【量化交易】股票价格前复权与后复权的区别以及注意事项

2023-05-16

时不时就会看到到底是用股票前复权还是后复权价格的讨论,比如下面就是一个很经典的问法:

“我用前复权价格计算指标的时候,发现会出现负价格,就没法取log了,应该是分红太多导致的,请问这种怎么处理?”

小白刚开始分析股票数据,问这种问题其实很正常。但是架不住有大哥这么回答的:

"加个正数就行了"

真的,大哥你不说话没人知道你啥都不懂。

就像疫苗消灭了天花病毒一样,我希望这篇文章能彻底消除大家对前复权后复权的疑惑,希望大家多多转发,以后真的不想再看到诸如此类的讨论了。

dd887d87a03cf7b2face36c1406075c4.gif

如果你不想看太多原理,那么记住核心的结论:

只要你不是用来算今天100块钱能买多少股,所有的量化分析,全部都用后复权。

如果你想和我杠,那我劝你把文章先看完,如果看完还想和我杠,那麽股市不适合你,趁早退出吧。

60d65f971850b7ee3ea14491b5ff4f12.gif

首先看看前后复权的定义吧,其实看定义就一目了然,很多人连定义都不好好研究,难怪一直有疑惑,但是网上的定义太啰嗦,没有抓住最本质的点。

前复权:前复权是以当前价为基准复权。

后复权:后复权是以起始价为基准复权。

大家都知道复权是用来解决分红送股等导致股价出现不连续的问题的。前后复权的本质区别就是 以什么价格作为基准 ,这就是最核心的点,理解了这一点,你就知道该怎么用。

它们都是假设分红等事件不存在,对价格进行调整。只不过,前复权是按住今天的价格不变,将以前的价格调整过来;而后复权是按住最开始的价格不变,将之后的价格进行调整。

随便打开一个行情软件,为什么前复权容易出现非常小的价格,而后复权容易出现很大价格,举个例子:

假设只有收盘价,一个公司股价一直是100,第一天没有波动,收盘还是100,第二天跌了50%,收盘股价变成50,盘后宣布每股分红25,第三天假设没有交易波动,那么第三天收盘价格就是25(要除权),但是从50到25并不是连续的,就需要复权,现在不复权的价格序列是 100 50 25:

如果是前复权,序列就是50,25,25(保持今天价格不变)。

如果是后复权,序列就是100(保持起始价格不变),50,50。

但效果很类似:复权后,价格连续了,价格的变动只体现了交易的变动,后者是进行下一步分析(比如log对数收益率、计算技术指标等)的基础,

一、既然前后复权效果都一样,为什么不用前复权分析?

1、前复权会使得之前的股价减去分红,久而久之甚至会出现负数,而后复权是让起始价之后的价格加上分红,一般只会让股价更大。

2、更为关键的是,每发生一次新的分红,复权都会对历史数据做出新的改变,也就是说历史上同一天的前复权价格,一直在改变!!你如果自己搭数据库的,整天要删了插入删了插入,闲的没事干?

二、那为什么看盘软件大都喜欢前复权分析?

那只不过是你自己的习惯而已,没人不让你用后复权分析。非要说原因的话,就是前复权保持了今天的真实价格,方便你算算自己的钱够买几手罢了。

三、历史回测是不是要用不复权价格才能算出自己能买多少手?

首先,这属于典型的拿着错误的钉子找锤子,百分之99.999999的回测都不需要知道要买多少手,all in 就是100%,半仓就是50%,买10个票就是每个票10%,我想请问你知道真实价格有什么用?如果你说我一开始只有1000块钱买不了一手茅台,那你去借钱啊(大雾)。

好了各位,将文章转起来,不想再看到群里讨论到底是用前复权还是后复权了

点击关注

86ae8e0c2995a262878e4a670b4a0ae1.png

拿着锤子找钉子

个人微信号|airesearcher123

本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)

【量化交易】股票价格前复权与后复权的区别以及注意事项 的相关文章

  • 【Python 量化交易】SAR技术指标

    SAR Source Code span class token keyword class span span class token class name SARIndicator span span class token punct
  • 【Python 量化交易】SMA技术指标

    SMA Source Code span class token keyword class span span class token class name SMAIndicator span span class token punct
  • 【Python 量化交易】MACD技术指标

    MACD Source Code span class token keyword class span span class token class name MACDIndicator span span class token pun
  • 【Python 量化交易】EMA技术指标

    EMA Source Code span class token keyword class span span class token class name EMAIndicator span span class token punct
  • 【量化交易】股票价格前复权与后复权的区别以及注意事项

    时不时就会看到到底是用股票前复权还是后复权价格的讨论 xff0c 比如下面就是一个很经典的问法 xff1a 我用前复权价格计算指标的时候 xff0c 发现会出现负价格 xff0c 就没法取log了 xff0c 应该是分红太多导致的 xff0
  • pandas的时间对象

    pandas时间处理对象 pandas中有个时间库 datautil 可以使用其中的方法把多种字符串时间格式转化为时间对象 import dateutil import pandas as pd a dateutil parser pars
  • 跨品种套利 - 期货

    1 原理 什么是套利 套利是指在买入或卖出一种金融资产的同时卖出或买入另一种相关的金融资产从中利用价差获得套利的过程 什么是跨品种套利 当两个合约有很强的相关性时 可能存在相似的变动关系 两种合约之间的价差会维持在一定的水平上 当市场出现变
  • 套利策略的工作原理

    统计套利起源于 1980 年代左右 由摩根士丹利和其他银行主导 统计套利策略 也被称为 StatArb 见证了金融市场的广泛应用 该策略的流行持续了二十多年 并围绕它创建了不同的模型以获取巨额利润 简单来说 统计套利由一组量化驱动的算法交易
  • 算法帝国:华尔街交易怪兽的核武器缔造史

    这是一段通俗的读物 更是一段算法交易的历史钩沉 华尔街的每个角落逐渐被算法所侵蚀 思考者 依然还是拖着额头 但却不得不接受未来的现实 1980年华尔街的黑客生涯 天时地利 20世纪70年代末期 算法开始进入人们的工作 这一趋势席卷了世界各地
  • 西蒙斯的赚钱秘籍:隐马尔科夫模型(HMM)的择时应用

    摘要 西蒙斯是被量化圈所广为追捧的量化之神 旗下的大奖章基金创造了无数神话 成立初期的创始人中 有一位科学家发明了广泛应用在语音识别等领域的鲍姆 威尔士算法 隐马尔可夫模型 HMM 已经被成功应用在工程领域 并取得了具有科学意义和应用价值的
  • 区块链三加一:什么是量化交易

    量化交易是指以先进的数学模型替代人为的主观判断 利用计算机技术从庞大的历史数据中海选能带来超额收益的多种 大概率 事件以制定策略 极大地减少了投资者情绪波动的影响 避免在市场极度狂热或悲观的情况下作出非理性的投资决策 量化交易 有时候也称自
  • python定时运行,多进程

    可以通过另开一条线程 去专门做这件事情 py2代码如下 如果是py3请自行调整下语法 coding utf8 import threading import time 真正要执行的函数 def t1 print ok 每隔10秒钟执行 de
  • quantopian寻找策略之mean_reversion

    股价有向均线回归的趋势 利用这个特点 可以在技术指标处于超卖阶段寻找那些上涨速度快的流通性好的股票买入 形成下面的策略 策略来源quantopian 对于市场上流通性最好的1500只股票在pipeline中先进行一波过滤 1 年收益率排名前
  • pytdx接口API说明

    标准行情接口API pytdx hq 下面是如何在程序里面调用本接口 首先需要引入 from pytdx hq import TdxHq API 然后 创建对象 api TdxHq API 之后 通常是如下的格式 if api connec
  • 四大私募量化策略解析——阿尔法、套利、期货CTA、高频交易

    近年来 随着证券市场规模的不断扩大 金融衍生产品不断推出 投资策略和盈利模式发生根本性改变 投资复杂程度日益提高 导致证券市场投资者的构成比例出现了相应的变化 专业投资管理人的占比越来越大 且有加速之势 另一方面 量化对冲投资策略以其中低风
  • Python金融系列第四篇:置信区间和假设检验

    作者 chen h 微信号 QQ 862251340 微信公众号 coderpai 第一篇 计算股票回报率 均值和方差 第二篇 简单线性回归 第三篇 随机变量和分布 第四篇 置信区间和假设检验 第五篇 多元线性回归和残差分析 第六篇 现代投
  • 基于置换均线的二次穿越突破均线

    1 名词解释 置换均线 移位移动平均线也称置换移动平均线 置换均线 DMA 不是将当根bar上计算的均线值画上当根bar上 而是将历史的均线值画在当根bar上 使均线值整体向未来偏移了指定数量的bar 将移动平均K线向后平移一定BAR数即为
  • 【笔记】用python计算BS模型、隐波的笔记

    前言 这篇笔记是根据姜禄彬老板在公众号上发布的笔记复刻的 不同的是原作者用的是股票数据 我用的是比特币期权数据 这份笔记里主要是如何用python代码来计算BS模型 如何求隐含波动率 什么是波动率微笑 greeks等 整体还是有点乱 之后有
  • 量化交易系统框架

    转自 https www cnblogs com huangfuyuan category 1290537 html
  • 经典的期货量化交易策略大全(含源代码)

    1 双均线策略 期货 双均线策略是简单移动平均线策略的加强版 移动平均线目的是过滤掉时间序列中的高频扰动 保留有用的低频趋势 它以滞后性的代价获得了平滑性 比如 在一轮牛市行情后 只有当价格出现大幅度的回撤之后才会在移动平均线上有所体现 而

随机推荐

  • 外设驱动库开发笔记21:BME680环境传感器驱动

    环境传感器是一类我们很常用的传感器 它可以方便我们获取压力 温度 湿度以及空气质量等数据 在这一篇中 xff0c 我们将分析 BME680 环境传感器的功能 xff0c 并设计和实现 BME680 环境传感器的驱动 1 功能概述 BME68
  • 外设驱动库开发笔记45:MS4515DO压力传感器驱动

    很多时候我们需要检测流量和压力这些参数 xff0c 比如我们要检测大气压 xff0c 或者通过测量差压来获得输送流体的流量等 xff0c 都需要用到压力传感器 这一篇我们就来讨论MS4515DO压力传感器的数据获取 1 功能概述 MS451
  • 一个好看的CSS样式表格

    一个好看的CSS样式表格 自动换整行颜色的CSS样式表格 xff08 需要用到JS xff09 自动换整行颜色的CSS样式表格源代码 自动换整行颜色的CSS样式表格 xff08 需要用到JS xff09 这个CSS表格会自动切换每一行的颜色
  • docker删除镜像

    docker要删除镜像 xff0c 先要删除依赖它的容器 1 删除容器 docker ps 查看正在运行的容器 docker ps a 查看所有容器 docker rm container id 删除容器 2 删除镜像 docker ima
  • FreeRTOS如何结束和重新启动调度程序

    大多数主机或桌面系统 xff08 比如Linux xff0c Mac或Windows xff09 都有一个正常的用例 xff0c 你可以在早上启动操作系统 xff0c 然后在晚上关闭它 xff0c 然后你就离开机器 嵌入式系统是不同的 xf
  • [显存被占满,程序无法运行问题]ResourceExhaustedError (see above for traceback): OOM when allocating tensor

    最近在实验室的服务器上跑tensorflow程序 xff0c 一直都没有报错 xff0c 但是今天却突然报错 xff0c 而且出错提示显示的内容从未见到过 xff0c 错误提示如下 xff1a 错误提示资源耗尽 xff0c 无法分配tens
  • 解读神经网络十大误解,再也不会弄错它的工作原理(转载自机器之心)

    神经网络是机器学习算法中最流行和最强大的一类 在计量金融中 xff0c 神经网络常被用于时间序列预测 构建专用指标 算法交易 证券分类和信用风险建模 它们也被用于构建随机过程模型和价格衍生品 尽管神经网络有这些用处 xff0c 但它们却往往
  • 树莓派 Raspberry Pi VNC屏幕无法显示、软键盘、摄像头实时图传、固定IP等环境配置

    目录 1 VNC屏幕无法显示 2 树莓派软键盘安装 3 摄像头实时图传配置 xff0c 可用于图像监控系统 4 安装VIM与固定IP 1 VNC屏幕无法显示 在树莓派终端 xff0c 输入 sudo raspi config 选择接口配置
  • 在Jetson上配置RealSense相机驱动

    1 下载源码 https github com IntelRealSense librealsense span class token builtin class name cd span librealsense scripts set
  • aruco marker使用笔记

    在英伟达Jetson Xaiver开发板上配置 SDK环境 opencv 4 1 1 CUDA 10 2 1 git clone https github com pal robotics aruco ros 2 复制到catkin ws
  • catkin_make命令

    catkin make是在catkin工作区中构建代码的便捷工具 catkin make遵循catkin工作区的标准布局 xff0c 如REP 128中所述 用法 假设您的catkin工作区位于 catkin ws中 xff0c 则应始终在
  • docker容器中运行界面程序

    Docker比较常用的场景是 运行无界面的后台服务 或者 运行Web服务 不过有时出于个人的喜好或特定的需求 xff0c 我们会希望在Docker中运行带图形界面的应用程序 将容器中的图形界面展示到外部的一般性思路 xff1a 目前Unix
  • linux录屏

    Linux下好用的录屏软件是kazam录屏后视频处理软件kdenlive根据剪辑好的视频撰写解说词 xff0c 使用讯飞配音app将解说词文字转换为语音mp3将语音与视频通过kdenlive软件合成在一起 xff0c 完美的演示视频诞生了
  • 【python】conda和pip安装库之间的区别

    conda 首先 xff0c conda是一个通用的包管理器 xff0c 意思是什么语言的包都可以用其进行管理 xff0c 自然也就包括Python了 在安装Anaconda或者Miniconda时 xff0c 会对conda进行一同安装
  • OpenHarmony-Overview_zh

    OpenHarmony开源项目 项目介绍 OpenHarmony是开放原子开源基金会 xff08 OpenAtom Foundation xff09 旗下开源项目 xff0c 定位是一款面向全场景的开源分布式操作系统 OpenHarmony
  • 【python量化】用时间卷积神经网络(TCN)进行股价预测

    写在前面 下面这篇文章首先主要简单介绍了目前较为先进的时间序列预测方法 时间卷积神经网络 xff08 TCN xff09 的基本原理 xff0c 然后基于TCN的开源代码 xff0c 手把手教你如何通过时间卷积神经网络来进行股价预测 xff
  • 【python量化】将Transformer模型用于股票价格预测

    写在前面 下面的这篇文章主要教大家如何搭建一个基于Transformer的简单预测模型 xff0c 并将其用于股票价格预测当中 原代码在文末进行获取 1 Transformer模型 Transformer 是 Google 的团队在 201
  • 解读:基于GCN的股票预测模型

    前言 xff1a 自ICLR2017首次提出图卷积神经网络 xff08 GCN xff09 的概念 xff0c 该模型在节点分类 边预测等任务上表现出了出色的性能 在传统因子选股模型中 xff0c 常常将股票视为独立的个体 xff0c 但事
  • 【python量化】基于backtrader的深度学习模型量化回测框架

    写在前面 在本文中 xff0c 我们将介绍使用PyTorch构建一个深度学习模型 xff0c 并将其集成到backtrader回测框架中 具体地 xff0c 我们将使用PyTorch来实现一个长短期记忆神经网络 xff08 LSTM xff
  • 【量化交易】股票价格前复权与后复权的区别以及注意事项

    时不时就会看到到底是用股票前复权还是后复权价格的讨论 xff0c 比如下面就是一个很经典的问法 xff1a 我用前复权价格计算指标的时候 xff0c 发现会出现负价格 xff0c 就没法取log了 xff0c 应该是分红太多导致的 xff0