【量化小讲堂 - Python、Pandas系列】量化投资中关于复权的处理

邢不行

36828

收藏 2015-10-06

引言:

本系列帖子“量化小讲堂”，通过实际案例教初学者使用python、pandas进行金融数据处理，希望能对大家有帮助。

【必读文章】:《10年400倍策略分享-附视频逐行讲解代码》

【所有系列文章汇总】:https://bbs.pinggu.org/thread-3950124-1-1.html

【python量化课程】想要快速、系统的学习量化知识，可以参与我与论坛合作开设的课程：《python量化投资入门》，我会亲自授课，随问随答。参与课程还可以免费加入我的小密圈，我每天会在圈中分享量化的所见所思，圈子介绍点击此处。

微信：xbx_laoshi，量化交流Q群(快满)：438143420，有问题欢迎交流。

文中用到的A股数据可在www.yucezhe.com下载，这里可以下载到所有股票、从上市日起的交易数据、财务数据、分钟数据、分笔数据、逐笔数据等。

【量化小讲堂 - Python、Pandas系列】量化投资中如何处理复权、除权问题

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。

（【python量化课程】想要快速、系统的学习量化知识，可以参与我与论坛合作开设的课程：《python量化投资入门》，我会亲自授课，随问随答。参与课程还可以免费加入我的小密圈，我每天会在圈中分享量化的所见所思，圈子介绍点击此处。）

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。

之后会讲的内容

有一段时间没有撰写《量化小讲堂》的系列文章了，接下来还是会抽时间继续写下去。现在想到的之后几期会讲的内容：

因为觉得很多人关于Pandas的基础知识还不是很牢固，会先讲一期“【量化小讲堂 - Python、Pandas系列】Pandas常用函数、方法详解”。

然后就会开始比较实战性的东西，会以实际在中国市场有效的策略为案例。

关于《量化小讲堂》之后想看的内容，或者相关问题，可以加我微信xbx_laoshi、Q群(快满)：438143420沟通。