企业官网建设流程全解析

Backtrader 数据质量：回测好不好，先看数据靠不靠谱

很多人以为回测最重要的是策略代码。

其实更常见的情况是：

策略没有问题，但数据有问题。

如果数据错了，后面算出的收益、回撤和胜率都可能失真。

一、金融数据不只是几列价格

一份常见的行情数据通常包含：

datetime：时间 open：开盘价 high：最高价 low：最低价 close：收盘价 volume：成交量

但真正研究时，还要知道：

• 数据来自哪里；
• 是实时数据还是历史数据；
• 是否复权；
• 使用什么时区；
• 价格和成交量的单位是什么；
• 是否包含停牌和分红信息。

二、第一步：检查日期

读取数据后，先做这几件事：

df=pd.read_csv("data.csv",parse_dates=["datetime"])df=df.sort_values("datetime")df=df.drop_duplicates("datetime")df=df.set_index("datetime")

检查日期是否正常：

assertdf.index.is_monotonic_increasingassertdf.index.is_unique

如果日期乱了，指标和交易顺序都会出问题。

三、第二步：检查价格逻辑

一根正常 K 线应该满足：

assert(df["high"]>=df[["open","close"]].max(axis=1)).all()assert(df["low"]<=df[["open","close"]].min(axis=1)).all()assert(df["high"]>=df["low"]).all()

如果最高价比开盘价和收盘价都低，或者最低价比它们都高，数据大概率有问题。

还要检查：

• 价格是否小于等于 0；
• 成交量是否为负数；
• 是否突然出现极端跳变；
• 是否有整段时间缺失。

四、第三步：处理缺失值

检查缺失值：

print(df.isna().sum())

不要看到 NaN 就直接全部填 0。

不同字段的处理方式不同：

• 价格缺失：通常需要查原始数据；
• 成交量缺失：不能随便当成 0；
• 指标预热期的 NaN：可能是正常现象；
• 交易日没有数据：可能是节假日，不一定要补。

金融时间序列最好先弄清楚“为什么缺失”，再决定怎么处理。

五、复权到底是什么？

股票分红、拆股后，历史价格会出现跳变。

例如一只股票从 100 元拆成 50 元，图上像是暴跌 50%，但投资者未必真的亏了这么多。

复权数据会调整历史价格，使收益计算更合理。

常见选择：

• 前复权：更适合观察当前价格下的历史走势；
• 后复权：更适合观察长期持有收益；
• 不复权：更接近当时实际成交价格。

重点不是哪一个绝对正确，而是：

研究、信号、收益计算和实盘价格必须保持一致。

六、时区和交易日不能忽略

不同市场的交易时间不同：A 股、美股、港股、期货和加密资产都不一样。

如果时间没有统一，可能出现：

• 用美股当天收盘价配对 A 股第二天价格；
• 把尚未收盘的数据当成已经完成；
• 多资产之间出现隐形未来函数。

多资产研究时，要明确：

哪个市场先开盘？ 哪个市场先收盘？ 信号形成后，下一次可交易时间是什么？

七、数据质量的最小检查模板

required=["open","high","low","close","volume"]missing=[cforcinrequiredifcnotindf.columns]ifmissing:raiseValueError(f"缺少列：{missing}")ifdf[required].isna().any().any():raiseValueError("行情数据存在缺失值")if(df["close"]<=0).any():raiseValueError("收盘价存在非正数")

建议把这些检查放在正式回测之前。

八、最常见的 7 个数据坑

1. 日期没有排序；
2. 日期重复；
3. OHLC 列名映射错误；
4. 复权方式前后不一致；
5. 成交量单位不一致；
6. 用未来数据填补缺失值；
7. 数据源更新后，历史结果发生变化却没有记录。

最后总结

数据质量可以记成四句话：

先查日期，再查价格； 先问缺失原因，再决定填不填； 先确认复权，再计算收益； 先统一时间，再做多资产回测。

数据是回测的地基。地基不稳，策略代码写得越复杂，错误只会被藏得越深。