PTrade量化交易中fq参数有什么用？不复权与前复权的区别解析

PTrade中fq参数的作用

在PTrade量化交易平台中，fq参数主要用于历史行情获取函数（如get_history和get_price）中，用来指定数据复权选项。复权（Price Adjustment）是为了消除由于股票分红、送股、配股等除权除息事件导致的价格跳空缺口，从而保持价格走势的连续性。

根据PTrade API文档，fq参数支持以下几种选项：

• 'pre'：前复权
• 'post'：后复权
• 'dypre'：动态前复权
• None：不复权（默认值）

不复权（None）与前复权（pre）的区别

1. 不复权（fq=None）

• 定义：获取的是股票在历史交易日当天的真实成交价格，不进行任何数学调整。
• 特点：当股票发生分红或送转时，K线图上会出现明显的“向下跳空缺口”。
• 应用场景：
  • 真实成本计算：需要知道历史某一天买入股票时实际支付的金额。
  • 撮合回测：在精细的tick级或日内回测中，模拟真实的挂单和成交价格。
  • 财务指标计算：某些基于真实市值的财务指标计算。

2. 前复权（fq='pre'）

• 定义：以当前最新价格为基准，将历史价格向下进行折算。即“保持现有价格不变，降低历史价格”。
• 特点：消除了除权除息带来的价格缺口，K线走势平滑连续。但历史价格可能会出现负数（如果分红非常多）。
• 应用场景：
  • 技术指标计算：如计算均线（MA）、MACD、KDJ等。如果不复权，除权日的缺口会导致均线等指标出现严重失真，触发错误的买卖信号。
  • 收益率计算：计算一段时间内的真实持有收益率。
  • 机器学习模型训练：提供连续平滑的时间序列数据作为特征。

PTrade代码示例

在编写策略时，可以根据需求灵活选择复权方式：

def initialize(context):
    g.security = '600570.SS'
    set_universe(g.security)

def handle_data(context, data):
    # 1. 获取不复权数据（默认）
    # 适用于查看历史真实成交价
    history_none = get_history(5, '1d', 'close', security_list=g.security, fq=None)
    log.info('不复权收盘价：\n%s' % history_none)

    # 2. 获取前复权数据
    # 适用于计算均线等技术指标
    history_pre = get_history(5, '1d', 'close', security_list=g.security, fq='pre')
    log.info('前复权收盘价：\n%s' % history_pre)
    
    # 计算5日均线（必须使用复权数据）
    ma5 = history_pre['close'].mean()
    log.info('5日均线价格：%s' % ma5)

总结建议

在绝大多数基于量价关系的技术分析策略（如双均线策略、突破策略）中，强烈建议将fq参数设置为'pre'（前复权）或'dypre'（动态前复权），以保证信号的准确性。而在需要核对历史真实账单或进行特定财务分析时，才使用None（不复权）。