回测必须使用比例法（涨跌幅复权法）来处理分红和配股导致的股价变动，因为它能准确反映“分红再投资”下的真实总收益率。文章通过例子证明，加减法复权会错误地低估复利效果，导致回测结果失真。最后推荐了 yfinance 和 TuShare 等提供比例法复权数据的 Python 数据源。
原文很啰嗦，gemini-2.5-pro 撰写，改为新模型重写。
为什么必须用“比例法”（涨跌幅复权）？
在量化回测中，股票价格会因为分红、拆股等行为出现“断层”。为了保证回测的真实性，我们必须对价格进行修复（复权）。比例法（也称涨跌幅复权法）是目前业界公认的标准方法。
通俗案例：什么是比例法？
核心逻辑：假设你拿到的分红，立刻在当天以收盘价重新买入了这只股票（分红再投资）。它保证了复权后的价格走势，与你满仓持有的总资产增长率完全一致。
【场景演示】
- 第1天：你花 100元 买入1股。
- 第2天（除息日）：公司发 10元 现金分红。
- 股价自然回落到 90元。
- 你的资产：90元股票 + 10元现金 = 100元（没亏没赚）。
- 第3天：股价上涨 10%，从90元涨到了 99元。
【比例法是如何记录的？】 比例法会通过调整历史价格，让K线图体现出这 10% 的真实涨幅。
- 它计算出的第3天涨幅：
(99 - 90) / 90 = 10%。 - 它构建的复权价格序列，会让你看到一条平滑上涨的曲线，真实反映了如果你把那10元分红买成股票，你的总资产实际上涨了10%。
为什么不能用“加减法”（价格复权）？
核心逻辑：加减法只是简单粗暴地把分红的钱“加”回到股价上。它最大的问题是破坏了收益率的真实性，导致回测失效。
通俗案例：加减法的陷阱
沿用上面的例子：
- 第2天：股价90元，分红10元。加减法处理后的价格 = 90 + 10 = 100元。
- 第3天：股价涨到99元（市场真实涨幅10%）。加减法处理后的价格 = 99 + 10 = 109元。
【问题出在哪？】 请计算加减法处理后的“涨幅”：
$$(109 - 100) / 100 = 9\%$$结论：市场明明涨了 10%，但用加减法算出来只有 9%。 因为加减法无视了复利效应——它默认那10元分红变成了死钱，没有参与第3天的上涨。随着时间推移，这种误差会越来越大，导致你的策略回测结果严重失真（通常会低估收益）。
推荐：支持“比例法”复权的 Python 数据源
在 Python 中获取数据时，请认准关键词 Adjusted (Adj) 或 复权。
Yfinance (Yahoo Finance) —— 国际通用，完全免费
最适合新手和研究美股/全球市场，默认提供比例法复权数据。
import yfinance as yf
# auto_adjust=True 会自动下载比例法复权后的数据
# 这里的 Close 字段已经是复权后的价格
df = yf.download('AAPL', start='2023-01-01', auto_adjust=True)
print(df.head())
Tushare —— 国内首选，数据规范
最适合研究 A 股，提供清晰的前复权（qfq）和后复权（hfq）选项。
import tushare as ts
ts.set_token('你的token')
pro = ts.pro_api()
# adj='qfq' 代表使用前复权（比例法）
df = pro.daily(ts_code='600519.SH', start_date='20230101', adj='qfq')
print(df.head())
Baostock —— 免费开源，无需积分
适合 A 股基础数据获取，同样支持复权参数。
import baostock as bs
import pandas as pd
bs.login()
# adjustflag="2" 代表前复权
rs = bs.query_history_k_data_plus("sh.600519",
"date,close,adjustflag",
start_date='2023-01-01',
frequency="d",
adjustflag="2")
# ...后续处理代码...
bs.logout()