数据清洗：复权、停牌、缺失值

回测的第一个坑通常不在策略，而在数据。价格少了一天、复权方式选错、停牌被当成正常交易，都会让净值曲线变得好看，但实盘复制不出来。

数据清洗不是把数据「洗干净」这么简单，而是把每个字段的时间含义和交易约束弄清楚。下面四个问题，是搭最小回测前必须处理的。

一、复权：前复权和后复权

股票分红、送股、配股后，价格会出现跳空。复权就是把历史价格调整到可比口径。前复权以当前价格为基准调整历史价格，适合看技术图形和近期收益；后复权以历史价格为基准调整未来价格，适合计算长期持有收益。

两者不能混用。用前复权数据算历史买入价，再用当前真实价格算收益，会把分红和拆股的影响算错。回测里更重要的是保持口径一致：信号、成交价、净值都使用同一套复权规则。

二、停牌与涨跌停

停牌期间不能交易，但很多数据源会重复上一日价格或直接缺失。如果你把停牌日当成正常交易日，策略会在不可成交的价格上「成交」，回测收益会被高估。

涨跌停也一样。一字涨停买不进，一字跌停卖不出。回测必须显式检查：当日是否停牌、是否一字板、成交量是否足够。处理不了这些约束，回测就只是数学游戏。

三、缺失值怎么处理

缺失值有三种常见来源：停牌、退市、数据源缺口。处理方式不同。停牌可以标记并顺延；退市要从样本中移除或按退市规则处理；数据源缺口需要补数据或剔除该区间。直接前向填充会把「没有交易」伪装成「价格不变」，是最危险的做法之一。

成交量和成交额也要检查。价格存在但成交量为 0，通常意味着不可交易；成交额异常小，可能意味着流动性不足，实盘成交价会偏离收盘价。

四、point-in-time：当时能拿到什么

财报有披露延迟，指数成分会调整，评级和公告也有发布时间。如果你用「后来修订过的数据」回测「当时的决策」，就会产生前视偏差。point-in-time 数据记录的是每个信息在当时是否已经可得，而不是最终版本。

最低限度也要做到：财报按公告日而不是报告期使用，指数成分按调整生效日切换，退市股票保留在历史样本里。做不到完全 point-in-time，至少要知道自己的回测高估了多少。

五、清洗后的检查清单

1. 复权口径统一，信号和成交价使用同一套价格。
2. 停牌、涨跌停、成交量为 0 的日期已标记。
3. 缺失值按来源分类处理，没有无脑前向填充。
4. 财报和指数成分按可得时间使用。
5. 样本包含退市和失败案例，不只留下活到今天的股票。

数据清洗做得好，回测收益通常会变差。这不是坏事，而是把不可复制的部分提前挤掉了。

最后给数据留一个版本号。每次修改清洗规则，记录改了什么、影响哪些日期、回测结果变化多少。否则三个月后你很难解释，为什么同一套策略跑出了两个不同的净值。