yfinance 数据审计 · 从取数到回测的最后一道关

数据质量审计：这份 yfinance 数据能不能拿去回测？

Q: 取到数据之后，最少要检查哪几项？

本站建议的顺序是：①是否为空表；②索引是否重复；③索引是否单调递增；④索引时区是否符合预期；⑤OHLC 是否满足 High ≥ max(Open,Close) ≥ min(Open,Close) ≥ Low；⑥是否存在负价格；⑦涨跌幅是否有极端跳点；⑧分红拆股事件与价格是否一致；⑨最近一行日期是否为预期的最新交易日；⑩跨市场表里 NaN 的分布。前四项能筛掉绝大多数「看起来有数据、其实不能用」的情况。

Q: 为什么要检查「索引是否重复」？

因为下游所有基于位置的运算都会因为重复日期而错位：pct_change()、shift()、按日重采样都会给出错误结果，而且往往不报错。本站实测的干净样本（AAPL 一个月日线）重复数为 0，但这不代表所有标的都如此，尤其是你自己拼接多个来源之后。

Q: 怎么判断「这份数据不能回测」？

本站给三个硬性判据：①存在无法解释的价格跳变且无法定位到分红/拆股事件；②复权口径混杂（同一段代码里同时用了 Close 与 Adj Close）；③依赖了当时不可知的信息（报告期当成公告日、用了未来的成分股名单）。命中任意一条，就应停下修口径，而不是继续调策略参数。

Q: 最常被忽略的三个回测陷阱是什么？

①复权混用：用未复权价算收益，把除权当成暴跌；②point-in-time：财务报表的列是报告期，公告要晚数周，回测若按报告期对齐就是用了未来信息；③幸存者偏差：用今天还在的标的列表回测十年前，等于剔除了所有退市与衰败的公司。这三条都不会让代码报错。

这是本站认为最该先补上的一环：中文教程大多停在「怎么取数」，很少回答「取到的数能不能用」。而真正让回测结论失真的，通常不是代码 bug，而是口径问题——混用复权价与未复权价、用报告期当成公告日、用今天的存续标的回测历史。本页给出一套可执行的审计清单与三态结论，让你在把数据交给策略之前，先有一个明确的判断依据。

审计对象：yfinance 返回的行情与事件数据依据：本机双版本实测 + 官方文档边界输出：三态结论 + 检查记录

13 项检查

三态结论

七条红线

留痕归档

依据官方数据边界与本站实测基线绘制的审计流程示意；非官方流程图。

yfinance · Checklist

回测前要检查哪些项：13 项可执行审计清单

左列是检查项、中列是为什么、右列是本站实测基线（AAPL 一个月日线）。

#	检查项	为什么重要	实测基线（AAPL, 1mo）
1	是否为空表 `df.empty`	空表会让后续所有计算静默产出空结果	非空，22 行
2	索引是否重复 `index.duplicated()`	重复日期会让位置运算整体错位	重复数 0
3	索引是否单调递增	时间序列运算的前提	单调递增
4	索引时区是否符合预期	不同取数方式的时区不同，拼接会错位	`America/New_York`
5	OHLC 关系是否成立	价格错误最直接的暴露口	成立（未逐行断言外的行）
6	是否存在负价格	负价通常意味着数据错误	无
7	涨跌幅是否有极端跳点	极端跳点多来自复权错误或单位错位	未发现
8	事件列与价格是否一致	分红/拆股应与价格跳变对应	97 行 actions 记录可对照
9	最新一行是否为预期交易日	区分「没数据」与「取数失败」	2026-10-08
10	跨市场表 NaN 分布	NaN 常来自交易日历不同，不是停牌	单市场无此问题
11	dtype 是否符合预期	跨市场并集会把 Volume 变 float	`Volume` 为 int64
12	股票池是否含已退市标的	否则存在幸存者偏差	单标的回测不涉及
13	报表是否按公告日对齐	报告期 ≠ 公告日，point-in-time 红线	本页仅行情，见财务页

yfinance · Verdict

数据能不能用怎么下结论：三态判断法

本站建议每次审计都输出一个明确结论，而不是「看起来还行」。

结论	判定条件	可以做什么	不可以做什么
可用于探索性分析	1–7 项全部通过；事件列与价格一致；最新日期符合预期	画图、算描述性统计、做初步收益与波动观察	仍不能直接作为策略绩效依据——还没处理成本、滑点与样本外
需要人工复核	出现极端跳点、事件与价格不一致、跨市场 NaN 分布异常、dtype 意外变化等任一项	定位具体日期，用事件列或第三方数据交叉核对	不要用 `ffill()`/均值填充把问题掩盖掉
不建议直接用于回测	复权口径混用；point-in-time 未处理；股票池含幸存者偏差；无法解释的跳变	先修口径或换数据源，再回到首步	不要用「回测结果看起来合理」当作口径正确的证据

为什么强调「写下来」：三态结论的用途是留痕。当半年后有人问「这个结论是怎么来的」，你能给出当时的数据状态与判断依据，而不是重新猜一遍。

yfinance · Red lines

回测前有哪些红线：七条必须确认的边界

每条都对应一个真实会发生的口径错误，且都不会让代码报错。

① 复权价与未复权价不能混用

同一段逻辑里出现 Close（未复权）与 Adj Close（复权）的混算，会让收益里混进除权跳空。实测 auto_adjust=True 时 Adj Close 列根本不存在，所以「想混用」往往是因为没意识到口径已被默认值改变。

② 财务报表不能用报告期回测

报表列是报告期结束日，公告晚数周。用报告期对齐等于提前知道未来。官方没有 point-in-time 视图，只能自建归档。

③ 股票池要防幸存者偏差

用今天存续的标的回测历史，会系统性剔除退市与衰败公司。本站实测的单标的取数不涉及这点，但做多标的组合时必然遇到。

④ 日线不等于可成交价

日线只有开高低收，没有盘口深度与成交量分布。用它回测时，成交假设（按收盘、按次日开盘、加多少滑点）必须显式写出。

⑤ 分红、拆股、成本、滑点、涨跌停、停牌要单独建模

这些在 yfinance 的原始数据里不是统一处理的：分红拆股有列可查，但交易成本、滑点模型、涨跌停与停牌语义都要你自己定义。

⑥ 数据截止日不能和策略交易日混淆

实测最新一行是最近一个交易日（如 2026-10-08），而你的策略可能在别的日期运行。没有对齐「数据截止日」的回测，会出现用了未来数据或漏了最新数据的两种相反错误。

第七条单独说明：不要把 yfinance 当作实盘行情源。官方定位是研究与教育用途，库内不含交易能力；本站也没有实测其延迟表现，故不做任何实时性承诺。

yfinance · Script

审计脚本怎么用：可直接复用的检查代码

把下面这段放进数据管道，落盘前跑一次即可得到三态结论。

import yfinance as yf
import pandas as pd

def audit(df, expect_tz=None):
    issues = []
    price_cols = [c for c in ("Open", "High", "Low", "Close") if c in df.columns]
    if df.empty:
        return "不建议直接用于回测", ["empty dataframe"]
    if df.index.duplicated().any():
        issues.append("duplicated index: %d" % int(df.index.duplicated().sum()))
    if not df.index.is_monotonic_increasing:
        issues.append("index not sorted")
    if expect_tz and str(getattr(df.index, "tz", None)) != expect_tz:
        issues.append("tz mismatch: %s" % getattr(df.index, "tz", None))
    if price_cols:
        p = df[price_cols]
        bad_ohlc = (p["High"] < p[["Open", "Close"]].max(axis=1)) | \
                   (p["Low"]  > p[["Open", "Close"]].min(axis=1))
        if bad_ohlc.any():
            issues.append("OHLC relation broken: %d rows" % int(bad_ohlc.sum()))
        if (p < 0).any().any():
            issues.append("negative price")
        jump = (p["Close"].pct_change().abs() > 0.5).sum()
        if jump:
            issues.append("extreme moves: %d" % int(jump))
    if "Adj Close" in df.columns and ("Close" in df.columns):
        ratio = (df["Adj Close"] / df["Close"]).round(6)
        if ratio.diff().abs().max() > 0:
            pass  # 正常的复权跳变处，需人工确认对应事件
    verdict = ("可用于探索性分析" if not issues
               else ("需要人工复核" if len(issues) <= 2 else "不建议直接用于回测"))
    return verdict, issues

df = yf.Ticker("AAPL").history(period="1y", auto_adjust=False)
print(audit(df, expect_tz="America/New_York"))

检查复权口径检查事件与修复

yfinance · Boundary

口径差异到底会改变什么结论

下面两条是本站可以明确说的差异来源；具体数值取决于标的与区间，本站不发布绩效数字。

你换了什么	会改变什么	为什么	本站是否实测
`auto_adjust` True ↔ False	收益序列里是否包含分红再投资	复权价把分红连续地体现在价格里，未复权价则把除权当成一次下跌	列集合变化已实测；收益数值差异未做量化断言
指数（`^GSPC`）vs 成分股	是否存在成分股变动的幸存者偏差	指数历史上会调整成分，用今天的成分股回测过去等于用了未来名单	本页只作方法说明，未做实测
跨市场并集表 vs 分市场处理	缺失值处理方式与 dtype	交易日历不同会产生 NaN，直接算收益会把 NaN 当 0 或报错	并集行数与 dtype 变化已实测
`repair=True` ↔ False	个别日期上的价格是否被改写	repair 会修正 Yahoo 侧的价格错误，但存在假阳性风险	本站样本未触发修复，未做效果断言

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。

取到数据之后，最少要检查哪几项？

本站建议的顺序是：①是否为空表；②索引是否重复；③索引是否单调递增；④索引时区是否符合预期；⑤OHLC 是否满足 High ≥ max(Open,Close) ≥ min(Open,Close) ≥ Low；⑥是否存在负价格；⑦涨跌幅是否有极端跳点；⑧分红拆股事件与价格是否一致；⑨最近一行日期是否为预期的最新交易日；⑩跨市场表里 NaN 的分布。前四项能筛掉绝大多数「看起来有数据、其实不能用」的情况。

为什么要检查「索引是否重复」？

因为下游所有基于位置的运算都会因为重复日期而错位：pct_change()、shift()、按日重采样都会给出错误结果，而且往往不报错。本站实测的干净样本（AAPL 一个月日线）重复数为 0，但这不代表所有标的都如此，尤其是你自己拼接多个来源之后。

怎么判断「这份数据不能回测」？

本站给三个硬性判据：①存在无法解释的价格跳变且无法定位到分红/拆股事件；②复权口径混杂（同一段代码里同时用了 Close 与 Adj Close）；③依赖了当时不可知的信息（报告期当成公告日、用了未来的成分股名单）。命中任意一条，就应停下修口径，而不是继续调策略参数。

最常被忽略的三个回测陷阱是什么？

①复权混用：用未复权价算收益，把除权当成暴跌；②point-in-time：财务报表的列是报告期，公告要晚数周，回测若按报告期对齐就是用了未来信息；③幸存者偏差：用今天还在的标的列表回测十年前，等于剔除了所有退市与衰败的公司。这三条都不会让代码报错。

yfinance 适合做实盘行情源吗？

本站不建议。官方 README 把定位写成 research and educational purposes，并写明与 Yahoo 无隶属关系、数据受 Yahoo Terms of Use 约束；库本身不含交易执行能力，也没有延迟与准确率承诺。本站没有实测其延迟与稳定性，因此不发布「实时」「低延迟」类结论。实盘请使用交易所或券商级行情源，并自行完成合规确认。

审计要不要写成脚本？

要。审计的价值在于「每次都跑」而不是「想起来才跑」。本页给出的检查函数可以直接放进数据管道，在落盘前执行并把结果写进研究记录。本站也建议把审计结果与数据一起归档——半年后回看时，你会需要知道当初用的数据是什么状态。