分红与拆股事件本身
库会把 Dividends 与 Stock Splits 作为独立列返回（实测 AAPL 的 actions 表覆盖 1987 年起、共 97 行记录）。把它们与价格序列对照，是发现复权异常的实用手段。详见分红拆股与价格修复页。
yfinance 复权语义 · Close、Adj Close 与 auto_adjust
Close、Adj Close 与 auto_adjust：那一列到底去哪了？
这是本站认为最值得先弄懂的一处语义：auto_adjust 取默认值 True 时，Adj Close 这一列不是一个近似值，而是整列消失——因为实现把复权比率乘进了 OHLC 并重命名，再把原始价格列删掉。于是「我明明记得有 Adj Close」和「代码里 KeyError: 'Adj Close'」会同时出现。本页把源码级语义、实测列变化、A 股复权价证据与回测口径影响一次讲透。
Adj Close ÷ Close
把比率乘进 OHLC
删除原始 OHLC
重命名并返回
yfinance · Source
源码级语义：auto_adjust 到底做了什么
下面这段实现取自官方仓库（固定 commit），删去了注释与空行，逻辑一字未改。
def auto_adjust(data):
col_order = data.columns
df = data.copy()
ratio = (df["Adj Close"] / df["Close"]).to_numpy()
df["Adj Open"] = df["Open"] * ratio
df["Adj High"] = df["High"] * ratio
df["Adj Low"] = df["Low"] * ratio
df.drop(["Open", "High", "Low", "Close"], axis=1, inplace=True)
df.rename(columns={
"Adj Open": "Open", "Adj High": "High",
"Adj Low": "Low", "Adj Close": "Close"
}, inplace=True)
return df[[c for c in col_order if c in df.columns]]逐行看三件事：①复权只用到
Adj Close / Close 这一个比率，所以成交量不做复权；②原始的 OHLC 四列被直接 drop 掉，想同时保留就得自己再取一次；③最后按原列顺序过滤，因此 Adj Close 不在返回结果里。yfinance · Measured
auto_adjust 怎么影响列：同一标的只改一个参数的实测对照
下表是本站对 AAPL、period="1mo" 的实测结果（0.2.58 与 1.7.0 一致）。
| 调用 | 行数 | 列数 | 列清单 | 结论 |
|---|---|---|---|---|
history(period="1mo") | 22 | 7 | Open, High, Low, Close, Volume, Dividends, Stock Splits | 默认即复权：Close 已是复权价，没有 Adj Close |
history(period="1mo", auto_adjust=True) | 22 | 7 | 同上 | 与默认完全一致 |
history(period="1mo", auto_adjust=False) | 22 | 8 | 上列 + Adj Close | 同时拿到原始 Close 与 Adj Close |
history(period="1mo", auto_adjust=None) | 22 | 8 | 同上 | None 不是 True：显式传 None 仍保留 Adj Close |
history(period="1mo", actions=False) | 22 | 5 | Open, High, Low, Close, Volume | 去掉事件列，价格仍为复权口径 |
history(period="1mo", repair=True) | 22 | 8 | 7 列 + Repaired? | 修复与复权是两个独立开关，可叠加 |
可复现的最小断言：
set(raw.columns) - set(adj.columns) == {"Adj Close"}。本站实测该断言在两代版本上都成立——如果你跑出来不是这个结果，说明还有别的参数在起作用。yfinance · Semantics
三种口径怎么选：场景 → 选项 → 理由
不要把口径当成风格偏好，yfinance 的 auto_adjust 直接决定你的数字代表什么。
| 你的场景 | 该选哪个口径 | 理由 | 注意点 |
|---|---|---|---|
| 算收益、夏普、最大回撤等指标 | auto_adjust=True（默认） | 复权价把分红拆股的影响连续地体现在价格里，收益序列才连续 | 此时 Close 不是真实成交价，不要拿去和行情软件对价 |
| 展示「当时股价是多少」 | auto_adjust=False，取 Close | 未复权收盘价才对应当天的真实报价 | 分红除权日会出现价格跳空，那不是行情下跌 |
| 要同时看两种口径 | auto_adjust=False，同时用 Close 与 Adj Close | 一张表里两个列都在，便于交叉检查 | 两列不要混着进同一个收益计算 |
| 核对 Yahoo 的复权是否正确 | repair=True + auto_adjust=False | repair 会新增 Repaired? 列标记被修过的行 | repair 只在 1 日线口径下生效，详见分红修复页 |
| A 股做回测 | auto_adjust=True | 本站实测 A 股默认返回的就是复权价，直接可用 | 记得确认你复现的不是「行情软件的两位小数价」 |
| 跨市场批量对比收益率 | auto_adjust=True + 分开处理各市场日历 | 并集表会出现 NaN，直接算收益会引入空洞 | 详见取数结构页的并集与 dtype 说明 |
yfinance · Get both
想同时拿到 Close 与 Adj Close 怎么写：一段可直接复用的代码
如果你既要复权收益、又要真实价格，不要靠记忆切换参数，直接取两次并显式对齐。
import yfinance as yf
import pandas as pd
t = yf.Ticker("AAPL")
p = "1y"
real = t.history(period=p, auto_adjust=False) # 真实价 + Adj Close
adj = t.history(period=p, auto_adjust=True) # 全复权，无 Adj Close
# 对齐后放进一张表：Close 是真实价，Ret_* 是两种口径的日收益
out = pd.DataFrame(index=real.index)
out["Close_real"] = real["Close"]
out["Adj_Close"] = real["Adj Close"]
out["Ret_from_Close"] = real["Close"].pct_change() # 未复权口径
out["Ret_from_AdjClose"] = real["Adj Close"].pct_change() # 复权口径
out["Ret_from_auto_adjust"] = adj["Close"].pct_change() # 与上一列应一致
gap = (out["Ret_from_AdjClose"] - out["Ret_from_auto_adjust"]).abs().max()
print("max diff:", float(gap)) # 复权口径的两种取法应当非常接近为什么要跑这个对比：它同时验证了你理解的口径与库实现的口径是否一致。如果这一行的差值异常大，先查是不是取数区间不同、或某个来源被
repair 动过。yfinance · Boundary
除了复权口径，还有哪些因素会改变你的结论？
价格口径只是其中一层，下面两件事同样会让「看起来一样的数据」算出不一样的收益。
Yahoo 侧的价格错误
官方 price repair 文档自述「Only US market data appears perfect」，并列出漏做分红调整、100 倍货币错位、除权日错位等错误类型。repair=True 可以修一部分，但它本身也有假阳性风险。
时区与交易日历
同一段自然时间在不同市场对应的交易日数不同（实测 1 个月窗口：美股 22 行、A 股 17 行）。跨市场比较收益率时，先对齐日历再谈口径。
FAQ
yfinance 常见问题
下面的回答都指向可核验的官方文件或本站实测；与官方表述冲突时，以官方仓库与 docs 为准。
yfinance 的 Close 和 Adj Close 有什么区别？
Close 是当日收盘价，Adj Close 是把分红与拆股等事件回溯调整后的收盘价。做收益序列要用复权口径，做真实点位/价格判断要用原始收盘价。本站实测：默认 auto_adjust=True 时表里只有 Close（它已经是复权价），auto_adjust=False 时才会同时出现 Close 与 Adj Close。
为什么设了 auto_adjust=True，Adj Close 就找不到了？
因为实现在复权后把该列删掉了。源码 utils.auto_adjust() 的逻辑是：先算 ratio = Adj Close / Close，把 ratio 乘到 Open/High/Low 上，然后 drop(["Open","High","Low","Close"])，再把 Adj Open/Adj High/Adj Low/Adj Close 重命名回原名。所以最终列集合是 Open/High/Low/Close/Volume（外加事件列），没有 Adj Close 这一项。
只记住一句话：默认到底是不是复权价？
默认 auto_adjust=True，即默认拿到的就是复权价。download() 运行时还会打印一行提示：YF.download() has changed argument auto_adjust default to True。本站实测两代版本都会打印这行，说明这是有意的默认值调整，不是巧合。
为什么我取 A 股，价格和行情软件对不上？
很可能因为默认复权。本站实测 000001.SZ（平安银行）在 period="1mo" 下的收盘价是 11.4488 这类带多位小数的值，而不是行情软件上的两位小数成交价——这就是复权后的结果。要真实成交价请显式 auto_adjust=False 并取 Close 列。
yfinance 的 auto_adjust 和 back_adjust 有什么不同？
官方签名里两个参数都在：auto_adjust 是把复权比率乘进价格列并去掉 Adj Close；back_adjust 是另一套向后调整的语义。两者默认分别为 True 与 False。本站实测覆盖了 auto_adjust 的 True/False/None 三种取值，back_adjust 的取值差异请以官方实现为准，本站不做未经实测的断言。
复权口径选错，对回测结果影响有多大？
影响的是「你回测的到底是什么」。用未复权价算收益，会把除权除息当成一次真实的暴跌；用复权价判断「当时股价是多少钱」则会失真。本站的建议是：收益与指标一律用复权价，价格展示与点位判断用未复权价，并在代码里显式写出你选了哪个口径，而不是依赖默认值。具体检查清单见数据审计与回测页。