A 股数据怎么整理：行情、复权与交易日历
会写程序的人看见一堆行情文件，第一反应往往是“读进来就能算”。但做 A 股量化，数据不是一袋随便倒进锅里的菜，得先洗干净、切整齐、分清生熟。
这是什么
A 股量化数据，指的是适合程序处理的 A 股行情、复权口径和交易日历数据。说白了，它不是“下载一张表”这么简单，而是让每一行数据都能回答三个问题：这是哪只股票、哪一天、按什么口径记录的价格和成交。
如果把量化开发环境比作后厨，A 股量化数据就是食材台。开盘价、最高价、最低价、收盘价、成交量、成交额，就像土豆、青椒、肉片，各有各的位置；复权口径像切法，切丝还是切块要提前说清；交易日历像饭店营业日，哪天开门、哪天休息，不能凭感觉补。
一份最小可用的日线行情表，至少要有这些字段：
| 字段 | 含义 | 常见坑 |
|---|---|---|
| date | 交易日期 | A 股不是每天交易，周末和休市日不能硬补 |
| code | 股票代码 | 要保留前导 0，别当普通数字读丢 |
| open/high/low/close | 开高低收 | 要确认是否复权，不能混着用 |
| volume | 成交量 | 单位要固定，是“股”还是“手”要写清 |
| amount | 成交额 | 适合检查成交量和价格是否大致匹配 |
经验
入门阶段先用 CSV 或本地小样本就够了。关键不是格式多高级，而是字段清楚、单位清楚、口径清楚，能被自己反复检查。
为什么 A 股数据不能直接拿来算
A 股有自己的交易规则。普通股票通常是 T+1，也就是当天买入的股票，一般要到下一个交易日才能卖出；交易日也不是自然日，遇到周末、法定节假日和交易所休市安排，就没有当天行情。
这会直接影响数据整理。比如你把 2024-02-10 当成一个普通日期去填价格，程序可能以为那天也能成交；你用当天收盘价判断买入，又让程序假装同一天收盘价已经成交，结果就会占便宜。数据层面一偷懒，研究结果看起来会更漂亮，但那是假的漂亮。
还有一个更隐蔽的问题：除权除息。公司分红、送股、转增之后，价格序列会出现机械跳变。如果你把这种跳变当成真实下跌，程序就可能误判成跌破、止损、趋势走坏。
所以整理 A 股量化数据时，至少要把三件事写在文件名或日志里：
- 数据频率：日线、分钟线，还是更细的行情。
- 价格口径：不复权、前复权，还是后复权。
- 日期口径：只保留真实交易日，还是人为补齐自然日。
复权不是修饰词，是价格口径
复权，简单说就是把分红、送股、转增造成的价格断口处理掉，让价格序列更适合连续观察。它不是“更真实”或“更高级”，只是用途不同。
不复权保留当时市场真实成交价格，适合核对某一天的成交、涨跌幅和交易规则。你要看当天到底多少钱能买到，不能拿复权价当成交价。
前复权通常会让最新价格贴近真实价格，把历史价格往当前口径折算，适合看长期 K 线走势是否连续。很多看盘软件默认展示的长期走势，就是类似这个口径。
后复权通常保留早期价格，把后面的价格往历史口径接上，适合粗看长期持有后的累计效果，但数字会越来越大，不适合拿来当某天真实可成交价格。
以贵州茅台（600519，白酒行业，上交所主板，2001 年 8 月 27 日上市）为例，它上市时间长，期间有过多次现金分红。如果你拿很长一段不复权收盘价直接观察，分红除息附近会看到价格出现机械调整；如果你看前复权走势，这种断口会被处理得更连续。两种口径都不是错，错的是一会儿用不复权，一会儿用前复权，却不在记录里写清楚。
特别要分清：真实成交价、涨跌停判断、止损触发，优先用不复权价核对；复权价更适合观察连续走势，不能直接当成当时能成交的价格。
风险
方向性做法：研究价格走势时，先固定一种复权口径，全程不要混用。适用条件是你在做连续走势观察；反例是核对真实成交价时仍拿复权价下结论；风险是把“处理后的价格”误当成“当时能成交的价格”，会让买入、卖出和止损判断失真。
交易日历要当成一张正式表
很多新手会把日期当成连续数字处理：今天、明天、后天，一路加下去。A 股不能这么干。市场只在交易日开门，节假日、周末、临时休市都要尊重交易日历。
交易日历至少要解决三个问题。
第一，哪天有行情。没有开市的日子，不应该生成一根假 K 线，也不应该填一个“昨天收盘价”冒充今天价格。
第二，下一交易日是哪天。T+1、止损、调仓、复盘，都要按交易日走，不是按自然日走。周五买入，通常不是周六能卖，而是下一个交易日才进入可卖状态。
第三，不同股票有没有缺口。有些股票可能因为停牌等原因缺少某些交易日数据。处理时要区分“全市场不开门”和“这只股票当天没有交易数据”，这两个不是一回事。
一个小样本可以长这样：
| date | is_trading_day | note |
|---|---|---|
| 2024-01-01 | no | 元旦休市 |
| 2024-01-02 | yes | 正常交易 |
| 2024-01-03 | yes | 正常交易 |
这张表看起来不起眼，但它能防止很多低级错误。老手宁愿先把交易日历做扎实，也不愿让程序在不存在的日子里“成交”。
新手最容易踩的坑
第一个坑，是把股票代码当数字。像深市不少股票代码前面带 0，如果按数字读取，前导 0 可能被丢掉，之后再和行情表、持仓表、日志对齐时全乱。代码应该当文本保存。
第二个坑，是把不同来源的数据直接拼在一起。一个来源的成交量单位可能是“股”，另一个可能是“手”；一个来源给的是前复权价格，另一个给的是不复权价格。字段名看起来一样，含义可能已经变了。
第三个坑，是只盯着收益曲线，不查原始行。散户做量化最容易被一条漂亮曲线哄住，主力和机构不会因为你的数据对齐错了就给你第二次机会。真正要养成的习惯是：每次结果异常好，先回到数据表里抽几行，查日期、价格、成交量、复权口径是否合理。
大坑
不要用“缺失值自动填满”来掩盖问题。价格缺了、成交量缺了、日期缺了，先标记和追查原因；只有明确知道为什么缺，才决定是否填补。否则程序看起来顺滑了，风险也被一起抹平了。
总结
A 股量化数据的核心不是表有多大，而是口径是否清楚：行情字段要有单位，复权方式要固定，交易日历要独立保存，股票代码要当文本，原始数据不要随手改。
自检 3 问：
- 为什么股票代码最好按文本保存，而不是按数字保存？
- 不复权、前复权、后复权分别适合什么场景？
- 为什么交易日历不能简单用自然日代替？
股市有风险，入市需谨慎。本文不构成任何投资建议。
本章新学到：A 股量化数据。