JoinQuant 策略回测中如何有效避免未来函数？

在量化回测中，未来函数（Look-ahead Bias） 是指在策略回测过程中使用了当时在现实中无法获取的数据（例如在开盘时使用了当天的收盘价，或者在财报发布前使用了财报数据）。这会导致回测结果虚高，实盘惨败。

在 JoinQuant 聚宽平台上，可以通过以下几种方式和最佳实践来避免使用未来数据：

1. 开启防未来数据选项（最推荐）

聚宽提供了一个专门的 API 选项，开启后系统会自动检测并拦截大部分常见的未来数据调用。建议在 initialize 函数中加入：

def initialize(context):
    # 开启避免未来数据模式
    # 如果尝试获取未来数据（如在当前时间点获取未发生的行情），系统会抛出 FutureDataError 异常
    set_option("avoid_future_data", True)

2. 正确获取行情数据

在获取价格数据（开高低收、成交量）时，需注意时间点的对齐：

• 使用 history 或 attribute_history：
  这两个函数默认获取的是前一个单位时间的数据。

  • 例如：在日频回测的 handle_data（默认 9:30 运行）中调用 history(1, '1d', 'close')，获取的是昨天的收盘价，这是安全的。
  • 注意：不要在日频策略中试图获取当天的 close，因为在盘中你是无法预知收盘价的。

• 使用 get_price：
  如果使用 get_price，必须严格控制 end_date。

  • 错误做法：end_date 设置为 context.current_dt 且包含当天数据。
  • 正确做法：end_date 设置为 context.previous_date（前一个交易日）。

3. 正确获取财务数据

在使用 get_fundamentals 查询财务数据（如市值、PE、净利润）时，不要直接指定季度（statDate），而应该指定查询日期（date）。

• 错误做法（含未来函数）：
  直接查询 statDate='2023q1'。因为 2023 年一季报可能在 4 月底才发布，如果在 4 月 1 日的回测中直接查 Q1 数据，就是使用了未来数据。
• 正确做法：
  使用 date=context.current_dt。

  q = query(valuation.pe_ratio).filter(valuation.code == '000001.XSHE')
  # 系统会自动返回在 context.current_dt 这个时间点之前已经公告的最新数据
  df = get_fundamentals(q, date=context.current_dt)
  

4. 使用真实价格模式（动态复权）

传统的前复权是基于当前（回测结束或最新日期）的复权因子对历史价格进行调整。这意味着历史回测时使用了未来的分红配股信息。

• 建议：开启真实价格模式。

  def initialize(context):
      # 开启动态复权模式，回测中使用当天的真实价格，避免复权因子带来的未来信息
      set_option('use_real_price', True)
  

5. 避免使用全天统计数据进行盘中决策

• 错误：在盘中（如 10:00）使用当天的最高价（High）或最低价（Low）来判断是否交易。因为在 10:00 时，你无法确定今天的最高价是否就是当前的最高价。
• 正确：使用 get_current_data() 获取当前的快照数据（如当前最新价 last_price），或者使用分钟级数据的 history。

综合策略代码示例

下面是一个标准的、避免了未来数据的策略框架示例：

# -*- coding: utf-8 -*-
from jqdata import *

def initialize(context):
    # 1. 开启防未来数据检测
    set_option("avoid_future_data", True)
    
    # 2. 开启动态复权（真实价格）
    set_option('use_real_price', True)
    
    # 设定基准
    set_benchmark('000300.XSHG')
    # 设定手续费
    set_order_cost(OrderCost(close_tax=0.001, open_commission=0.0003, close_commission=0.0003, min_commission=5), type='stock')
    
    g.security = '000001.XSHE'
    
    # 每天开盘时运行
    run_daily(market_open, time='09:30')

def market_open(context):
    security = g.security
    
    # 3. 获取行情数据：使用 attribute_history 获取过去5天的数据（不含今天）
    # 这在 9:30 是安全的，因为获取的是昨天及之前的数据
    h = attribute_history(security, 5, '1d', ['close'])
    
    # 计算5日均线
    ma5 = h['close'].mean()
    
    # 4. 获取当前时间点的快照数据（非未来数据）
    current_data = get_current_data()
    current_price = current_data[security].last_price
    
    # 5. 获取财务数据：指定 date=context.current_dt
    # 系统会查找在此日期前已发布的最新财报，避免引用未发布的财报
    q = query(valuation.pe_ratio).filter(valuation.code == security)
    fund = get_fundamentals(q, date=context.current_dt)
    
    if fund is not None and len(fund) > 0:
        pe = fund['pe_ratio'][0]
        
        # 简单的策略逻辑
        if current_price > ma5 and pe < 10:
            order_value(security, context.portfolio.available_cash)
            log.info("买入 %s" % security)
        elif current_price < ma5 and context.portfolio.positions[security].closeable_amount > 0:
            order_target(security, 0)
            log.info("卖出 %s" % security)

Q&A

Q: 为什么使用了 set_option("avoid_future_data", True) 后回测报错了？
A: 这说明您的代码中确实尝试获取了未来数据。例如，您可能在 get_price 中设置了包含当天的 end_date，或者在 get_fundamentals 中直接指定了尚未发布的季度。请根据报错信息调整代码逻辑。

Q: get_current_data() 会包含未来数据吗？
A: 不会。get_current_data() 获取的是当前回测时间点的快照数据（如最新价、涨跌停价、是否停牌）。在日级回测中，如果在 9:30 调用，它返回的是开盘时的状态；如果在盘中调用，返回的是当时的最新状态，符合实盘逻辑。

Q: 为什么说前复权数据包含未来信息？
A: 前复权是利用“现在”的复权因子去调整“过去”的价格。如果在 2015 年回测，使用了基于 2023 年计算出来的复权因子，就等于在 2015 年预知了未来会发生分红配股。虽然对价格走势形态影响不大，但在计算具体买入股数时会产生偏差。使用 set_option('use_real_price', True) 可以解决这个问题。