停牌日的K线去哪了？回测缺失值为什么让策略"避开"所有暴跌

迪雅数据 · A股数据口径系列 · 2026-10-13

先给结论：停牌日没有成交，交易所不生成K线，这是市场机制的真实表现。回测里真正的危险不是"数据少了几行"，而是你用什么假设去填那个洞——填零、填充、还是留空，三种选择对应三条完全不同的回测命运。让策略在历史里"完美避开"所有暴跌日的，往往正是这个洞。

一、停牌日为什么没有K线

个股因重大事项停牌时，交易所停止该标的的竞价撮合。当天没有任何成交，就不会产生开盘价、收盘价，也就没有K线可言。行情软件上表现为K线直接断开、中间空白——这不是数据丢了，是那几天市场根本没有价格。

常见的停牌场景：

二、数据接口对停牌日的三类返回行为

同一个停牌事件，不同数据源给你的数据长得完全不一样：

# 数据源停牌行为检测：对比交易日序列与预期交易日
import pandas as pd

df = pd.DataFrame(api_data)                      # 接口返回的日线
df["date"] = pd.to_datetime(df["date"])
full_days = pd.date_range(df["date"].min(), df["date"].max(), freq="B")  # 粗筛：工作日
missing = set(full_days) - set(df["date"])       # 日期缺口 → 舍弃型
nan_rows = df[df[["open","close","high","low"]].isna().any(axis=1)]      # 空值行 → 空值型
flat = df[df["high"] == df["low"]]               # 全天一字且无量 → 疑似填充型

三、两种处理方案：没有万能解，只有场景解

无论选哪种，有一件事绝对不能做：把缺失值当 0 填。价格填 0 等于告诉回测引擎"这天股价归零了"——净值曲线会画出一个不存在的-100%，收益率统计从此全是废纸。量化圈流传多年的"回测夏普 3.2、实盘亏 40%"的故事，根源多半就在这一行代码。

四、复牌第一天：整个事件链里最危险的一天

长期停牌复牌首日，往往伴随大幅补跌或补涨（重组失败连续跌停、重组成功连续涨停）。三个口径要点：

• 涨跌停价基准：复牌首日的涨跌停价按停牌前最后一个交易日的真实收盘价（不复权）计算，规则与正常交易日相同；
• 可成交性：一字跌停开盘时，买单大概率全天排不到队——回测里"复牌日按收盘价卖出"的假设几乎必然高估收益；
• 风控窗口：填充型数据会掩盖停牌段的信息真空，持仓风控必须在复牌日重新评估，而不是沿用停牌前的状态。

五、常见问题

六、用接口落地：先检测，再选择填充策略

以A股历史交易数据接口为例，标准流程是：拉取目标标的完整日线 → 跑第二节的断档检测 → 按判定结果选择填充方案 → 回测引擎读取停牌标记列。指数停牌场景少见但存在（成分股大面积停牌的极端时期），指数历史行情接口同样适用本流程。