(非正式)期货前复权因子 (cn_future_adjust_factor)

数据描述: 该表详细记录了期货市场的前复权因子信息,包括合约代码、新旧合约收盘价、开始和结束日期、复权因子、累积复权因子以及品种代码等。复权因子和累积复权因子是该数据表的核心字段,可以帮助修正由于合约更换、调整等因素导致的价格连续性问题,确保历史数据的一致性和可比性。

文档
数据简介

数据简介 ### 数据简介 期货投资者经常会面临合约到期、需要换仓的问题。在换仓时,由于不同到期月份的合约可能存在价格差异,因此如果直接使用历史价格进行分析,可能会导致错误的结果。为了解决这个问题,我们可以使用前复权因子进行调整,使得历史数据能够更真实地反映出期货价格的变化。中国期货前复权因子数据表就提供了这样的数据。这张表不仅包含了期货合约的前复权因子,还包含了期货合约的代码、收盘价、开始日期、结束日期等信息,可以帮助投资者更准确地进行历史数据分析。无论是进行趋势分析、开发量化交易策略,还是进行风险管理和资产配置,这张表都会是一个非常有用的工具。 ### 数据说明 * 数据起始时间:2010-01-01 * 数据更新频率:不定期 * 数据单位:元 ### 收费标准 免费 ### 主键 | 关键字 | 释意 | | --- | --- | | date | 交易日期 | | instrument | 指期货代码 | ### 数据供应者 BigQuant ### 使用场景 * 趋势分析:对于期货投资者来说,了解期货价格的历史走势是非常重要的。通过使用前复权因子,投资者可以消除不同合约之间的价格差异,从而获得更准确的趋势分析结果。 * 量化交易:在开发量化交易策略时,前复权因子可以帮助投资者更准确地回测策略的表现。通过使用前复权因子,投资者可以消除换仓时可能产生的价格影响,从而得到更准确的回测结果。 ### 常见问题 #### Q:为什么需要使用前复权因子? A:在期货市场中,由于不同到期月份的合约可能存在价格差异,因此如果直接使用历史价格进行分析,可能会导致错误的结果。通过使用前复权因子,我们可以消除这种价格差异,从而得到更准确的分析结果。

用例
* 用例1:获取某个合约在指定日期范围内的复权因子 ``` import dai df = dai.query(""" SELECT date, instrument, adjust_factor, contract_close, new_contract_close FROM cn_future_adjust_factor WHERE instrument = 'ZC9999.CZC' ORDER BY date""", filters={"date": ["2023-01-01","2023-01-31"]} ).df() ``` * 用例2:使用累积复权因子对指定时期内的合约价格进行调整 ``` import dai df = dai.query(""" SELECT date, contract_close * cum_adjust_factor AS adjusted_close FROM cn_future_adjust_factor WHERE instrument = 'PF9999.CZC' ORDER BY date""", filters={"date": ["2023-01-01","2023-12-31"]} ).df() ```
表结构
字段 字段类型 字段描述
instrument string 合约代码
new_contract_close double 收盘价
adjust_factor double 复权因子
contract string 合约代码
end_date timestamp[ns] 结束日期
start_date timestamp[ns] 开始日期
new_contract string 合约代码
contract_close double 收盘价
cum_adjust_factor double 复权因子
product_code string 品种代码
date timestamp[ns] -

表名cn_future_adjust_factor

起始时间:

最近更新时间: