；含分红、送股带来的价格跳空 |
| 前复权 | 保留某个基准日价格，反向调整历史价格 | 每次分红送股后，基准日前的历史区段重新计算；同一日期数值在不同时点可能不同 |
| 后复权 | 保持历史基准价格不变，正向调整后续价格 | 历史值稳定；当前价格随时间推移可能远离真实交易价 |
| PIT | 某个历史时点实际可得的数据快照 | 不是另一种价格公式，是版本规则：回到过去，只用当时已知的信息 |
原始成交是地形，前复权是以选定的基准海平面重新标定过去的海拔，后复权是以历史的海拔推算今天的高度。
一个虚拟例子
假设某股票在1月1日收盘价为20元。2月1日进行了1拆2，无现金红利，忽略税费。
- 1月1日原始成交价：20元
- 2月1日除权参考价：10元（不等于实际开盘成交价）
第一次下载，时点为1月15日，拆股尚未发生。此时没有复权事件，前复权序列中1月1日仍显示20元。
第二次下载，拆股已完成后。系统以最新交易日为基准日重建前复权序列。因1拆2，历史价格会乘以0.5以保持序列连续。1月1日的前复权价变为10元。
同一日期，同一原始成交，前复权值变为原来的一半。
同一个数字变为原来的一半——不是数据错了，是你两次查询时，这把尺的零刻度线不在同一个位置。
实际除权参考价计算中，现金红利、配股价格和股份变动比例都可能进入公式，本例仅演示最简单的拆股场景。除权参考价的计算方式，可参考深圳证券交易所公布的除权除息参考价公式。
哪些逻辑更容易受影响
复权值变化对不同策略的影响程度不同。有些策略对绝对值敏感，有些只依赖相对比例。
| 更容易受影响的逻辑 | 原因 |
|---|---|
| 基于绝对价格阈值的条件 | 复权后数值变化可能改变条件触发与否 |
| 固定限价委托模拟 | 限价基于复权价时，复权值变化导致成交判断偏移 |
| 按股数计算仓位的头寸 | 拆股事件改变每股价格，但股数会同步调整，复权值变化使持仓市值计算需要重新对齐 |
| 精确撮合成本估算 | 成本锚定在特定数值上，复权变化影响冲击成本估计 |
同一区间被统一缩放时，部分比例关系可能变化较小，但仍需逐项检查策略逻辑。
一份回测数据版本记录清单
如果你希望回测结果未来可复现，保存数据时至少记录以下信息：
- 数据源名称及版本或接口地址
- 数据抓取的具体日期
- 复权方式（不复权、前复权、后复权）
- 复权因子来源及计算日期
- 品种代码格式
- 所用时间频率和时区
- 停牌期间处理方式
- 缺失数据填充规则
- 股息、拆股等公司行为数据的获取方式和时间戳
这九项不是教条。它们想表达的核心只有一件事——这类复现问题的关键往往不是随机性，而是数据版本未同步。
前复权的合理用途与边界
前复权存在时变性，不代表它没有合理用途。它消除了分红送股带来的价格跳空，让历史走势在视觉和统计上连续可比。问题是它容易让人产生一种错觉——以为下载一次的历史序列是客观事实，以后不会变。
它的合理使用边界是：接受它的数值会随时间变化，把它看作一个按数据源的基准日和复权规则计算的派生序列；当基准日或权益事件信息变化时，其历史数值可能重算。 如果你需要固定的历史档案来复现回测，不能只保存前复权值，需要保留原始成交和复权因子。
PIT是另一种解决思路——不是另一种价格公式，而是规定信息可得性和版本纪律。PIT的含义是：回测到某个历史决策时点时，只能使用该时点已经可得的数据和公司行为信息，不能把后来才出现或后来修订的信息倒灌回去。
本文仅讨论数据处理与回测复现，不构成投资建议。
你可能已经在想
“那直接用后复权不就好了？”
后复权的历史值确实稳定。但后复权的当前价格会随时间推移不断远离真实交易价，不能直接用来模拟实时委托价格。两种复权各有利弊，选择取决于你的具体用途，没有哪个在所有场景下都更好。
“是不是数据源不靠谱导致的？”
仅凭前复权值变化，不能判断数据源不可靠。前复权值变化的机制根植于其计算规则本身。差异可能来自不同的基准日规则、复权公式或参数版本。
“复权因子能自己算吗？”
理论上可以，如果你有每笔分红、送股和配股的精确记录，并严格按照交易所公布的除权除息参考价公式计算。实际操作中这件事的维护成本不低，不能给出一个放之四海皆准的万能公式。
一个行情接入层的小例子
以TickDB作为行情API接入层的例子，调用行情API后，研究者仍需自行保存原始响应、抓取时间和处理参数。行情API解决的是取数入口，复权口径和point-in-time数据版本仍属于研究数据治理问题。
你现在保存的，只是一份CSV，还是也保存了这份CSV当时怎么来的？
如果你有过回测结果对不上的经历，欢迎在评论区说说你当时查到的原因。是复权方式不同，还是数据源版本不一致，或者是其他你没想到的因素。
参考来源
- 深圳证券交易所投资者教育中心，除权除息参考价计算公式说明
- AKShare官方文档，股票数据接口说明
- Tushare官方文档，复权因子接口说明及pro_bar参数说明
- Glassnode文档，Point-in-Time指标定义
- QuantConnect研究文档，关键概念——研究指南
- QuantConnect云平台文档，数据集常见误解
- TickDB API文档