量化策略回测的可靠性，直接取决于历史行情数据的完整性；数据缺斤短两，再好的策略也会变成纸上谈兵。 你写了个“完美”的策略，回测收益率曲线漂亮得像艺术品，可一上实盘就翻车，问题往往不在策略本身，而在回测用的历史行情数据它不完整，你看到的胜率、回撤和盈亏比全是“美颜”后的假象。
历史行情数据不完整，回测结果会差多少？
先看几个真实场景。
你回测一个日线动量策略,数据源恰好缺了某只股票连续三天行情，而这三天它因为重组停牌后复牌连续涨停，策略没有感知，等到它“看见”价格时，已经错过最佳买点，实际交易中，你根本买不到理想价位的筹码。
你用的是有幸存者偏差的数据,只包含目前还在上市的公司股票，那些曾经辉煌但已退市的股票全被排除，回测收益自然虚高，历史上无数次“黑天鹅”事件，都被数据清洗悄悄抹掉了。
你忽略了复权因子,在除权除息日，价格“凭空跳空”，策略以为是大跌信号，于是手动割肉，等下一日价格反弹，你心态失衡，彻底偏离原计划。
行业共识认为,回测与实盘之间的差距，多数情况下不是由滑点和手续费造成，而是数据底子不干净，业内专家指出，把数据完整性做好，比花几个月优化参数更重要。
| 数据状态 | 回测表现 | 实盘表现 |
|---|---|---|
| 完整 | 策略信号连续，资金曲线平滑 | 大概率接近回测 |
| 缺停牌记录 | 策略可能“无视”停牌，频繁开平仓 | 实际无法交易，手续费增加 |
| 缺退市股 | 整体收益虚高，抗风险能力被高估 | 遭遇黑天鹅，净值大幅回撤 |
量化回测对数据完整性的具体要求有哪些？
时间覆盖：至少穿越一轮牛熊
你的策略如果只在2015年上涨行情中“表现好”，那不算数，需要覆盖完整的牛熊周期，最好包含极端行情，比如2015年股灾、2016年熔断、2020年疫情冲击等，时间跨度不够，策略的“抗揍能力”就是未知数。
频率匹配：不同策略需要不同级别的数据
- 短线策略用日线数据,回测结果会钝化，容易漏掉盘中机会。
- 高频策略需要tick数据或秒级数据,用1分钟K线都可能失真。
- 如果数据源只有日线,你就别测日内策略，否则结果毫无意义。
复权处理：前复权后复权，选错就错
前复权以当前价格为基准调整历史,导致历史价格随行情变化而“漂移”，后复权以上市首日为基准，更适合计算真实收益，行业共识是：回测中最好使用后复权数据，再用前复权做近似验证。
事件数据：停牌、退市、涨跌停不能省
停牌期间无法交易,如果数据缺失，策略会在停牌期开平仓，产生不能成交的“幽灵订单”，退市股必须保留，尤其是ST股和退市整理期股票，若把退市股删掉，回测会明显偏乐观，涨跌停时，你未必能按现价买到或卖掉，数据里要能识别这些状态。
幸存者偏差：避开指数成分股陷阱
不要直接用当前沪深300成分股做历史回测,因为十年前还在但后来被剔除的股票，你没有包含，正确做法是使用“全市场”股票池，再逐期构建指数成分。
量化回测数据源怎么选？价格与质量如何权衡
- 免费数据源：akshare、baostock、tushare pro（积分制），优点：零成本、上手快，缺点：字段缺失、复权因子更新慢、停牌记录不完整。
- 付费数据源：万得、聚宽、米筐、掘金等，优点：数据质量高，经过清洗，缺点：年费从几千到几万不等，个人用户压力较大。
- 第三方个人数据商：拼盘数据，价格低但质量参差不齐，需要自己验证。
| 数据源类型 | 典型代表 | 完整性 | 成本 | 适合人群 |
|---|---|---|---|---|
| 免费开源 | akshare/baostock | 中等 | 免费 | 新手、学习 |
| 专业付费 | 万得、聚宽 | 高 | 较高 | 专业机构、成熟量化 |
| 个人数据商 | 不定 | 不确定 | 较低 | 有验证能力的人 |
判断一个数据源是否完整,先看它是否提供复权因子、停牌标记、退市股票列表，如果都没有，那就得自己动手补，不要盲目相信“付费即安全”，数据源的清洗口径和更新频率，远比价格标签重要。
股票回测数据完整性检查实操步骤
第一步：检查缺失值
用pandas读取数据后,先看每一列有多少空值。
df.isnull().sum()如果某天某只股票的收盘价是空值,说明这天可能没有交易，也可能是数据缺失，把缺失日期和交易所官方交易日历对比，确认是“非交易日”还是“漏数据”。
第二步：检查交易日历
用交易所公布的交易日期列表,与你的数据日期做差集，缺少某一天，往往意味着数据源漏掉了一段行情，可以用set()比较，快速定位缺失日期。
第三步：检查复权因子
用后复权价格计算每日收益率,如果某天的收益率剧烈跳变，而当天没有除权除息公告，那很有可能数据有问题，这时候需要重新拉取复权因子，或者手动补上分红送转记录。
第四步：检查停牌和涨跌停
找出成交量或成交额为零、且不是非交易日的行，这些很可能是停牌记录，涨跌停板时，成交量通常明显放大，但价格被“焊死”，如果数据里没有这些特征，策略会在不现实的价位成交，回测结果自然失真。
第五步：多源交叉验证
拿一只股票在某天的最高价、最低价、成交量，去对比不同数据源，差别太大说明至少一个源不靠谱，或者字段口径不一致，多个数据源之间互相印证，是成本最低的质检方式。
这套流程走下来,大约需要一小时，它能过滤掉大部分“脏数据”，比事后回测完发现结果不合理的成本低得多。
历史行情数据就像是策略的“记忆”，记忆不完整，推理自然错得离谱，下次回测前，先把数据“体检”一遍，让每一条K线都有据可查，你的回测结果才真正值得信任。
Q&A
量化策略回测对历史行情完整性要求高吗？
非常高,完整性不足会导致回测收益失真、信号错误和仓位错配，尤其对于高频策略和事件驱动策略，缺失一个交易日的tick数据就可能改变买卖逻辑，实际回测前，应检查数据覆盖范围、缺失记录和复权因子，必要时用多个数据源交叉验证。
回测数据源价格高就一定完整吗？
不一定,价格高的数据源通常清洗得更好，但仍可能存在复权策略不一致、停牌标记缺失等问题，关键看它是否提供完整的交易状态标记和退市股票记录，免费数据源经过自查后也可能接近付费水平，但需要投入更多时间验证。