A股歷史數據下載後回測結果有變，先別急著改策略

简介： 同一只股票，换一份历史数据，研究结果为什么对不上？这篇写给定期做A股研究、准备回测输入的小团队，以及负责研究功能的产品经理。我们用寒武纪的真实日线对照，拆开价格口径、样本范围和数据更新带来的差异，再说明怎样借助TickDB的历史行情、股票信息与复权查询，让研究表、脚本和AI工具有共同的数据依据。

同一只股票，换一份历史数据，研究结果为什么对不上？这篇写给定期做A股研究、准备回测输入的小团队，以及负责研究功能的产品经理。我们用寒武纪的真实日线对照，拆开价格口径、样本范围和数据更新带来的差异，再说明怎样借助TickDB的历史行情、股票信息与复权查询，让研究表、脚本和AI工具有共同的数据依据。

先确认用的是哪份行情，再判断研究方法要不要改。统一行情接口可以把历史行情、股票信息、交易日和复权相关查询围绕同一标的组织起来，并通过程序和AI工具使用。对研究团队而言，这意味着取数之后，还能沿着原来的对象和条件回查差异，把依据交给同事继续验证。

一、A股历史数据下载后回测结果对不上，先分清什么变了

先给结论：结果对不上，先查对象、区间、价格处理和输入版本，不要先改策略。

看到结果变化，先把问题拆到能检查的位置：

读法：按顺序逐项排除，先对象，再区间，再价格处理，最后输入版本；来源：本文整理。

这些问题确认之后，团队才能更清楚地讨论模型、交易成本和执行假设。对于不写代码的产品经理，这也是一份可以直接向技术同事提出的问题清单。

尤其要留意第三项：两列都叫“收盘价”，背后可能采用不同的处理方式。先分清四个变量，再判断研究方法要不要改。

二、A股历史数据下载的寒武纪对照：两列收盘价，差异从哪里来

先给结论：两列都叫收盘价，差异来自价格处理方式。

2026年10月28日，我们通过该服务的MCP查询寒武纪688256.SH，日期固定为4月20日至5月15日，周期固定为日线，只切换价格口径：一份不复权，一份前复权。

不复权是按当时实际交易价格记录；前复权是按后续公司行动调整历史价格，使序列可比较。复权因子是用来把不复权价格换算到复权口径的调整系数。

两次各返回17条记录，日期逐一对应。取其中相邻的两个交易日：

读法：左列是不复权，右列是前复权，两列都叫收盘价但算法不同；来源：2026年10月28日该服务MCP返回。

如果一张图使用左列，另一张图使用右列，这两天呈现的价格变化就会很不一样。

前复权价格经过调整，用于相应口径下的历史比较；它也不应被拿来当作当日实际可成交的报价。研究时，需要先确定自己要回答的是“当时交易在什么价格”，还是“经过调整的价格序列怎样变化”。

同次查询中，该服务返回的复权因子记录时间对应5月8日。我们按照因子，把适用日期的不复权开高低收重新计算，与前复权返回对照：17个交易日的68个价格值，误差均小于0.000001元，最大差异约为0.0000004924元。

这让价格差异有了可检查的解释。团队可以先统一序列，再重新运行自己的研究，不必一开始就凭图形猜测是哪里出了问题。两列都叫收盘价，这是差异的起点。

用知名数据库，也要先选清楚价格口径

哈佛商学院Baker Library在介绍如何查询CRSP股票价格时，专门提醒读者取到的是未复权价格。这条提醒适用于它介绍的查询场景，也说明研究人员需要主动确认价格处理方式。资料名称为《Finding a time series of stock prices in CRSP》。

对A股历史数据，同样要把口径写进取数要求。官方文档列明不复权、前复权和后复权选项，并提醒复权历史可能随公司行动或数据更新调整。

把口径留在数据旁边。几个月后同事重新打开文件，就能知道当时用的是什么，少一次凭记忆重建过程的麻烦。

三、为什么研究团队值得考虑统一行情接入方式

先给结论：统一接入的价值是能按条件回查，不只是多一个下载源。

只看“能下载日线”，很多方案都能进入候选。真正影响采用决定的，是下载之后，团队还要让这些数据去哪里、由谁继续使用。TickDB为开发者和AI应用提供统一的全球行情数据接口，让团队通过一套接入获取多市场实时与历史数据，更快构建行情、分析和监控产品。

从拿到文件，走到能按条件回查

一份CSV可以交付结果，但遇到差异时，还需要知道它怎样生成。

在本例中，股票身份、历史日线、复权因子都能围绕寒武纪查询；上一轮还取得了交易日历，用来核对研究区间。产品团队可以把这些输入安排成连续步骤：先选对对象，再确定区间和口径，取得数据后检查日期，价格有差异时回查调整依据。

这套接入方式在这里提供的是一组能协作的数据查询能力。保存原始返回、生成研究表和记录修改，则由团队的程序完成。能回查比能下载更重要，这是采用时真正要比较的部分。

让程序和AI围绕同一次输入工作

研究员在表格里看走势，开发者在脚本里计算，AI助手负责整理说明。如果各自临时取一份数据，日期和口径很容易悄悄分开。

该服务提供API及MCP、CLI等工具访问路径，团队可以按自己的使用方式组织查询。我们这次使用MCP取得结构化结果，再保留当次返回，供表格和复核使用。

要让后来的人使用相同输入，关键还在于保存这次查询的快照，并让程序或AI明确引用它。仅仅使用同一家服务，仍需要团队约定具体对象、日期和口径。

研究范围扩大时，继续比较接入工作

该服务的产品范围还包括港股、美股等市场；按需历史查询与持续行情订阅也有各自入口。团队准备增加市场、把研究功能接入看板或AI工具时，可以在同一产品体系下继续核对所需数据和访问方式。

这正是统一服务值得评估的地方：后续任务增加时，哪些接入方式和取数组织可以沿用，哪些市场规则仍需分别处理。具体字段、历史范围、权限和交易时间，要按新增任务确认。

什么情况下，其他方式也很合适

一次性看一段历史，手工下载的小表就很直接。已经在Python里研究的团队，也可以继续使用熟悉的数据接口库；例如AKShare官方将其定位为Python财经数据接口库。

当需求扩展到反复查询、多人协作、程序与AI使用，以及后续市场扩展时，就值得把这类托管数据访问方式放进试用范围，比较整项任务需要投入的接入和维护工作。

四、A股历史数据下载更新以后，怎样知道旧研究还用得上

先给结论：更新后先分清新增、重复和变化，再决定旧研究是否重跑。

研究资料会继续更新，旧记录也要留住。重叠记录指两次查询都返回的同一日期记录。

2026年10月27日，我们做过一轮寒武纪历史日线的分段更新验证：初始区间为9月1日至10月16日，更新区间为10月15日至26日，均为日线、不复权。

结果如下：

读法：先看初始和更新记录，再看重叠、新增和变化，最后看合并结果；来源：2026年10月27日分段更新验证。

合并后的记录数与同区间整段查询逐条一致。把同一批更新再次交给程序处理，记录数仍为前面提到的合并后数量，没有重复追加。

这组检查为后续更新提供了一个具体做法：把新增、重复和变化分开记录。数据有修订时，先留出旧值与新值，再决定怎样更新研究输入；如果更早的复权历史受到影响，应扩大重取区间，重新生成相应研究结果。先分清新增和变化，才能解释新结果。

保留旧输入，才能解释新结果。团队讨论结果差异时，可以把数据变化与研究方法变化分别拿出来核对。

五、直接带走：一条取数指令，一段价格核验代码

先给结论：取数、核验、交接可以拆成三步。

不写代码，可以把这段要求交给MCP助手

在已接入MCP、具备相应查询权限的工具中，可以复制下面的任务要求。助手需要实际调用工具；遇到错误或权限不足，就返回错误，不用估算值填表。

使用TickDB MCP查询寒武纪688256.SH，type=stock，interval=1d。
查询区间：2026-04-20 00:00:00至2026-05-15 23:59:59.999，Asia/Shanghai。
分别调用get_kline，adjust=none与forward，limit=100。
再调用get_ex_factors，查询同一股票、同一区间的复权因子。
将起止时间转换为Unix毫秒。保存查询参数、实际取数时间和原始返回。
将两份日线按北京时间日期对齐，输出：日期、不复权收盘价、前复权收盘价。
另外报告两份记录数、重复日期、仅在其中一份出现的日期。
查询失败就报告失败；不得补造缺失记录，不得把复权价格当作实际成交价。

这是一份可复用的取数任务描述。本文10月28日的查询各返回前文提到的17条；以后重查时，应保存新结果与旧记录对照。

技术同事，可以先运行这个价格核验例子

下面用上表两条真实记录和同次返回的前复权因子，演示怎样检查“调整后的价格是否算得回来”。复制为check_basis.py，用Python 3运行python3 check_basis.py即可，不需要安装第三方库或填写密钥。

from decimal import Decimal

# 本文2026-10-28采集快照中的两条收盘价
rows = [
    ("2026-05-07", "1868.00", "1252.680723"),
    ("2026-05-08", "1182.53", "1182.530000"),
]
event_date = "2026-05-08"
factor_a = Decimal("0.6705999589592825")
factor_b = Decimal("0")
tolerance = Decimal("0.000001")

for date, raw, adjusted in rows:
    price = Decimal(raw)
    # 此样本只含一个forward因子事件；仅调整事件之前的价格
    expected = price * factor_a + factor_b if date < event_date else price
    error = abs(expected - Decimal(adjusted))
    result = "通过" if error < tolerance else "需检查"
    print(f"{date} 复算={expected:.6f} {result}")
    if error >= tolerance:
        raise ValueError(f"{date} 价格差异={error}")

本地实际输出：

2026-05-07 复算=1252.680723 通过
2026-05-08 复算=1182.530000 通过

这一小段可以看清为什么两个口径得到不同价格，也能改成逐行核对自己的数据。这里固定使用采集快照中的一个因子事件；用于其他区间时，要查询对应因子，按适用日期和顺序处理多个事件。接口查询和本地复算是两步，这段代码只做后一步。

产品经理，可以直接转发这份交接卡

查询寒武纪688256.SH的指定区间日线，明确周期、复权方式、币种和北京时间日期。保存原始返回、查询条件与取数时间，整理后按日期排序。后续更新核对重叠日期，分别记录新增、相同和变化项；价格口径不同的序列分开保存。需要复查时，按原条件查询，或结合复权因子解释差异。表格、脚本和AI使用已保存的同次输入时，注明所用版本。

对于负责选型或研究功能的产品经理，试用结束时可以检查三个结果：同事能否找回当时输入，差异能否定位到具体记录，下一次增加任务时需要重新接哪些环节。

这些结果，比“接口返回成功”更接近团队真正要交付的研究能力。

固定区间查询还涉及账户条件。当前文档说明，K线查询与起止时间指定范围涉及账户权限；按自己的研究区间试接前，先确认对应权限。

常见问题

下面只列正文没有展开的问题。

Q1：更新验证里重叠记录没有变化，说明什么？

说明本次更新区间与初始区间重叠的记录没有变化，新增日期已合并，重复处理没有追加。这个结果只对应本次区间和本次更新；换区间要重新核对。

Q2：为什么复权因子要按适用日期和顺序处理？

本文代码固定使用采集快照中的一个因子事件，只调整事件之前的价格。用于其他区间时，要查询对应因子，按适用日期和顺序处理多个事件。接口查询与本地复算是两步。

Q3：保存一次查询，最少要留下什么？

查询对象、区间、周期、复权方式、币种、实际取数时间和原始返回。表格、脚本和AI使用已保存的同次输入时，注明所用版本；需要复查时按原条件查询，或结合复权因子解释差异。

术语表

• 不复权：按当时实际交易价格记录，不做事后调整。
• 前复权：按后续公司行动调整历史价格，使历史序列与当前价格可比。
• 后复权：以早期价格为基准向后调整，保持历史价格连续。
• 复权因子：把不复权价格换算到复权口径的调整系数。
• 价格口径：按什么价格计算，如不复权、前复权、后复权。
• 重叠记录：两次查询都返回的同一日期记录。
• 快照：一次查询实际返回的原始结果和当时条件。

参考资料

• TickDB K线查询：区间、周期、价格口径、权限及历史调整说明。查阅于2026年10月28日。
• 哈佛商学院Baker Library，《Finding a time series of stock prices in CRSP》：所述查询场景中的未复权价格提醒。查阅于2026年10月28日。
• TickDB AI工具：MCP、CLI等访问方式与适用任务。查阅于2026年10月28日。
• AKShare官方仓库README：Python财经数据接口库的产品形态。查阅于2026年10月28日。

价格口径对照采集于2026年10月28日；更新验证采集于10月27日，均使用该服务的MCP。文中对照和本地核验结果不是策略回测成绩或投资建议。