企业官网建设流程全解析

A股复权行情实战指南：Tushare pro_bar 前复权/后复权数据获取与量化回测应用

【免费下载链接】Vibe-Trading"Vibe-Trading: Your Personal Trading Agent"项目地址: https://gitcode.com/GitHub_Trending/vi/Vibe-Trading

Vibe-Trading 的数据技能库（agent/src/skills/tushare/SKILL.md）为 AI Agent 封装了完整的 Tushare 财经数据接口，其中 A 股复权行情是量化研究与回测最核心的行情数据之一。本文以 复权行情.md 为骨架，完整讲解ts.pro_bar()的复权算法、参数语义与调用示例，并结合仓库中 cn_adjust.py 与 tushare.py 的源码实现，说明前复权逻辑在真实回测流水线中的落地方式，帮助读者在 Agent 对话、量化建模与回测引擎中正确使用复权行情，避免"除权日机械缺口"污染收益率计算。

一、复权行情接口概览

复权行情通过 Tushare Pro 的通用行情接口pro_bar实现，属于集成开发接口：它并不直接返回现成的复权价格，而是在 SDK 层利用 复权因子接口（adj_factor） 提供的每日复权因子进行动态计算，因此：

• HTTP 方式无法调取：由于复权逻辑在 SDK 层完成，只能通过 Python SDK 调用；
• Python SDK 版本要求：tushare >= 1.2.26；
• 若需要静态复权行情（支持 HTTP 调用），可改用 股票技术面因子（专业版）接口.md)，其输出参数中的_qfq/_hfq即为已算好的前/后复权因子行情。

在 通用行情接口 的文档中，pro_bar被描述为"目前整合了股票（未复权、前复权、后复权）、指数、数字货币、ETF 基金、期货、期权的行情数据"，其中复权类型只针对股票生效。

二、三种复权类型与算法

A 股因分红、送股、配股等公司行为（Corporate Action）会产生除权除息，导致除权日前后价格出现非市场化的"机械缺口"。为消除该缺口，需要将历史价格折算到统一的股本/价格基准上。pro_bar的adj参数支持三种模式：

前复权（qfq）以"当前"为基准将历史价格向当前价格靠拢，使最近价格保持实际成交价，历史价格相应缩小，适合日常行情观察与回测；后复权（hfq）以历史最早点为基准持续累乘因子，价格曲线单调递增，能真实反映长期持有收益（含分红再投资），适合计算长期累计收益率。

仓库中 cn_adjust.py 的apply_qfq()正是前复权公式的等价实现：

ratio = series / series.iloc[-1] # 当日复权因子 / 最新复权因子 out[col] = out[col] * ratio # 当日价格 × ratio

其ratio = series / series.iloc[-1]对应文档中的"当日复权因子 / 最新复权因子"，四类价格列open/high/low/close全部乘以该比例，与qfq算法完全一致。同时该模块还额外处理了volume：成交量除以同一比例，使股本口径统一、由amount推算的 VWAP 与close的关系保持不变，而amount是现金额，保持原值不动。

三、接口参数详解

pro_bar的核心输入参数如下：

几个关键语义：

• adj仅对股票（asset='E'）生效；指数、ETF、期货、期权等资产类别传入adj不参与复权计算；
• freq支持分钟级（1/5/15/30/60 分钟）以及日（D）、周（W）、月（M）K 线，分钟数据对积分有更高要求；
• ma均线为动态计算：例如取 5 日均线，start_date与end_date的跨度必须超过 5 日，且只支持单只股票（必须传入ts_code）。输出列形如ma_5（5 日均价）、ma_v_5（5 日均量）。

除上述参数外，通用行情接口 还补充了：

• factors：股票因子（asset='E' 有效），支持tor换手率、vr量比；
• adjfactor：复权数据返回时是否附带复权因子列，True时返回adj_factor字段（该功能自 1.2.33 版本生效）；
• ts_code不支持多值输入，多值输入会导致结果出现重复记录。

四、接口调用示例

4.1 日线复权

# 取000001的前复权行情 df = ts.pro_bar(ts_code='000001.SZ', adj='qfq', start_date='20180101', end_date='20181011') # 取000001的后复权行情 df = ts.pro_bar(ts_code='000001.SZ', adj='hfq', start_date='20180101', end_date='20181011')

4.2 周线复权

# 取000001的周线前复权行情 df = ts.pro_bar(ts_code='000001.SZ', freq='W', adj='qfq', start_date='20180101', end_date='20181011') # 取000001的周线后复权行情 df = ts.pro_bar(ts_code='000001.SZ', freq='W', adj='hfq', start_date='20180101', end_date='20181011')

4.3 月线复权

# 取000001的月线前复权行情 df = ts.pro_bar(ts_code='000001.SZ', freq='M', adj='qfq', start_date='20180101', end_date='20181011') # 取000001的月线后复权行情 df = ts.pro_bar(ts_code='000001.SZ', freq='M', adj='hfq', start_date='20180101', end_date='20181011')

调用前需要先完成 token 初始化，两种方式任选其一：

import os import tushare as ts # 方式一：从环境变量读取（Agent 环境推荐，见 SKILL.md 的配置说明） token = os.getenv('TUSHARE_TOKEN') or ts.get_token() # 方式二：进程内全局设置一次，后续 pro_api 可不传 token ts.set_token('your_token') pro = ts.pro_api(token) df = ts.pro_bar(ts_code='000001.SZ', adj='qfq', start_date='20180101', end_date='20181011')

返回结果为 pandas DataFrame，字段与对应的日线/周线/月线行情接口一致（如ts_code、trade_date、open、high、low、close、vol、amount等）。

五、复权机制的三个关键注意点

文档中特别强调了三点，直接影响数据解读与策略回测的正确性：

1. 目前只支持 A 股的日线复权。分钟级数据不参与动态复权；周线、月线复权同样基于日线复权因子在 SDK 层聚合计算。港股与美股复权行情请分别使用 港股复权行情（hk_daily_adj）与 美股复权行情（us_daily_adj）等独立接口。

2. 复权基准日是end_date，而非"最近交易日"。Tushare 无论旧版接口还是 Pro 版行情接口，都以用户设定的end_date开始向前复权；而行情软件/财经网站通常以最近一个交易日为基准。例如今天是 2018 年 10 月 26 日，你查询 2018 年 1 月 5 日～9 月 28 日的前复权数据，Tushare 先取 9 月 28 日的复权因子并从该日开始复权，行情软件则从 10 月 26 日开始。这意味着同样的时间区间，不同查询时刻拿到的 qfq 数值可能不同——前复权价格是相对基准，不具备跨基准期的绝对可比性；同一模型内必须固定end_date（通常统一取"回测截止日"或"数据下载日"），才能保证全量标的的复权口径一致。

3. 复权采用"分红再投"模式计算。即假设分红款项继续按除权后价格买入股票，因此复权因子会在除权除息日向上跳升。仓库 cn_adjust.py 的注释也验证了这一点：复权因子是累积的，公司行为发生时因子上升——以 600519.SH 2022-06-30 除息日为例，因子从 7.4740 跳升至 7.5546。

六、仓库中的工程化落地：从接口到回测流水线

6.1 前复权在 Tushare Loader 中的实现

Vibe-Trading 的回测引擎通过 agent/backtest/loaders/tushare.py 接入 Tushare 数据。其_fetch_daily_frame()的实现路线是：

1. 按证券类型路由到不同端点：A 股股票走daily、ETF/LOF 走fund_daily、指数走index_daily、港股走hk_daily（美股/数字货币直接跳过并告警）；
2. 股票与基金随后调用adj_factor/fund_adj拉取同区间复权因子（tushare.py）；
3. 调用apply_qfq()完成前复权（tushare.py），复权因子不可用或异常时丢弃该标的而非返回未复权价格。

源码注释给出了未复权数据对收益率的污染程度（cn_adjust.py）：以 Tushare 自身pct_chg为基准核对 2020-2024 年数据，300750.SZ 在 2023-04-26 除权日按未复权收盘价计算的收益为-41.82%，真实涨跌为+5.40%；300124.SZ 为 -34.26% 对 -1.01%；601012.SH 为 -24.21% 对 +6.46%。由于除权只会让价格向下跳空，该偏差恒为负值，是对横截面 IC 等指标的系统性污染而非随机噪声——这正是回测必须使用复权行情的原因。

6.2 测试用例验证复权正确性

agent/tests/test_tushare_loader.py 中TestFetchDailyFrameRouting对复权逻辑做了可复现的单元验证。例如test_stock_prices_are_corporate_action_adjusted：构造 2 送 1 拆分场景，复权因子序列为(1.0, 1.0, 2.0)，原始收盘价为[10.5, 11.0, 11.5]，前复权（向前对齐到最后一根 bar）后结果为[5.25, 5.5, 11.5]——即除权前价格按"当日因子/最新因子"折半，最后一根 bar 保持实际成交价。test_a_symbol_with_no_factors_is_dropped_not_returned_raw则验证了"无复权因子即丢弃标的"的防御逻辑，防止未复权价格混入回测。

6.3 与权限、限流相关的工程细节

• 积分门槛：复权因子接口 说明adj_factor需要 2000 积分起、5000 积分以上可高频调取；分钟数据同样有独立积分要求，Agent 调用时应留意权限提示；
• 限流退避：tushare.py 内置了限流识别与指数退避（_RATE_LIMIT_BACKOFF_SECONDS = (5.0, 20.0, 40.0)），仅对"每分钟/每天访问次数"类配额拒绝重试，真正失败的调用（如代码不存在）立即抛出而非拖慢流程；
• 交易日历对齐：日期一律使用YYYYMMDD格式，交易日以上交所/深交所日历为准，可通过 交易日历接口 获取。

七、Agent 场景下的使用建议

在 Vibe-Trading 的 Agent 会话中调用复权行情，建议遵循以下实践：

1. 统一复权基准：同一研究任务内固定end_date为数据下载日或回测截止日，避免不同批次数据复权口径漂移；
2. 区分业务场景：计算累计收益、复利收益用hfq；观察 K 线形态、贴近当前价格做技术指标用qfq；做除权事件研究（如分红前后收益）时则可能需要未复权数据配合事件日校准；
3. 批量拉取时控制频率：pro_bar单标的单次调用即可覆盖全历史，批量提取需按积分档位控制调用节奏，或复用仓库中的退避重试逻辑；
4. 验证数据质量：可参照 test_tushare_loader.py 的思路，对重点标的的复权因子突变日（除权日）做抽查，确保价格序列在除权日前后连续无缺口。

八、延伸阅读

• 复权因子（adj_factor）：复权因子的每日数据来源与提取方式；
• 通用行情接口（pro_bar）：pro_bar的完整参数、factors、adjfactor及输出指标说明；
• 历史日线（daily）：未复权行情接口；
• 股票技术面因子（专业版）.md)：支持 HTTP 调用的静态复权因子行情；
• Tushare Loader 源码 与 复权实现：仓库内前复权的工程化实现；
• Tushare Loader 测试：复权正确性与标的类型路由的验证用例。

【免费下载链接】Vibe-Trading"Vibe-Trading: Your Personal Trading Agent"项目地址: https://gitcode.com/GitHub_Trending/vi/Vibe-Trading