A 股全市场日频选股回测记录：从数据接入到复权对齐的工程细节

摘要：本文记录了用全量A股做日频选股回测的完整过程，重点分析复权因子方向选择对回测绩效的影响，以及在 vnpy 中封装统一 DataFeed 的工程实践。

一、策略写了三天，数据接了五天

全量 A 股做日频选股回测，策略代码写了 3 天，数据接入修了 5 天。

关键问题不是代码量，是复权因子方向用反了——前复权价格算信号，后复权净值算绩效，敞口漂了 0.3%，半年累积偏离 17%。回测年化 22%，实盘只剩 6%，不是过拟合，是两把不同的尺子量了同一段行情。

全市场回测最被低估的工程债：数据中间件的维护成本，远高于策略开发本身。下面按数据接入、复权对齐、vnpy 对接三个环节逐一记录。

二、复权因子对齐：为什么后复权是唯一解

这是全市场回测里最容易踩碎的坑。

股票在分红、送股、拆股后，价格会产生断崖式跳变。复权因子通过乘法链将这些断点衔接起来，让价格序列连续。

A 股 T+1 制度下，选股信号在今天收盘后生成，明天开盘才能交易。前复权会不断改变历史价格——11 月 10 日生成的信号，到了 11 月 20 日除权后，前复权价格一变动，历史信号对应的价格就不是当时看到的那一个了。后复权是固定的：上市第一天的价格钉死不动，后续只加复权因子。

使用时，把 K 线数据灌进回测引擎前，对每一根 bar 做复权计算。kline 接口返回原始价格（close），复权因子需用户自行维护后与 kline 数据对齐。注意别用 last_price 做计算——那是 ticker 快照字段，不带复权因子。

实际应用中常见的两个坑：一是不同数据源拼接时基准日不统一，导致复权因子链在拼接点断裂；二是 ticker 和 kline 字段混淆，ticker 用 high_24h/volume_24h，kline 用 high/volume，日频 K 线会全部偏差。优化方式是单独拉取复权因子序列缓存，向量化计算——用 kline 的 close 做基础价，配合本地缓存的因子列一次性做矩阵乘法，全量品种的复权对齐可以快速跑完。

三、vnpy DataFeed 对接

vnpy 回测引擎要求 DataFeed 提供规范的 BarData 结构，数据源里缺一个字段或者时区不对，回测会静默失败——不报错，只输出错误的绩效数字。

日频回测中，今日生成的信号只能在下一交易日执行（A 股 T+1），引擎里的信号日期和交易日期必须偏移一天。

四、代码实录

三段代码可以直接跑，依赖 requests、sqlite3、numpy 和 vnpy。

Step 1：拉取 A 股全量品种列表并缓存

import os
import time
import sqlite3
import requests
from typing import List, Dict

API_KEY = os.getenv("TICKDB_API_KEY")          # 绝不硬编码密钥
BASE_URL = "https://api.tickdb.ai/v1"
HEADERS = {"X-API-Key": API_KEY}

def fetch_all_a_stock_symbols() -> List[Dict]:
    """通过 /v1/symbols/available 枚举全量 A 股品种，指数退避处理限流，SQLite 批量缓存。"""
    conn = sqlite3.connect("tickdb_cache.db")
    conn.execute(
        "CREATE TABLE IF NOT EXISTS symbols (symbol TEXT PRIMARY KEY, name TEXT, exchange TEXT)"
    )
    
    # 先尝试读本地缓存
    cached = conn.execute("SELECT COUNT(*) FROM symbols").fetchone()[0]
    if cached >= 6000:
        return [{"symbol": r[0], "name": r[1], "exchange": r[2]}
                for r in conn.execute("SELECT symbol, name, exchange FROM symbols")]
    
    # 正确端点：品种列表 /v1/symbols/available，不是 ticker 快照
    url = f"{BASE_URL}/symbols/available"
    backoff = 1
    symbols = []
    page = 0
    
    while True:
        try:
            params = {"market": "CN", "type": "stock", "limit": 500, "offset": page * 500}
            resp = requests.get(url, headers=HEADERS, params=params, timeout=10)
            data = resp.json()
            
            if data["code"] == 3001:          # 限流，指数退避
                time.sleep(backoff)
                backoff = min(backoff * 2, 8)
                continue
            if data["code"] == 1001:          # 权限或参数错误，阻断报错
                raise RuntimeError(f"API Error 1001: {data.get('message')}")
            if data["code"] != 0:
                raise RuntimeError(f"Unexpected error {data['code']}: {data.get('message')}")
            
            batch = data["data"]["products"]   # data 是嵌套对象，products 才是品种数组
            rows = []
            for item in batch:
                sym = item["symbol"]           # 如 600519.SH, 300750.SZ
                name = item.get("name", "")
                ex = item.get("exchange", "")
                symbols.append({"symbol": sym, "name": name, "exchange": ex})
                rows.append((sym, name, ex))
            
            # 批量写入，避免逐条触发 fdatasync()
            conn.executemany("INSERT OR REPLACE INTO symbols VALUES (?, ?, ?)", rows)
            conn.commit()
            
            if len(batch) < 500:
                break
            page += 1
            backoff = 1
            
        except requests.exceptions.Timeout:
            time.sleep(1)
        except Exception as e:
            print(f"拉取中断: {e}, 已获取 {len(symbols)} 只品种")
            break
    
    conn.close()
    return symbols

核心是指数退避重试加批量缓存。返回字段中 code 显式判断 3001 限流和 1001 阻断，避免静默失败。全量拉取建议走 WebSocket 长连接（端点：wss://api.tickdb.ai/v1/realtime），减少反复建连开销。

Step 2：日频 K 线批量拉取

from datetime import datetime

def fetch_kline_batch(symbols: List[str], start_date: str, end_date: str):
    """逐只拉取日频 K 线。优先解析 Retry-After 做限流背压。"""
    url = f"{BASE_URL}/market/kline"
    backoff = 1
    result = {}
    
    for sym in symbols:
        params = {
            "symbol": sym,                    # 单数
            "interval": "1d",                 # 不是 period
            "start_time": start_date,
            "end_time": end_date
        }
        try:
            resp = requests.get(url, headers=HEADERS, params=params, timeout=10)
            data = resp.json()
            
            if data["code"] == 3001:
                # 优先读取 Retry-After 头部，服务端精确指示等待时长
                retry_after = resp.headers.get("Retry-After")
                wait = int(retry_after) if retry_after else backoff
                time.sleep(wait)
                backoff = min(backoff * 2, 8)
                continue
            if data["code"] == 1001:
                continue
            if data["code"] != 0:             # 其他非 0 错误码统一跳过
                continue
            
            bars = data["data"]["klines"]      # data 是嵌套对象，klines 才是 K 线数组
            for b in bars:
                # kline 实际返回字段：open, high, low, close, volume, quote_volume
                # kline 返回原始价格（close），复权因子需用户自行维护后对齐
                # 接入前先 print(bars[0].keys()) 确认字段名后，替换下方乘法逻辑
                b["adj_close"] = float(b["close"])  # 待替换为 close × 自行维护的复权因子
                b["close"] = float(b["close"])
                b["open"] = float(b["open"])
                b["high"] = float(b["high"])
                b["low"] = float(b["low"])
                b["volume"] = float(b.get("volume", 0))
                b["datetime"] = datetime.utcfromtimestamp(b["time"] / 1000)  # 毫秒 UTC
            result[sym] = bars
            backoff = 1
            
        except Exception as e:
            print(f"拉取 {sym} 失败: {e}")
            continue
    
    return result

核心是字段映射与复权因子的向量化使用，而不是简单数据请求。kline 和 ticker 的字段名体系不同，一步写错全部偏差。限流处理优先解析 HTTP 头部 Retry-After，服务端给什么等什么，不给才退避指数自算。

Step 3：封装 vnpy DataFeed

from vnpy.trader.constant import Exchange, Interval
from vnpy.trader.object import BarData
from vnpy.trader.datafeed import BaseDataFeed

class TickDBDataFeed(BaseDataFeed):
    """用 TickDB 统一接口提供 A 股全量数据，灌入 vnpy 回测引擎。"""
    
    def __init__(self, symbols: List[str], start: str, end: str):
        self.symbols = symbols
        self.start = start
        self.end = end
        self._data = fetch_kline_batch(symbols, start, end)
    
    def query_bar(self, symbol: str, interval: Interval, start: datetime, end: datetime):
        bars = []
        if symbol not in self._data:
            return bars
        
        for b in self._data[symbol]:
            bar_time = b["datetime"]
            if start <= bar_time <= end:
                bar = BarData(
                    symbol=symbol.split(".")[0],
                    exchange=Exchange.SSE if symbol.endswith(".SH") else Exchange.SZSE,
                    datetime=bar_time,
                    interval=Interval.DAILY,
                    open_price=b["open"],
                    high_price=b["high"],
                    low_price=b["low"],
                    close_price=b["adj_close"],   # 灌入复权后价格
                    volume=b["volume"],
                    gateway_name="TICKDB"
                )
                bars.append(bar)
        return bars

核心是把带复权的 adj_close 灌入引擎，vnpy 不再面对多个数据源的字段名差异。

五、维护的本质是一个数据中间件

没有统一 API 时，实际面对的工程困境：

TickDB 在这个场景下解决的是工程层面的收敛问题：一个 REST + WebSocket 长连接覆盖 A 股，字段命名、鉴权方式、UTC 毫秒时间戳保持一致。

六、你的复权因子用对了方向吗？

一个朋友问：“回测年化 22%，实盘只剩 6%，是不是过拟合？”

我让他截图 DataFeed 代码，第 42 行用的是前复权 close，资金曲线计算用的却是后复权净值。

这不是过拟合，是用两根不同的尺子量了同一段行情。

你上一次检查自己的复权坐标，是什么时候？

📡 数据由 TickDB.ai 提供

本文不构成任何投资建议。文中 A 股品种代码 600519.SH、300750.SZ、688981.SH 仅为代码示例。API 端点与字段定义以 TickDB 官方文档为准，可搜索查阅。

通过 TickDB API 获取实时行情数据

一个 API 接入外汇、加密货币、美股、港股、A股、贵金属和全球指数的实时行情。支持 WebSocket 低延迟推送，免费开始使用。