JoinQuant 回测高级技巧：为何不能在真实价格模式下跨日期缓存历史数据？

在使用聚宽（JoinQuant）进行策略回测时，开启 set_option('use_real_price', True)（真实价格模式）是非常推荐的做法，因为它能更真实地模拟交易账户的资金变动。

然而，这种模式下处理跨天数据时存在一个常见的陷阱。以下是关于为什么直接比较会出错以及如何正确处理的详细解释。

1. 为什么直接比较昨天和前天的收盘价可能会出错？

根本原因在于除权除息（分红、送股、拆股等）。

在真实价格模式下：

• 当天的数据是真实的：你在 handle_data 中通过 data[security].close 或 get_current_data() 获取到的价格是当天的真实挂牌价格（不复权）。
• 历史API获取的是基于当前日期的前复权价格：当你调用 attribute_history 或 history 时，系统为了保证技术指标（如均线）的连续性，会返回基于当前回测日期进行前复权处理后的历史价格。

举个具体的例子：

假设某股票在 T日 收盘价为 20元。
在 T日收盘后，该股票进行了 10送10 的拆股（除权）。
在 T+1日（第二天），股价自然除权变为 10元（假设没有涨跌）。

如果你采用了“缓存数据”的错误做法：

1. T日：你把当天的收盘价 20元 存入全局变量 g.last_close。
2. T+1日：你获取当前的真实价格 10元。
3. 比较：你用 10元 (T+1日价格) 与 20元 (T日缓存价格) 比较，计算出跌幅为 -50%。
4. 后果：策略会误判为股价暴跌，从而触发错误的止损或卖出信号。

但实际上，股价并没有跌，只是发生了除权。

2. 应该如何正确处理跨天数据？

为了避免上述问题，处理跨天数据的核心原则是：不要跨日期缓存价格数据，每次需要比较时，都重新获取历史数据。

因为聚宽的数据获取函数（如 attribute_history）会自动根据当前的复权因子，将过去的价格调整为与当前价格具备可比性的前复权价格。

正确的做法：

在每一天（或每一分钟）运行策略时，通过 API 重新拉取过去 N 天的数据。

场景：比较今天价格与昨天收盘价

def handle_data(context, data):
    security = '000001.XSHE'
    
    # 【正确做法】
    # 获取过去2天的收盘价（包含昨天和前天，或者今天和昨天，取决于调用时机）
    # 注意：attribute_history 默认不包含当前时刻的数据（避免未来函数），
    # 但它返回的数据是基于“今天”的复权因子处理过的，与今天的真实价格是连续的。
    
    # 获取过去1天的历史数据（即昨天的收盘价）
    # 系统会自动将昨天的价格按照今天的复权因子进行处理
    hist = attribute_history(security, 1, '1d', ['close'])
    yesterday_close = hist['close'][-1]
    
    # 获取当前的真实价格
    current_price = data[security].close
    
    # 此时比较是安全的，因为 yesterday_close 已经被系统处理为前复权价格
    # 如果发生了10送10，yesterday_close 会被API自动调整为 10元（原价20元）
    # current_price 为 10元
    # 涨幅计算结果为 0%，符合逻辑
    if current_price > yesterday_close * 1.05:
        order(security, 100)

错误的做法（请勿模仿）：

# 【错误做法】试图使用全局变量缓存昨天的价格
def initialize(context):
    set_option('use_real_price', True)
    g.last_price = None

def handle_data(context, data):
    security = '000001.XSHE'
    current_price = data[security].close
    
    # 这里的 g.last_price 是上一交易日的“真实价格”
    # 如果昨晚发生了除权，今天的 current_price 和 g.last_price 就不在同一个价格基准上了
    if g.last_price is not None:
        if current_price > g.last_price * 1.05: # 逻辑错误！
            order(security, 100)
            
    # 缓存今日价格供明天使用
    g.last_price = current_price

总结

1. 开启真实价格：set_option('use_real_price', True) 是为了让账户资产计算更准确（分红到账、拆股后持仓数量自动调整）。
2. 不要缓存价格：不要把今天的 data[security].close 存到 g 变量里留给明天用。
3. 现用现取：每次需要对比历史数据时，使用 attribute_history、history 或 get_bars。这些 API 返回的数据在 use_real_price=True 模式下，都是基于当前日期的前复权数据，保证了与当前价格的连续性和可比性。

Q&A

Q: 开启真实价格模式后，history 函数返回的是什么价格？
A: 在 use_real_price=True 模式下，history、attribute_history 等函数返回的是基于当前回测日期的前复权价格。这意味着你在不同日期调用同一个历史时间点的数据，得到的值可能不同（因为复权因子变了）。

Q: 如果我非要获取昨天的“真实”收盘价（不复权）怎么办？
A: 你可以使用 get_price 函数，并将 fq 参数设置为 None。

# 获取不复权的真实历史价格
df = get_price(security, end_date=context.previous_date, count=1, frequency='daily', fields=['close'], fq=None)
real_yesterday_close = df['close'][-1]

但在编写策略逻辑（如均线突破）时，通常不建议使用不复权价格，因为除权造成的缺口会破坏技术指标的计算。

Q: 模拟交易中是否也需要这样处理？
A: 是的。模拟交易和回测的逻辑是一致的。且官方强烈建议在模拟交易中也开启 set_option('use_real_price', True)。