一、这篇解决什么问题
做量化研究，最枯燥、最不能省的一步是数据清洗。
股票分红、送股、配股会让价格出现向下的跳空，看起来像暴跌，实际只是除权。停牌日数据缺失，直接参与计算会污染因子。异常值不处理，模型会学到错误规律。
本文把 A 股数据最常见的四类问题——复权、停牌、缺失值、异常值——的处理方法整理清楚，每条给出代码实现。读完你可以得到：
- 一份清洗干净的日频数据
- 一份数据质量报告
- 一个可复用的清洗脚本
二、复权：最重要的一件事
2.1 什么是复权
股票分红、送股、配股后，股价会向下调整。如果不处理，价格曲线会出现一个向下的跳空，看起来像暴跌，实际只是除权。
举个例子：
某股票前一日收盘 10 元，每 10 股派 5 元现金。除息日理论开盘价变成 9.5 元。如果你用不复权数据算收益率，会得到 -5% 的假信号。
2.2 三种复权方式
| 类型 | 含义 | 适用场景 |
|---|---|---|
| 不复权 | 原始成交价 | 看真实成交价格、算手续费 |
| 前复权 | 以当前价格为基准，调整历史价格 | 回测首选 |
| 后复权 | 以上市首日为基准，调整后续价格 | 长期收益分析 |
为什么回测用前复权：前复权保持了最新价格和真实价格一致，同时消除了除权跳空，收益率计算连续。
2.3 代码示例
importakshareasak# 前复权df_qfq=ak.stock_zh_a_hist(symbol="600519",period="daily",start_date="20200101",end_date="20241231",adjust="qfq")# 后复权df_hfq=ak.stock_zh_a_hist(symbol="600519",period="daily",start_date="20200101",end_date="20241231",adjust="hfq")# 不复权df_raw=ak.stock_zh_a_hist(symbol="600519",period="daily",start_date="20200101",end_date="20241231",adjust="")2.4 复权的坑
- 不同数据源的复权算法可能不同，同一只股票在两个平台的前复权价格可能有细微差异。回测时固定用一个数据源。
- 前复权价格会随最新价格变化，今天下载的前复权数据和一个月后下载的，历史价格可能不一样。所以要么每次重新下载全量，要么存原始数据自己算复权。
- 成交量不需要复权，只有价格需要。
三、停牌处理
3.1 停牌的表现
停牌期间，数据源可能：
- 直接没有该日期的记录
- 有记录但成交量为 0
- 有记录且价格等于停牌前价格
3.2 处理原则
回测时：
- 停牌日不能交易，买入信号遇到停牌应顺延到复牌日
- 停牌日不应参与因子计算（否则 rolling 窗口会被污染）
- 持仓股票停牌期间，仓位保持不变
# 标记停牌：成交量为0df['is_suspended']=(df['volume']==0)# 停牌日不生成信号df.loc[df['is_suspended'],'signal']=np.nan df['signal']=df['signal'].ffill()3.3 长期停牌的处理
如果一只股票停牌超过一定天数（比如 20 个交易日），建议直接从股票池剔除，因为复牌后往往有大幅补涨或补跌，会干扰策略。
四、缺失值处理
4.1 缺失值的来源
- 新股上市初期，均线等指标算不出来
- 停牌日
- 数据源本身的问题
- 多数据源合并时的对齐问题
