通达信 .prp 除权文件解析与精准复权价计算（专业完整版）

　　

　　在量化回测中，复权是否精准，直接决定策略是否可信。

　　很多人使用估算复权、比例复权，看似平滑，实则误差巨大。真正专业的做法，是直接读取通达信原生 .prp 除权二进制文件，提取真实除权数据，计算标准复权因子，还原最准确的股价走势。

　　

　　本文从原理、文件结构、复权逻辑、Python实现到实战避坑，完整讲透 通达信官方复权算法，让你的回测真正做到“零失真”。

　　一、复权的核心意义

　　

　　股票因送股、转股、派息、配股会导致K线出现断崖式缺口。

　　不复权 → 信号失真 → 回测假盈利 → 实盘必亏。

　　

　　只有使用交易所真实除权数据 + 官方复权因子，才能还原股价真正的趋势、支撑、压力。

　　二、通达信除权文件结构

　　

　　通达信除权信息存储在 .prp 二进制文件 中，与 .day 日线文件同目录：

　　

　　plaintext

　　通达信目录\vipdoc\sh\lday\sh600519.prp

　　通达信目录\vipdoc\sz\lday\sz002521.prp

　　.prp 文件记录了该股历史上每一次真实除权事件：

　　

　　- 除权日期

　　- 送股比例

　　- 转增比例

　　- 派息金额

　　- 配股价格 & 比例

　　- 通达信内部计算的理论开盘价

　　- 除权前收盘价

　　

　　这些数据是通达信软件自身复权的唯一真实依据。

　　三、复权因子（Adjustment Factor）官方算法

　　

　　复权因子 = 累积除权系数

　　

　　1. 单次除权因子（局部因子）

　　

　　plaintext

　　局部因子 = 除权前一日收盘价 / 理论开盘参考价

　　2. 三种除权场景公式

　　

　　1）仅现金分红

　　理论价 = 前收盘价 - 每股派息

　　

　　2）仅送转股

　　理论价 = 前收盘价 / (1 + 送股率 + 转股率)

　　

　　3）送转 + 派息 + 配股（最完整）

　　理论价 = (前收盘价 - 派息 + 配股价 × 配股率) / (1 + 送股率 + 转股率 + 配股率)

　　

　　3. 总复权因子

　　

　　总复权因子 = 从上市至今 所有局部因子累乘

　　四、前复权 / 后复权 标准公式

　　

　　前复权（最常用）

　　

　　保持今日价格不变，历史价格向下调整

　　

　　plaintext

　　前复权价 = 原始价格 × 总复权因子

　　后复权

　　

　　保持上市价不变，今日价格向上复权

　　

　　plaintext

　　后复权价 = 原始价格 / 总复权因子

　　五、Python 精准复权实现（基于.prp真实除权数据）

　　

　　以下是专业级可用代码，非伪代码，可直接接入你的量化系统。

　　

　　python

　　import pandas as pd

　　import numpy as np

　　def calc_stock_adjust_price(df_day, df_prp):

　　 """

　　 通达信官方标准复权算法

　　 df_day：原始日线数据（date, close, open, high, low）

　　 df_prp：从.prp解析的真实除权记录

　　 return：带前复权、后复权的完整DF

　　 """

　　 df_day = df_day.sort_values("date").copy()

　　 df_prp = df_prp.sort_values("ex_date").copy()

　　 # 初始化复权因子

　　 df_day["adj_factor"] = 1.0

　　 # 逐次除权累积计算因子

　　 for _, ix in df_prp.iterrows():

　　 ex_date = ix["ex_date"]

　　 pre_close = ix["pre_close"]

　　 theo_open = ix["theo_open"]

　　 if theo_open <= 0 or pre_close <= 0:

　　 continue

　　 factor = pre_close / theo_open

　　 # 前复权：除权日前所有日期 × factor

　　 df_day.loc[df_day["date"] < ex_date, "adj_factor"] *= factor

　　 # 计算复权价格

　　 df_day["close_qfq"] = (df_day["close"] * df_day["adj_factor"]).round(2)

　　 df_day["open_qfq"] = (df_day["open"] * df_day["adj_factor"]).round(2)

　　 df_day["high_qfq"] = (df_day["high"] * df_day["adj_factor"]).round(2)

　　 df_day["low_qfq"] = (df_day["low"] * df_day["adj_factor"]).round(2)

　　 df_day["close_hfq"] = (df_day["close"] / df_day["adj_factor"]).round(2)

　　 return df_day

　　六、实战关键要点（99%的人都错在这里）

　　

　　1. 复权必须从.prp读取，不能估算

　　

　　网络上大部分“自动复权”都是用跳空比例估算，和通达信官方不一致，回测必然漂移。

　　

　　2. 除权日不是交易日

　　

　　.prp 里记录的是除权日，不一定是交易日期，必须做日期匹配。

　　

　　3. 复权因子只乘在除权日之前

　　

　　这是前复权最容易写反的地方，写反直接全部错误。

　　

　　4. 成交量同步复权

　　

　　专业回测必须同步复权成交量，否则量价结构失真。

　　

　　plaintext

　　成交量_qfq = 原始成交量 / adj_factor

　　5. 必须和通达信软件对比校验

　　

　　随便选一只高送转股票（如乐普医疗、东方财富），对比你计算的复权价与通达信手动复权价，必须完全一致。

　　七、总结

　　

　　读取通达信 .prp 除权文件计算复权，是A股量化最标准、最精准、最专业的方式。

　　它能彻底消除因除权导致的信号误判、均线漂移、回测造假。

　　

　　从 .day 读取原始K线，从 .prp 读取真实除权，再用官方复权因子计算，构成一套完全离线、完全免费、完全精准的专业行情数据系统。

　　

　　这是散户进阶职业量化必须掌握的底层技术。

　　

　　标签

　　

　　#通达信复权 #prp文件解析 #复权因子 #Python量化 #前复权算法 #量化回测 #股票数据处理 #专业量化 #A股数据 #交易系统