股票池工程：Universe的定义决定一切
我的掌握程度：
先掌握这个答案
时点正确股票池=每天重新计算：当日实际存在且可交易的股票=全A当日列表 − ST/*ST（当日状态）− 上市<120日 − 停牌 −（可选）成交额后20%。数据要点：用「历史快照」接口或带上市/退市/状态日期的表自行重建——绝不用"当前列表"。选股域两档：①基准域（如中证500内选股）：对标指增产品、对冲匹配好；②扩展域（基准±20%市值带）：信息更多但暴露管理更难。进化管理：池规则版本化（v1.2剔除了次新）——历史回测的可复现依赖池的冻结。
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
本阶段实战方法 · 回测先过时序、成交与成本三道关
把信号变成策略收益时，每笔收益必须能追溯到当时能下出的订单。
- 画出时间线：数据可得→算信号→下单→成交→持仓收益；收盘信号不能倒用当天完整收益。
- 明确交易价格、T+1可卖数量、停牌涨跌停、仓位上限和实际成交量约束。
- 同时报告毛/净收益、换手、最大回撤、基准和样本外结果；对滑点与费率做压力测试。
使用边界
- 简单shift(1)只解决部分时序问题；次日开盘成交还要区分隔夜和日内收益。
- 成本应按成交金额与买卖方向计提；0.15%是教学情景，不是统一市场费率。
背景 · 从一个困惑说起
回测代码第一行不是信号而是股票池——它像实验的"样本框"：框错了，后面所有统计都在错误总体上展开。而大多数人随手用"今天的成分股列表"，浑然不知已把幸存者偏差焊进了地基。
由此产生的问题
一个"时点正确"的股票池怎么构造（三过滤+历史快照）？选股域（基准域vs扩展域）怎么选？股票池的"进化管理"？
核心概念
时点正确股票池=每天重新计算：当日实际存在且可交易的股票=全A当日列表 − ST/*ST（当日状态）− 上市<120日 − 停牌 −（可选）成交额后20%。数据要点：用「历史快照」接口或带上市/退市/状态日期的表自行重建——绝不用"当前列表"。选股域两档：①基准域（如中证500内选股）：对标指增产品、对冲匹配好；②扩展域（基准±20%市值带）：信息更多但暴露管理更难。进化管理：池规则版本化（v1.2剔除了次新）——历史回测的可复现依赖池的冻结。
为什么需要它
①总体正确性：统计推断的每一句结论都隐含"在XX总体上"——总体错了结论全错（q-067幸存者数据+20%虚高的来源）；②策略可比性：两个策略比较的前提是同池——池不同的比较是关公战秦琼；③容量与风格的入口：池的市值结构决定了策略的容量与风格暴露——调池=调策略性格。
实际应用场景
工程实现：每日股票池存成一张时点表（date×code×in_pool原因字段），所有回测从这张表取池——一处修正全局生效；池统计（每天多少只、市值分布）作为数据体检的一部分。
与之前知识的联系
q-067（幸存者）的工程解药；q-341-343（阶段1过滤三件套）的系统化；q-036（选股域）与本题的"基准域"呼应。
⚠ 常见误解
- 股票池是细节、信号才重要：池是总体、信号是统计量——总体错统计量必错；两者的优先级恰恰相反
- 剔除ST/停牌会美化回测：剔除的是"不可交易"的现实约束——不剔除才是美化（假装能买到停牌股）；但要用"当日状态"剔除而非"事后知道它退市"剔除
- 池定了一次管十年：规则会进化（注册制、涨跌停变化）——版本化记录每次改池，保证历史可复现
🛠 本题实践任务
为你的数据建时点股票池表（先做存在性+ST两过滤即可），抽三个历史日期统计池大小；对照"当前列表"的数量差——那就是幸存者偏差的具体规模。
💡 提示（先自己想5分钟再看）
上市/退市日期在tushare的stock_basic（含退市股）；ST状态可用namechange历史表重建（粗略版）。
✅ 验收标准
三个日期的池大小对比+与当前列表的差值。你的回测地基从流沙换成了混凝土。
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（幸存者偏差、选股池三件套），再用案例、公式和代码帮助理解。此功能需要先启用服务。