精准回测第一步：搞定复权数据！复权因子使用指南

在量化交易的道路上，很多人花费大量时间优化策略参数、挖掘新因子，却往往忽略了最基础也最关键的一环：数据的质量。
如果你直接使用交易所下载的原始价格数据进行回测，很可能会得到一个“虚假繁荣”的策略曲线。原因很简单：你忽略了分红、送股、配股带来的价格断层。
现在我们基于免费且强大的 Baostock 数据源，手把手教你理解复权、获取复权因子，并在回测中正确使用它，确保你的策略评估真实可靠。
一、什么是复权？为什么必须做？
价格的“假摔”现象：股票在发生分红（派息）或送转股（拆股）时，股价会在除权除息日（Ex-Date）出现大幅下跌。
例子：某股票收盘价 20 元，第二天实施“10 送 10”。
除权后：股本翻倍，股价理论上变为 10 元。
原始数据表现：K 线图上会出现一个从 20 元到 10 元的巨大向下跳空缺口。
实际情况：投资者的总资产并没有减半（股数翻倍了），这并非市场抛售导致的暴跌。
如果不处理这个缺口，技术指标（如均线、MACD）会失真，回测系统会误以为发生了巨额亏损，从而错误地触发止损或得出错误的收益率结论。
复权（Adjustment）就是通过算法，将因权益变动导致的价格断层“修复”，使 K 线恢复连续，真实反映股票的涨跌趋势。
核心工具是复权因子（Adjustment Factor）。
公式逻辑：复权后价格 = 原始价格 × 复权因子（注：具体计算需考虑现金分红的扣除，不同软件算法略有差异，但核心思想一致）
二、前复权 vs 后复权：回测该用哪个？
在 Baostock 和大多数量化场景中，我们主要接触两种复权方式：
特性：前复权 (Forward Adjusted)；后复权 (Backward Adjusted)。
基准点：以当前最新价格为基准，向前推算历史价格。 以上市首日价格为基准，向后推算当前价格。
价格特征：现价 = 真实市场价；历史价可能被压缩得很低（甚至负数）。 历史价 = 真实发行价；现价可能非常高（几千几万）。
主要用途：技术分析、策略回测。因为回测时的“当前信号”必须基于真实市场价格。 计算长期真实收益率、查看股票从上市以来的总涨幅。
回测推荐：强烈推荐
结论：在做策略回测时，请务必使用前复权数据。这样能保证你策略发出的“买入价”就是市场上真实的成交价。
三、实战：使用 Baostock 获取复权数据
核心代码：获取前复权日线数据
Baostock 的 query_history_k_data_plus 接口通过 adjustflag 参数控制复权："3": 不复权;"2": 前复权（回测专用）;"1": 后复权
{{{
import baostock as bs
import pandas as pd
def get_adjusted_data(code, start_date, end_date):
# 1. 登录系统
lg = bs.login()
if lg.error_code != '0':
print(f"Login failed: {lg.error_msg}")
return None

# 2. 查询数据
# adjustflag="2" 表示前复权
fields = "date,time,code,open,high,low,close,volume,amount,adjustflag"
rs = bs.query_history_k_data_plus(
code,
fields,
start_date=start_date,
end_date=end_date,
frequency="d",
adjustflag="2" # <--- 关键：设置为前复权
)
# 3. 转换为 DataFrame
data_list = []
while (rs.error_code == '0')