经常有人跟我说xm外汇，发现了一个很厉害的策略，年化收益很高；或者在某个策略研究报告、财经论文里看到了一个很有意义的结论等等。

但我对这些总体上是持怀疑态度的，其中一个重要原因就是他们得出结论的原始数据可能有问题。

因为我知道汇编干净、可用的历史数据有多么困难，并且有多少陷阱。

很多人也发现自己的策略历史回测表现不错，但是在量化投资过程中实际表现却不理想，这也很可能是底层数据存在问题。

俗话说：进则出。原始数据是垃圾，那么策略怎么可能不垃圾呢？

本文将讨论整理历史股票数据时经常遇到的陷阱，以帮助您避免这些问题。

01 退市股票不纳入

中国最有名的商业金融数据库是Wind。

在Wind客户端的股市序列中，可以导出A股全部每日的行情数据：

截至目前，A股共有3699只股票

很多没有经验的学生下载了这些数据，并兴奋地开始研究量化策略，甚至撰写学术论文。

但其实这样做是有问题的。

因为这些股票不包括已经退市的。比如说图中后面还有一只。为什么不包括呢？因为已经退市了。

当你的策略回测是基于这种不完整的股票数据的时候，就会出现误差，因为今天我们知道这些股票已经退市了，但是当时我们在选股的时候，并不知道未来哪些股票会退市。

而且往往退市股票的表现都会很差，所以剔除退市股票，相当于提前打开“天眼”，剔除一些垃圾股，间接利用了“未来功能”，会让你的策略表现“更好”。

这种偏见有一个专业术语，叫做“幸存者偏见”。

A股市场退市股票有百余只，占比不算高，但美股、港股退市现象十分普遍，如果不计入退市股票数据，策略结果会严重失真。

所以不管我们从哪里获取股票数据，我们都要检查其中是否包含退市股票。

二战期间，人们发现幸存的飞机中，机翼被击中次数较多，而机身被击中次数较少，因此认为应该加固机翼。但事实上恰恰相反，因为机身被击中的飞机没有飞回来，所以应该加固机身。这也是典型的“幸存者偏差”

02 股票原名称

A股上市公司经常会更名外汇实盘交易论文，一个常见的更名原因是业绩不达标，被迫在名字前加ST，即所谓的ST股。

下图是这只股票上市以来的更名历史，很长一段时间都叫ST江志，后来又相继更名为中江地产、九鼎投资。

以下是从Wind客户端的行情序列下载的2003年5月12日至5月30日的股票数据，可以看出，这段时间的股票名称应该是“*ST江志”，但Wind在下载数据时只是简单地将其替换为最新的名称“九鼎投资”。

Wind江西纸业数据截图

那么这样的数据是有问题的。

如果股票名称中带有“ST”字样，则每日涨跌停板幅度将从10%降至5%，但在Wind的行情数据中，该股票名称一直为九鼎投资，并未标注其在哪一天被ST。

如果用这个数据来算涨跌停板的话，只会按照10%来算，有时候即使5%触发了ST涨跌停板，也会被当做没有涨跌停板来处理。

这样就会导致我们的一些交易策略被扭曲，比如你选中某只股票，你以为当时可以买入，但实际上当时这只股票处于ST涨停状态，你根本就买不到。

之前看到过一些策略的选股记录，选的股票全部是连续涨停的ST股，这样的策略结果看上去很“美好”，但其实是不可能实现的。

因此当我们获取一条股票数据的时候，一定要检查它的历史名称是否正确，否则策略回测结果的真实性就会大大降低。

03 不关注财务报告发布时机

上市公司每年必须发布四次财务报告，交易所规定了发布的时间段：

第一季度报告：4月1日—4月30日。

第二季度报告（年中报告）：7月1日—8月30日。

第三季度报告：10月1日-10月31日

第四季度报告（年度报告）：1月1日—4月30日。

比如2018年第二季度财报，最早的是博腾股份，于7月31日发布，最晚的是格力电器，于8月31日发布。

例如2019年10月份，正是三季报发布的时候，可以发现外汇实盘交易论文，尚未发布报告的公司，根本无法获取相关财务数据。

Wind数据界面截图