数据选不对，策略全白费
做量化交易的人有个共识：数据是地基，策略是房子。地基歪了，房子盖得再漂亮也得塌。很多散户刚开始搞量化，眼睛只盯着策略收益率，却忽略了最底层的数据问题。等到实盘亏了钱才回头找原因，发现是数据源出了岔子——要么是价格不连续，要么是成分股带了幸存者偏差，要么是时间粒度对不上策略频率。这篇文章就用大白话把数据源和级别这件事掰开揉碎讲清楚，让你少踩几个坑。
数据源怎么挑 先看这三个硬指标
质量比数量重要一百倍
市面上的数据源五花八门，免费的、付费的、券商的、第三方的，挑花眼很正常。判断一个数据源能不能用，第一看准确性。举个最简单的例子，同一只股票同一天的收盘价，两个数据源差了一分钱，回测结果可能就天差地别。怎么验证准确性？拿几个关键日期的数据跟交易所官方披露的核对，尤其是除权除息日、停牌复牌日这些特殊节点，最容易暴露数据源的清洗水平。
第二看完整性。A股有几千只股票，十几年历史，数据源要是缺了某段时间的行情，或者漏了某些股票的ST阶段，回测出来的收益率就是假的。完整的含义还包括退市股票——很多免费数据源只保留还在交易的股票，退市的直接删掉，这就埋下了幸存者偏差的雷。你的策略回测时只看到活下来的公司，当然觉得赚钱容易，实盘一上就傻眼。
第三看时效性。做日线级别策略，收盘后半小时拿到数据算正常。做日内高频，延迟超过一秒的数据基本没法用。时效性跟成本直接挂钩，免费数据源通常延迟大，付费的才给实时推送。先想清楚自己的策略频率，再去匹配数据源的更新速度，别花冤枉钱买用不上的实时数据。
幸存者偏差和未来函数是两把暗刀
幸存者偏差刚才提了一嘴，这里展开说。假设你回测2015年到2023年的策略，用的是2024年还在交易的股票池。那些2016年熔断后退市、2020年财务造假被强制退市的股票全不在样本里。你的策略天然避开了所有暴雷股，收益率当然好看。真实情况是，当年你根本不知道哪只股票会退市。解决这个问题只能靠包含退市股票的全样本数据源，贵是贵点，但这是做严肃回测的底线。
未来函数更隐蔽。有些数据源会把财报的发布日期和报告期搞混，你以为是2019年4月30日才知道2018年年报的数据，结果数据源把2018年12月31日就标成了可用日期。策略回测时提前四个月用上了财报信息，这不叫预测，叫作弊。挑选数据源时一定问清楚：财务数据的发布日期字段是否独立存在，能不能精确到公告日。没有这个字段的数据源，做基本面量化就是自欺欺人。
数据级别怎么定 跟着策略频率走
从Tick到日线 每一层都有适用场景
数据级别通俗讲就是时间粒度。Tick数据是每笔成交的切片，最细；分钟线是一分钟一根K线；日线是一天一根。级别越细，数据量越大，对存储和计算的要求越高。散户容易犯的错是盲目追求高频数据，觉得Tick数据显得专业，结果策略逻辑根本用不上那么细的粒度。
做日内趋势策略，至少要用分钟线，最好是五分钟或十五分钟线。做隔夜持仓的波段策略，日线足够用，配合一些分钟线数据做入场时机微调就行。做高频套利，Tick数据是刚需，还得配上盘口委托队列。选级别的核心原则只有一条：策略持仓周期多长，数据级别就比持仓周期细一个数量级。持仓三五天的策略用日线回测没问题，持仓几小时的策略用日线就完全失真了，因为日线抹掉了盘中所有波动信息。
回测和实盘的数据级别要一致
很多策略回测用日线，实盘却盯着分钟线做决策，这是典型的逻辑错配。日线策略的信号是收盘价触发，实盘就得等收盘前几分钟确认信号再下单。要是盘中看着分钟线波动就提前动手，等于把日线策略做成了日内策略，回测收益根本对不上实盘。数据级别在回测和实盘之间必须统一，要么都用日线收盘价，要么都用同一周期的分钟线收盘价。
还有个细节：复权方式。前复权、后复权、不复权，三种数据算出来的收益率完全不同。做回测通常用后复权，保证历史价格的真实性。实盘看盘用前复权，方便跟当前价格对比。数据源如果只提供一种复权方式，或者复权因子有错误，策略信号就会在除权日附近乱跳。选数据源时确认复权因子是否独立可查，这是很多人忽略的隐藏坑。
成本怎么控 别为用不上的精度买单
数据源和级别的选择最终绕不开钱。免费数据源适合练手和验证策略逻辑，但做严肃回测和实盘对接，付费是躲不掉的。控制成本的办法不是一味找便宜的，而是按需采购。日线策略买日线数据包就行，没必要上Tick库。基本面策略重点买财务数据和公告日期字段，行情数据用日线凑合也够。多品种策略注意数据源的覆盖范围，有些数据源股票全但期货品种少，做跨品种套利的就得另找期货数据源。
一个实用的省钱思路：先用免费数据源把策略逻辑跑通，确认有正期望收益后，再花钱买高质量数据做精细回测。很多策略在免费数据上看着能赚，换了干净数据就亏了，这种策略不值得投入数据成本。反过来，逻辑扎实的策略在粗数据上也能看出苗头，这时候再升级数据源和级别，钱花在刀刃上。
落地清单 选之前问自己五个问题
策略持仓周期是分钟级还是天级。数据源包含退市股票吗。财务数据有独立的公告日期字段吗。复权因子能单独获取吗。数据更新延迟满足策略要求吗。把这五个问题答清楚，数据源和级别的选择就不会出大错。量化交易拼到最后拼的是细节，数据就是最底层那个细节。地基打牢了，上面的策略楼才能盖得高、站得稳。
