什么是复权（前复权/后复权）？为什么回测必须用它？
我的掌握程度：
先掌握这个答案
复权 = 用复权因子消除除权除息跳空的价格调整。两种口径：①前复权：以当前价为锚往回修历史（近端价格真实，远端被调整）；②后复权：以历史价为锚往后累加（起点真实，远端数字放大）。两者的收益率计算结果一致，只是「显示锚点」不同。
先读结论，再核对下方使用边界；数字例题为教学情景，涉及实际行情与规则时请核对原始来源。
从理解到使用
收益口径和撮合价格分开
保留原始价、企业行动和复权因子，用一致口径计算收益；模拟成交、涨跌停与订单价格应使用当时真实报价。前后复权在相同调整方法下只差归一化常数时，区间收益一致；并非所有数据商都保证该条件。
每一笔收益都要有可执行时间线
打印数据截止时间、信号时间、订单时间、成交时间和持仓收益区间。收盘信号不能乘当天完整收益；次日开盘成交也不能无条件拿到整个close-to-close收益。用原始价格判断可成交性，并纳入停牌与涨跌停。
本阶段实战方法 · 把行情数字变成可比较的收益
看股票、基金或策略业绩时，先对齐本金、起止日期、现金流与费用。
- 选一个固定区间，记录期初价值、期末价值、分红、出入金和交易费用。
- 没有中途出入金时，用（期末价值＋已取出分红－期初价值－费用）÷期初价值计算收益；有出入金时先区分时间加权与资金加权。
- 用相同区间的基准作比较，同时记录最大亏损；不要单凭一次盈利评价能力。
使用边界
- 不同期限的收益不可直接排名；年化只是换算，不是未来收益承诺。
- 模拟价格不是实时行情。普通股票交易手数、T+1和费用应按具体市场规则核对。
背景 · 从一个困惑说起
知道了除权会造成假跳空（q-013），一个新的问题出现：算贵州茅台2015年至今的收益率，中间经历了十几次分红，每次都有跳空。总不能每次手工修补吧？
由此产生的问题
有没有系统性的方法，把历史上所有除权除息的跳变一次性修补掉，得到一条「连续可比」的价格序列？
核心概念
复权 = 用复权因子消除除权除息跳空的价格调整。两种口径：①前复权：以当前价为锚往回修历史（近端价格真实，远端被调整）；②后复权：以历史价为锚往后累加（起点真实，远端数字放大）。两者的收益率计算结果一致，只是「显示锚点」不同。
为什么需要它
①正确性：不复权的历史收益率、波动率、技术指标全部失真；②回测标准：所有回测引擎默认吃复权价；③口径选择：看图用前复权（与当前价衔接），算长期累计收益用后复权（避免前复权在多次分红后历史价趋近于0甚至为负）。
实际应用场景
akshare的adjust参数（qfq=前复权、hfq=后复权）；Wind的「复权设置」；量化数据库同时存「原始价+复权因子」，需要真实撮合价格时再还原（阶段4实践）。
与之前知识的联系
q-013解释了跳空的成因，本题给出工程化解法。阶段4写数据管道时会同时保留原始价与复权价两套字段——撮合用原始价、算收益用复权价，这是机构标准做法。
⚠ 常见误解
- 前复权和后复权算出的收益率不同：两者只差一个常数倍，区间收益率完全一致
- 复权价就是真实交易价格：它只是统计口径；真实挂单价格是原始价
- 用前复权存长期数据没问题：多次大额分红会让早年价格被调成极小值甚至负数，长期数据用后复权更稳
🛠 本题实践任务
用akshare下载同一只股票的前复权和后复权日线（ak.stock_zh_a_hist的adjust='qfq'和'hfq'），各计算2020年至今的总收益，验证两者一致。
💡 提示（先自己想5分钟再看）
pip install akshare 后两行代码各拉一次；总收益=(末值/首值−1)。若数值有微小差异，检查是否含最新一次除权。
✅ 验收标准
写出两种口径的总收益数字（应相等或极接近），并说一句话解释为什么看图常用前复权、算长期收益常用后复权。
在你的浏览器内运行。首次需联网下载 Python；支持标准库和 Pyodide 提供的 NumPy、pandas 等包。行情抓取、系统文件访问和部分第三方库请在本地环境运行。输出自检仅比对结果关键词，不代替逻辑审查。
Python · 独立工作线程 · 执行限时10秒
🤖 AI导师
导师会先检查你的前置知识（除权除息、收益率），再用案例、公式和代码帮助理解。此功能需要先启用服务。