github

1. tgw

https://github.com/tgw2023/tgw

2. AmazingQuant

https://github.com/zhanggao2013/AmazingQuant

上文已经详细介绍了K线的获取方式，有了行情数据就可以做指标计算了。

但由于上市公司的分红送股，股价除权除息，导致除权除息前后的行情数据不连续，影响了指标计算的连续性。因此，需要先计算复权行情数据，再做指标计算。

一、复权算法介绍

1. 单次复权因子

单次复权因子的计算有两种计算方法：

（1）根据交易所行情数据计算

这种计算方式与交易所价格一致，但策略回测时的收益计算不包含分红再投资收益，对收益率有一定影响。

（2）根据除权除息数据计算

比例 = 送股比例 + 转增比例 + 缩减比例

这种计算方式与交易所价格不一致，但策略回测时的收益计算包含分红再投资收益。

第一种方式简单实用，第二种方式收益计算更准确，个人认为第一种完全可以适用，但也对两种方式都做出说明和代码示例。

2. 前复权

最近的交易日作为基点，原始行情数据乘以前复权因子，得到前复权行情数据，从使得最新的真实行情数据与前复权行情数据相等；

前复权的优点在于，指标计算的最新行情数据与委托价格相等；

3. 后复权

最早的交易日作为基点，原始行情数据乘以后前复权因子，得到前复权行情数据，从使得最新的真实行情数据与前复权行情数据相等；

后复权的优点在于，策略回测可避免一部分因分红配股产生的未来数据；

4. 累计复权因子计算

为方便与原始行情数据相乘，累计复权因子的数据结构为矩阵，column为股票代码，index为交易日历。

后复权因子的计算步骤如下：

（1）单次复权因子累乘；

（2）矩阵的index，从只有股份变动日扩充为全历史交易日历，并赋值nan延续前值；

（3）由于上市初期的一段时间可能没有分红配股，所以赋值这段时间的为1；

前复权因子等于后复权因子除以最新的单次复权因子；

二、根据交易所行情数据

tgw提供的复权因子接口为QueryExFactorTable，计算方法是根据交易所行情数据计算的；

获取并规整dataframe数据格式的核心代码如下

class UpdateAdjFactor(object):def __init__(self):passdef get_backward_factor(self, code_sh_list, code_sz_list, calendar_index):backward_factor = pd.DataFrame(index=calendar_index)market = 'SH'for market_type in [tgw.MarketType.kSSE, tgw.MarketType.kSZSE]:code_list = code_sh_listif market_type == tgw.MarketType.kSZSE:code_list = code_sz_listmarket = 'SZ'for code in code_list[:5]:adj_factor, _ = tgw.QueryExFactorTable(code)adj_factor.set_index(["ex_date"], inplace=True)adj_factor.sort_index(inplace=True)backward_factor[code+'.'+market] = adj_factor['cum_factor']backward_factor.replace([np.inf, 0], np.nan, inplace=True)backward_factor.fillna(method='ffill', inplace=True)backward_factor.fillna(1, inplace=True)return backward_factor

三、根据除权除息数据计算

tgw提供的除权除息数据接口为QueryThirdInfo，

根据除权除息数据，结合日线收盘价，实现后复权因子计算的核心代码如下


class UpdateAdjFactor(object):def __init__(self):passdef get_backward_factor_ratio(self, close_df, code_sh_list, code_sz_list, calendar_index):"""取当日收盘价，作为转、送的股价，再计算复权因子更新到AShareExRightDividend, 复权因子adj_factor比例 = 送股比例 + 转增比例 + 缩减比例单次复权因子 = 股权登记日收盘价 * (1 + 比例 + 配股比例 + 增发比例) /(股权登记日收盘价 - 派息比例 + 股权登记日收盘价 * 比例 + 配股价格 * 配股比例 + 增发价格 * 增发比例):return:"""ex_right_dividend_df = Nonemarket = 'SH'for market_type in [tgw.MarketType.kSSE, tgw.MarketType.kSZSE]:code_list = code_sh_listif market_type == tgw.MarketType.kSZSE:code_list = code_sz_listmarket = 'SZ'for code in code_list[:5]:task_id = tgw.GetTaskID()tgw.SetThirdInfoParam(task_id, "function_id", "A010030003")tgw.SetThirdInfoParam(task_id, "start_date", "20130101")tgw.SetThirdInfoParam(task_id, "end_date", "20991231")tgw.SetThirdInfoParam(task_id, "market_code", code+'.'+market)df, _ = tgw.QueryThirdInfo(task_id)if ex_right_dividend_df is None:ex_right_dividend_df = dfelse:ex_right_dividend_df = ex_right_dividend_df.append(df)ex_right_dividend_df['close'] = ex_right_dividend_df.apply(lambda x: self.get_adj_day_close(x['MARKET_CODE'], int(x['EX_RD_DATE']), close_df), axis=1)ex_right_dividend_df = ex_right_dividend_df.fillna(0)ratio = ex_right_dividend_df['BONUS_SHARE_RATIO'] + ex_right_dividend_df['CONVER_INCR_RATIO'] + ex_right_dividend_df['REDUCED_RATIO']ex_right_dividend_df['adj_factor'] = ex_right_dividend_df['close'] * (1 + ratio + ex_right_dividend_df['RIGHT_ISSUE_RATIO'] + ex_right_dividend_df['SEO_RATIO']) / (ex_right_dividend_df['close'] - ex_right_dividend_df['DIV_PAYOUT_RATIO'] + ex_right_dividend_df['close']* ratio + ex_right_dividend_df['RIGHT_ISSUE_PRICE'] * ex_right_dividend_df['RIGHT_ISSUE_RATIO'] +ex_right_dividend_df['SEO_PRICE'] * ex_right_dividend_df['SEO_RATIO'])ex_right_dividend_df = ex_right_dividend_df.reindex(columns=['MARKET_CODE', 'EX_RD_DATE', 'adj_factor','close'])ex_right_dividend_df.set_index(["EX_RD_DATE"], inplace=True)ex_right_dividend_df.sort_index(inplace=True)ex_right_dividend_df.fillna(method='ffill', inplace=True)backward_factor_ratio = pd.DataFrame(index=calendar_index)data_dict = dict(list(ex_right_dividend_df.groupby(ex_right_dividend_df['MARKET_CODE'])))for security_code, adj_data in data_dict.items():backward_factor_ratio[security_code] = adj_data['adj_factor'].cumprod(axis=0)print(backward_factor_ratio[security_code])print(adj_data['adj_factor'])backward_factor_ratio.replace([np.inf, 0], np.nan, inplace=True)backward_factor_ratio.fillna(method='ffill', inplace=True)backward_factor_ratio.fillna(1, inplace=True)backward_factor_ratio.sort_index(inplace=True)return backward_factor_ratio, ex_right_dividend_df, data_dictdef get_adj_day_close(self, security_code, date, close_df):security_code_market_data = 0try:security_code_market_data = close_df.loc[date, security_code]/1000000except KeyError:print(security_code, date, security_code_market_data)return security_code_market_data

四、前复权因子计算

前复权因子，需要每日计算更新，代码如下：

def cal_forward_factor(self, backward_factor):return backward_factor.div(backward_factor.iloc[-1])

复权算法详解与代码实现细节解析（tgw）——量化数据中台系列（六）相关推荐

粒子群(pso)算法详解matlab代码,粒子群(pso)算法详解matlab代码
粒子群(pso)算法详解matlab代码 (1)---- 一.粒子群算法的历史粒子群算法源于复杂适应系统(Complex Adaptive System,CAS).CAS理论于1994年正式提出,C ...
数学建模——主成分分析算法详解Python代码
数学建模--主成分分析算法详解Python代码 import matplotlib.pyplot as plt #加载matplotlib用于数据的可视化 from sklearn.decomposi ...
Go-AES算法详解与代码
目录 AES 发展史概述轮函数F 字节代换行移位列混淆轮密钥加密钥编排 AES和DES的不同之处分组模式CTR AES的Go实现 aes包 cipher包加密/解密参考本篇介绍分组 ...
【分享实录】BANCOR算法详解及代码实现
1 活动基本信息 1)主题:[区块链技术工坊22期]BANCOR算法详解及代码实现 2)议题: BANCOR算法的特点和优劣势 BANCOR算法和举例如何加入BANCOR.NETWORK交易所如何 ...
技术工坊|BANCOR算法详解及代码实现（上海）
2019独角兽企业重金招聘Python工程师标准>>> EOS项目在RAM分配中采用了Bancor算法,并将RAM的价格爆炒到了很高的价位,凭借EOS项目在区块链领域的强大运营宣传能 ...
【区块链技术工坊22期实录】王登辉：BANCOR算法详解及代码实现
1,活动基本信息 1)题目: [区块链技术工坊22期]BANCOR算法详解及代码实现 2)议题: 1)BANCOR算法的特点和优劣势 2)BANCOR算法和举例 3)如何加入BANCOR.NETWOR ...
算法经典的八大排序算法详解和代码实现
算法经典的八大排序算法详解和代码实现排序算法的介绍排序的分类算法的时间复杂度时间频度示例图表理解时间复杂度的特点时间复杂度常见的时间复杂度空间复杂度排序算法的时间复杂度冒泡排序 ...
[联邦学习] FedAvg聚合算法详解及代码实现
该文章首发于若绾 [联邦学习] FedAvg聚合算法详解及代码实现,转载请标注出处. 论文原文:Communication-Efficient Learning of Deep Networks fr ...
KMP算法详解及代码
KMP算法详解及代码 KMP算法详解及代码定义及应用理论基本概念 next 数组总结注意代码 KMP算法详解及代码最近正好在看字符串相关的算法内容,就顺便把KMP算法回顾了一下.相应的代 ...

复权算法详解与代码实现细节解析（tgw）——量化数据中台系列（六）