引言:

邢不行的系列帖子“量化小讲堂”，通过实际案例教初学者使用python进行量化投资，了解行业研究方向，希望能对大家有帮助。

【历史文章汇总】请点击此处

【必读文章】EOS期现套利，一周时间，15%无风险收益

10年400倍策略分享（附视频逐行代码讲解）

个人微信：xbx9585，有问题欢迎交流。

量化投资中如何处理复权、除权问题

—策略介绍—

最近惊讶的发现很多同学对如何在量化投资的实战中如何处理复权、除权等问题，其实不是非常了解，耽误很多事情，所以本文专门来详细的讲一下这个问题。

【复权计算方法】
股票会时不时的发生现金分红、送股等一系列股本变动，这会造成股价的非正常变化，导致我们不能直接通过股价来计算股票的涨跌幅。例如一个股票是10元，当他10送10的时候，它的价格会变成5元，但是我们并不能认为这个股票下跌了5 / 10 – 1 = 50%。

下面举一个具体的例子来说明如何计算除权价格以及复权涨跌幅：
易事特(SZ300376)在2015年6月5日的收盘价是89.00元，当天晚上每股分红0.184元，并且每10股转增4股，那么这个股票除权之后的收盘价应该是(89.00 – 0.184) * 10 / (10 + 4) = 63.44元。下一个交易日6月8日的收盘价是57.10，真实涨跌幅应该是57.10 / 63.44 – 1 = -9.993695%，而不是57.10 / 89.00 – 1 = -35.842697%。
其中真实涨跌幅57.10 / 63.44 – 1 = -9.993695%也被称为是复权涨跌幅。

【复权涨跌幅最重要】
因为以上除权问题的存在，很多研究量化的同学在寻找股票数据的时候，很在意是否能得到复权之后的价格数据。我想说的是，股票的复权价格并不是最重要的，最重要的是要得到股票复权之后的涨跌幅。

若你有了股票每天的复权涨跌幅，那么知道了股票第一天的价格，通过简单的连乘计算，自然就可以计算出之后每一天的复权价，这个叫做后复权价。例如股票第一天的价格是10元，之后每天的复权涨跌幅是1%、-2%、3%…那么之后每天的复权价格分别是10 (1+1%)、10 (1+1%) (1-2%)、10 (1+1%) (1-2%) (1+3%)…
同样的，知道了股票最后一天的价格，那么自然也就可以计算出之前每一天的价格，这个叫做前复权价。行情软件中的前后复权价格，其实也是这么算出来的。

若股票数据中只给出了复权价格，这对计算收益的准确性是有很大影响的。例如给出的是前复权价格，那么很久之前的股票价格往往很小的数字，一般又都是精确到两位小数，所以会变成0.45，0.47这样类似的数字。例如万科A(SZ000002)在2006年2月8日的前复权收盘价是0.56，2月9日的前复权收盘价是0.48，那么2月9日的收益是0.48/0.56 – 1 = -14.29%，但是实际上8号、9号的真实收盘价是5.26、5.06，真实的涨幅是-3.80%，与-14.29%相差巨大

【同花顺、通达信等各家的复权方式不同】
查看来自不同数据源的数据的时候，会发现它们的复权价格或者复权涨跌幅会有微小的差异，这往往是由不同的复权方式导致的。

例如，复权时对于分红产生的个人所得税，各家的处理方式是不一样的。同花顺、通达信中的复权是不考虑所得税的。上文提到的易事特(SZ300376)每股分红0.184元10股转4股，不考虑所得税的除权公式是(89.00 – 0.184) 10 / (10 + 4) 。
但是实际上，这0.184元不会全部到投资者的口袋里，而是会扣掉10%的所得税（不同投资者扣得税还不一样），所以投资者得到的分红只有0.184 (1 – 10%)，那么更加准确的分红方式应该是：(89.00 – 0.184 (1 – 10%)) 10 / (10 + 4) 。一些专业的数据库，例如wind、国泰安，就是这么复权的。

【其他】

对于分钟或者更小级别的数据，我个人认为是没有必要进行复权的，直接用原始数据就可以了。复权之后反而会对数据准确性造成非常大的影响。
不要过分追求准确性。复权其实挺复杂的，之前的例子只提到了分红、转增，其实还有增发、配股、可转债等非常复杂的情况。所以哪怕非常贵的、非常专业的数据库，我都曾发现过它们复权计算中的错误。一开始这让我挺头疼的，但后来也释然了，不再去追究这些细小的误差。

对本文研究有自己的想法的朋友，欢迎在评论区留言。关于文中的代码、数据，以及下期《量化小讲堂》想了解的内容，也可以加我个人微信xbx9585交流。

如果你想入门量化，但是始终找不到方向，可以加入我的知识星球。我会在里面解答你的问题，分享我的感悟，不论是投资、技术，还是职业选择、思维方式。

-- 学习和成长从来都不是一个人的事 --

【邢不行|量化小讲堂系列10-Python量化入门】量化投资中如何处理复权、除权问题相关推荐

【邢不行|量化小讲堂系列56-实战篇】量化策略回测表现好，但实盘却很差？可能是底层数据就错啦！
引言: 邢不行的系列帖子"量化小讲堂",通过实际案例教初学者使用python进行量化投资,了解行业研究方向,希望能对大家有帮助. [历史文章汇总]请点击此处 [必读文章] [邢不行 ...
【邢不行|量化小讲堂系列49-实战篇】量化投资中，计算技术指标时常见的8个坑
引言: 邢不行的系列帖子"量化小讲堂",通过实际案例教初学者使用python进行量化投资,了解行业研究方向,希望能对大家有帮助. [历史文章汇总]请点击此处 [必读文章]EOS期现 ...
【邢不行|量化小讲堂系列54-实战篇】量化投资中经常使用Excel，可能会被同事打
引言: 邢不行的系列帖子"量化小讲堂",通过实际案例教初学者使用python进行量化投资,了解行业研究方向,希望能对大家有帮助. [历史文章汇总]请点击此处 [必读文章]EOS期现 ...
【邢不行|量化小讲堂系列44-实战篇】历年排名前10的基金，在第2年表现如何？Python告诉你答案
引言: 邢不行的系列帖子"量化小讲堂",通过实际案例教初学者使用python进行量化投资,了解行业研究方向,希望能对大家有帮助. [历史文章汇总]请点击此处 [必读文章]EOS期现 ...
matlab如何测两点的角度_【邢不行|量化小讲堂系列01-Python量化入门】如何快速上手使用Python进行金融数据分析...
引言: 邢不行的系列帖子"量化小讲堂",通过实际案例教初学者使用python进行量化投资,了解行业研究方向,希望能对大家有帮助. [历史文章汇总]请点击此处 [必读文章]: [邢不 ...
python中shift函数rolling_【邢不行|量化小讲堂系列18-Python量化入门】简易波动指标(EMV)策略实证...
引言: 邢不行的系列帖子"量化小讲堂",通过实际案例教初学者使用python进行量化投资,了解行业研究方向,希望能对大家有帮助. 个人微信:xingbuxing0807,有问题欢迎 ...
【邢不行|量化小讲堂系列46-实战篇】用Python验证A股名言：跳空必回补...吗？【附代码】
引言: 邢不行的系列帖子"量化小讲堂",通过实际案例教初学者使用python进行量化投资,了解行业研究方向,希望能对大家有帮助. [历史文章汇总]请点击此处 [必读文章]EOS期现 ...
python入门指标_【邢不行|量化小讲堂系列18-Python量化入门】简易波动指标(EMV)策略在A股的实证...
引言: 邢不行的系列帖子"量化小讲堂",通过实际案例教初学者使用Python进行量化投资,了解行业研究方向,希望能对大家有帮助. [历史文章汇总]请点击此处个人微信:xingbx ...
【邢不行|量化小讲堂系列40-Python量化入门】为什么我推荐使用Anaconda
引言: 邢不行的系列帖子"量化小讲堂",通过实际案例教初学者使用python进行量化投资,了解行业研究方向,希望能对大家有帮助. [历史文章汇总]请点击此处 [必读文章]EOS期现 ...
【邢不行|量化小讲堂系列45-实战篇】关于股票市值：99%投资者不知道的坑，你知道吗？
引言: 邢不行的系列帖子"量化小讲堂",通过实际案例教初学者使用python进行量化投资,了解行业研究方向,希望能对大家有帮助. [历史文章汇总]请点击此处 [必读文章]EOS期现 ...

【邢不行|量化小讲堂系列10-Python量化入门】量化投资中如何处理复权、除权问题

引言:

量化投资中如何处理复权、除权问题

【邢不行|量化小讲堂系列10-Python量化入门】量化投资中如何处理复权、除权问题相关推荐

最新文章

热门文章