数据质量差，策略再好也是白搭
很多人刚开始做量化，脑子里全是因子、模型、参数优化。代码敲得飞起，回测曲线漂亮得像艺术品。一上实盘，亏得亲妈都不认识。问题出在哪？十有八九，出在数据上。
量化交易接口给什么数据，你的策略就只能吃什么料。料不新鲜，做出来的菜能好吃吗？
低频垃圾数据是怎么坑你的
大部分免费接口提供的是日线数据。开盘价、最高价、最低价、收盘价、成交量，五个数。看起来够用了。你拿这个数据去回测一个均线策略，发现年化收益百分之三十，最大回撤只有百分之八。兴奋得睡不着觉。
实盘一跑，第一周就亏了五个点。为什么？因为免费日线接口的收盘价经常是集合竞价的最后一笔，或者干脆是交易所的官方结算价。这个价格你根本成交不了。你的策略假设自己能在收盘价买入，实盘里那个时间点你挂单都挂不进去。
更隐蔽的坑是复权处理。很多接口的复权数据只做了前复权，遇到大比例分红送股，历史价格直接跳变。你的策略回测时看到一根巨大的阴线，以为是暴跌信号，赶紧止损。实际上那天公司只是除权了。这种假信号吃进去，策略参数全被带偏。
高频数据缺失让套利变翻车
做期货高频或者跨期套利的朋友，对数据质量更敏感。两个合约的价差策略，依赖的是同一时间戳的tick数据。接口A给的螺纹钢主力合约tick，成交时间戳精确到毫秒。接口B给的次主力合约tick，时间戳是交易所快照的五百毫秒一次。你把两个拼在一起算价差，等于拿北京时间对纽约时间，套利信号全是假的。
还有成交量字段。有些接口的tick数据只给最新价和买卖一档报价，不给真实成交量。你想做量价配合的策略，看到价格突破挂单进去，结果发现那突破是有人用冰山指令对倒出来的，真实成交为零。这种数据骗线，程序交易里一踩一个准。
数据多样性决定策略能活多久
只有一个价格序列，你能做的策略无非是动量、反转、均线。市场风格一切换，策略就失效。数据多样性不够，策略天生就是瘸腿的。
光有K线做不出好策略
期货交易离不开基差、库存、持仓结构。你做螺纹钢的策略，接口只给K线，不给仓单日报和主力持仓龙虎榜。黑色系一搞环保限产，库存数据暴降，你完全不知道，策略还在那傻乎乎地做空。
股票量化更明显。财务数据接口如果只给净利润和营收，不给应收账款周转率和经营现金流，你根本分不清这家公司是真赚钱还是纸面富贵。很多暴雷的白马股，暴雷前一个季度的现金流数据已经很难看了。接口不提供这个字段，你的多因子模型就缺了最关键的一块拼图。
另类数据的价值不在多而在对
现在市面上卖另类数据的供应商很多，什么卫星图像、招聘广告、APP下载量。别贪多，先想清楚你的策略逻辑需要什么数据来验证。做消费股策略，接口能提供重点商场的客流数据，比买一堆莫名其妙的舆情数据有用得多。
数据多样性不是让你把能买的数据全塞进模型。是让你在验证一个投资逻辑时，有不同维度的数据相互印证。你觉得螺纹钢要涨，因为库存低。接口再给你一个高炉开工率数据，发现开工率也在降，供应端确实在收缩，两个数据方向一致，你的持仓才敢上仓位。
怎么在接口数据上做体检
拿到一个量化接口，别急着跑策略。先做三件事。
数据完整性交叉验证
同一家交易所的同一只股票，用两个不同来源的接口各拉一遍日线数据。对比收盘价和成交量。如果差异超过千分之一，说明至少有一个接口的数据清洗有问题。大宗交易或者盘后固定价格交易的合并方式不同，会导致收盘价对不上。找出差异原因再决定用哪个。
期货数据要看夜盘衔接。接口给的日线数据，夜盘算在前一天还是后一天，直接影响你的隔夜持仓判断。搞错了，你的策略会把周五夜盘的涨幅算到周一，周一开盘的跳空直接让你的止盈单失效。
时间戳对齐测试
做日内策略或者高频策略，tick数据的时间戳对齐是命门。写个脚本，把你策略用到的所有数据源按毫秒级排序，看同一时刻的报价是否一致。股票Level2数据，交易所快照间隔三秒。有些接口说是逐笔，实际是快照合成。你策略计算盘口失衡时用的买卖量，如果混入了非真实挂单的虚拟队列，信号衰减会非常严重。
期货tick还得看交易所撮合规则。郑商所的tick和上期所的tick，快照频率和字段定义都不一样。接口不做标准化处理，你的程序交易代码里就得写一堆if-else来适配不同品种，维护成本高不说，还容易出错。
回测与实盘的成本模拟
数据质量好不好，最终要用钱来检验。拿同一套策略逻辑，用A接口和B接口的数据分别回测。A接口回测年化百分之二十，B接口只有百分之十二。别急着高兴，先去看看两个数据集的差异在哪。往往是B接口的数据包含了更多的成交滑点和手续费结构。
用A接口回测出来的高收益，实盘跑三个月，滑点吃掉八个点。相当于你回测里假设自己能按收盘价成交，实际上开盘价和收盘价差了一个点，一天交易两次就是两个点，一年二百多个交易日，光滑点就吃掉一倍的本金。数据接口不告诉你历史盘口的深度和价差，回测里就得自己把滑点参数设狠一点。
数据清洗的笨办法最管用
别迷信供应商说的零清洗。拿到数据先做异常值检测。价格连续三个tick不变，但成交量在飙，大概率是接口在丢包。日线数据里最高价小于开盘价，这种低级错误都出现过。
期货主力合约切换时的价格跳空，必须做后复权处理。接口给的主力连续数据如果是简单拼接，换月那天价格直接断层，你的跨期套利策略回测时看到价差突然拉大，进场就被套。写个脚本把每个品种的换月规则搞清楚，手动调整价格序列，比用接口默认的拼接方式靠谱得多。
股票分红除权数据，别依赖接口自动前复权。自己拿除权除息公告算一遍，拿调整后的价格序列和接口给出的对比。对不上就说明接口的复权因子有问题。这个基础工作做扎实了，后面调因子参数才有意义。
量化交易的尽头是细节。接口给的数据是原材料，策略是菜谱，实盘是厨房。原材料不新鲜，菜谱写得再花哨，端出来的菜也没人敢吃。花在数据清洗和验证上的时间，最终都会体现在实盘账户的回撤控制上。
