为什么在 JoinQuant 中使用 history 和 get_price 获取数据回测结果不一样？

histroy和get_price回测结果不一样

df = history(400, unit='1d', field='close', security_list=g.stocks, df=True, skip_paused=True, fq='pre')

df = get_price(g.stocks[0], end_date=date, frequency='daily', fields=['close'], skip_paused=True, fq='pre', count=400)
两种方式获取的数据有什么不同吗？为什么回测结果大不一样？

在 JoinQuant（聚宽）量化平台中，history 和 get_price 都是用于获取历史行情数据的常用 API，但它们在底层设计逻辑、对未来函数的防范以及多标的数据对齐方式上存在显著差异。这就是导致你回测结果大不一样的根本原因。

具体来说，主要有以下几个核心不同点：

1. 是否包含当天数据（未来函数风险）

• history：这是专门为回测和模拟交易设计的 API。为了严格防止“未来函数”，history 获取天数据时，永远不包括当天的数据（即使是在收盘后运行的函数中）。它获取的是截止到昨天为止的 count 个交易日的数据。
• get_price：这是一个通用的数据获取接口。它的截止时间由 end_date 参数决定。如果你传入的 date 是当天的日期（例如 context.current_dt），get_price 会返回包含当天的数据。如果在盘中（如 9:30）获取到了当天的收盘价，这就引入了未来函数，会导致回测收益异常虚高，而实盘完全无法复现。

2. skip_paused=True 导致的多标的数据错位（最致命的区别）

在你的代码中，history 传入了多只股票（g.stocks），并且设置了 skip_paused=True。这会导致极其严重的数据对齐问题：

• history 的行为：当获取多只股票且设置 skip_paused=True 时，由于不同股票在历史上的停牌日期是不一样的，为了凑齐每只股票的 400 个有效交易日，返回的 DataFrame 的行索引将不再是日期，而是简单的数字索引（0, 1, 2...）。这意味着，DataFrame 中同一行的数据，实际上可能属于完全不同的日期！如果你按行计算均线或进行横截面比较，逻辑将完全错乱。
• get_price 的行为：在你的代码中，get_price 只传入了一只股票（g.stocks[0]）。对于单只股票，跳过停牌日只是简单地剔除那些没有交易的日期，返回的 DataFrame 行索引依然是真实的交易日期，数据是完全准确且时间对应的。

3. 返回的数据结构不同

• history：当你指定 field='close' 且传入多只股票时，返回的 DataFrame 的列是股票代码，行是时间（或数字索引），里面的值全是收盘价。
• get_price：当你传入单只股票且 fields=['close'] 时，返回的 DataFrame 的列是字段名（'close'），行是时间。

总结与修改建议

你的回测结果大不一样，主要是因为 get_price 可能引入了未来函数，以及 history 在 skip_paused=True 时发生了多股票时间轴错位。

正确的做法建议：

1. 在回测中优先使用 history 或 attribute_history，因为它们天然防范未来函数。
2. 慎用 skip_paused=True：在获取多只股票的数据时，强烈建议保持 skip_paused=False（默认值）。这样停牌日会用前一天的收盘价填充，保证所有股票在同一个日期索引下严格对齐。

   # 推荐的多标的获取方式（不对齐会导致严重逻辑错误）
   df = history(400, unit='1d', field='close', security_list=g.stocks, df=True, skip_paused=False, fq='pre')
   

3. 如果必须使用 get_price，请务必确保 end_date 设置为前一个交易日（context.previous_date），以避免未来函数：

   # 避免未来函数的 get_price 用法
   df = get_price(g.stocks, end_date=context.previous_date, frequency='daily', fields=['close'], count=400, panel=False)