🎯 今日核心问题

  1. 回测里"买入价用当天收盘价"错在哪?涨跌停、停牌、新股一字板分别会让你的成交假设偏离现实多少?
  2. 退市股和 ST 股怎么在历史数据里还原?把它们悄悄剔除会产生多大的收益虚高?

📖 精读提纲

【一】停牌:不是缺失值,是"资金被锁住"

停牌(重组、核查)在 A股仍会周期性出现,对回测的影响有两层:

第一层是价格断档:停牌日若直接缺失,pct_change() 会把停牌前后两天算成"一天涨跌",复牌的大涨或补跌被摊平,动量与波动率因子全部失真。

第二层更致命:持仓无法交易。你在调仓日想卖出某只票,但它停牌了,你卖不掉。如果回测框架假设"想卖就能按收盘价卖",收益会虚高——特别是那种"停牌期间躲过大跌、复牌后一字涨停"的票,回测会白送你一大段收益。

处理:交易日历 reindex 补齐,停牌日标记不可交易、价格前值填充;调仓只允许卖可交易持仓,其余顺延。

【二】涨跌停:买不进、卖不出的现实约束

主板涨跌停±10%,ST±5%,创业板/科创板±20%,北交所±30%。回测里必须显式建模,否则会出现两类虚高:

涨停买不进:回测按涨停收盘价成交,现实里板上排单大概率不成交,次日高开,成本高好几个点。连续一字板的新股、重组股偏差可达几十个点。

跌停卖不出:回测按跌停价止损成交,现实封单几万手根本出不去,次日继续跌。

保守但正确的做法:涨停当日不买,跌停当日不卖。更精细一点,可以用"收盘价等于涨停价 且 封单量大于成交量的X倍"来判断是否真封死。这条规则会让你的回测收益下降——但那个下降才是真实的。

【三】退市、ST、新股:三个隐形的幸存者偏差

退市股:若股票池只含"当前在市"的票,所有退市股历史都不在里面。2019年后退市常态化,每年40-50家。这等于开了上帝视角——你买的票永不退市,收益自然虚高。股票池必须含当时存在过的所有股票,标注退市日、退市后停交易。

ST股:涨跌停±5%、机构受限。多因子选出一堆 ST 小盘股,赚的是壳价值与重组预期,注册制下这笔钱已基本消失。直接剔除 ST,且要用历史 ST 状态——摘帽后名称已变,当前名称不反映过去。

新股上市首日:A股主板新股首日涨幅限制44%,之后10%;创业板/科创板前5日不设涨跌幅。新股上市初期波动极大、无历史财务数据、因子完全无法计算。回测里如果让新股上市首日就进入选股池,你会把一堆上市首日暴涨100%+的票算进去。规则:上市后至少120个交易日才纳入候选池,让因子有足够历史。

【四】常见误区

💻 代码示例

import akshare as ak
import pandas as pd
import numpy as np

def clean_one(df: pd.DataFrame, calendar: pd.DatetimeIndex,
              list_date=None, min_days=120) -> pd.DataFrame:
    """单只股票的清洗:补齐日历、标记停牌、标记涨跌停、标记可交易"""
    df = df.set_index("date").sort_index()

    # 1) 用交易日历 reindex,补齐停牌日
    df = df.reindex(calendar)
    df["code"] = df["code"].ffill()

    # 2) 原始成交价为0 或 缺失 => 停牌
    df["suspended"] = df["volume"].fillna(0).le(0) | df["close"].isna()

    # 3) 停牌日价格前值填充(仅用于计算,不用于成交)
    for col in ["open", "high", "low", "close"]:
        df[col] = df[col].ffill()
    df["volume"] = df["volume"].fillna(0)
    df["amount"] = df["amount"].fillna(0)

    # 4) 涨跌停判定:用前收 * (1 ± limit) 四舍五入到分
    prev_close = df["close"].shift(1)
    limit = 0.10
    upper = (prev_close * (1 + limit)).round(2)
    lower = (prev_close * (1 - limit)).round(2)
    df["at_limit_up"]   = df["close"] >= upper - 0.011
    df["at_limit_down"] = df["close"] <= lower + 0.011

    # 5) 可交易 = 非停牌 且 非一字板(开=收=高=低 且 触及涨跌停)
    one_word_up = df["at_limit_up"] & (df["open"] == df["close"]) \
                  & (df["high"] == df["low"])
    one_word_dn = df["at_limit_down"] & (df["open"] == df["close"]) \
                  & (df["high"] == df["low"])
    df["can_buy"]  = (~df["suspended"]) & (~df["at_limit_up"]) & (~one_word_up)
    df["can_sell"] = (~df["suspended"]) & (~df["at_limit_down"]) & (~one_word_dn)

    # 6) 新股:上市满 min_days 个交易日才可用
    if list_date is not None:
        list_date = pd.Timestamp(list_date)
        traded = (df.index >= list_date).cumsum()
        df["seasoned"] = traded >= min_days
        df.loc[df.index < list_date, "can_buy"] = False
    else:
        df["seasoned"] = True

    return df.reset_index().rename(columns={"index": "date"})


def build_st_table():
    """历史ST状态表:从股票名称变更历史里识别 ST/*ST"""
    name_hist = ak.stock_info_name_change()   # 名称变更记录
    name_hist["变更日期"] = pd.to_datetime(name_hist["变更日期"])
    st = name_hist[name_hist["名称"].str.contains("ST", na=False)]
    return st[["代码", "变更日期", "名称"]].sort_values(["代码", "变更日期"])


def is_st_on(code: str, date, st_table: pd.DataFrame) -> bool:
    """判断某代码在某日是否处于ST状态(看最近一次变更)"""
    sub = st_table[st_table["代码"] == code]
    sub = sub[sub["变更日期"] <= pd.Timestamp(date)]
    if sub.empty:
        return False
    return "ST" in str(sub.iloc[-1]["名称"])


# ---------- 示例:清洗 002472 ----------
cal = pd.bdate_range("2020-01-01", "2024-12-31")  # 正式环境用真实交易日历
raw = ak.stock_zh_a_hist(symbol="002472", period="daily",
                         start_date="20200101", end_date="20241231",
                         adjust="")     # 不复权,用于判定涨跌停
raw = raw.rename(columns={"日期": "date", "收盘": "close", "开盘": "open",
                          "最高": "high", "最低": "low",
                          "成交量": "volume", "成交额": "amount"})
raw["date"] = pd.to_datetime(raw["date"])
raw["code"] = "002472"

clean = clean_one(raw, pd.DatetimeIndex(raw["date"]))
print(clean.tail(3)[["date", "close", "suspended", "at_limit_up", "can_buy"]])
print("停牌日数:", int(clean["suspended"].sum()))
print("涨停日数:", int(clean["at_limit_up"].sum()))
print("不可买日数:", int((~clean["can_buy"]).sum()))

✏️ 今日动手

  1. 把 clean_one() 落成 cleaning.py,对002472、601111各跑一次,打印停牌日、涨停日、不可买日数量。
  2. 用 ak.stock_info_name_change() 拉名称变更表,筛出含ST的记录,存成 data/st_history.parquet。检查这张表能不能覆盖到你熟悉的一只曾被ST的股票。
  3. 写一个对比函数:同一策略、同一区间,一次"允许涨停买入",一次"禁止涨停买入",看收益差多少。这个数字就是你原来的虚高幅度。
  4. 统计你昨天拉的全市场股票池里,有多少只股票的行数不足500行(大概率是次新股或退市前停牌股),列个清单——这些票要么剔除,要么标记 seasoned=False。

今天所有清洗标记都要存进数据本身(suspended / can_buy / can_sell / seasoned 四列),不是临时算。回测框架要直接读这些列,而不是靠"回测时凭感觉判断"。

🔖 明日预告

清洗逻辑有了,但每天手动跑一遍会疯。明天把它工程化:增量更新(只拉最新几天)、本地缓存(parquet 分区)、数据校验(每次更新后自动体检并报警),做成一个"今天打开电脑跑一条命令就完成"的管道。