data

非常好，你已经准备将 Z-Score 策略应用到实盘回测，这一步非常关键。

---

✅ 回测这个 Z-Score 策略，你需要准备的数据包括以下几类：

---

🧩 一、基础财务因子数据

这是构建 Z-Score 打分的核心数据。包括：

因子	字段名称（示例）	说明
PE (TTM)	pe_ttm	滚动市盈率，越低越好
PB	pb	市净率，越低越好
ROE	roe_ttm	净资产收益率，反映盈利能力
股息率	dividend_yield	年化分红/股价，现金流回报
净利润增长率	net_profit_growth	保证不是“价值陷阱”
营业现金流	ocf_to_profit	盈利质量指标（可选）

📝 频率建议：这些数据最好为每月或每季度更新。Z-Score 的标准化是“横截面”（即每期全市场对比）。

---

📈 二、股票价格数据

你需要用于模拟买入卖出的行情数据，最常用为日频数据：

字段	示例名	说明
开盘价	open	可用于模拟开盘买入
收盘价	close	可用于计算收益
前复权价	adj_close	更准确的收益计算（包含分红）
成交量	volume	可用于过滤流动性差的股票
股票代码	ts_code / ticker	股票唯一标识

📌 用于回测计算每期收益、调仓执行。

---

📅 三、时间轴管理数据

要明确回测的时间节点：

类型	说明
调仓周期	常见为每月或每季度
财报发布日期	财务数据滞后披露时间（用于“未来可知性”校正）
指数行情	用于计算相对收益或择时参考（如沪深300）

---

🏢 四、行业分类数据（可选但强烈建议）

用于行业中性处理或行业暴露控制：

字段	示例
股票代码	ts_code
所属行业	industry，如申万一级

---

🚫 五、股票池过滤信息

用于过滤掉ST股、退市股、停牌股、小市值等问题标的：

字段	说明
是否ST	排除 ST股
是否停牌	排除停牌期的股票
市值	过滤低于某个门槛的公司（如20亿）
上市天数	排除新股
股票状态	排除退市股票

---

📦 数据源推荐

类型	平台	备注
财务+行情	同花顺 iFinD / 雪球专业版	商业级、付费
财务+财报发布日期	聚宽（JoinQuant）	免费注册即可试用
免费行情	Yahoo Finance（限美股）	可选
研究级	Wind / Choice	高质量数据（贵）

✅ 建议：用聚宽（JoinQuant）或优矿（RiceQuant）搭建本地策略比较方便，有完整的 API 和数据接口。

---

🧑‍💻 举例：每月调仓回测，需要数据这样组织

日期	股票	pe_ttm	pb	roe	收盘价	行业	市值
2023-01-31	600519	32	6.5	30%	1700	食品饮料	2.1T
2023-01-31	000333	10	1.8	16%	40	家电	500B
...	...	...	...	...	...	...	...

每个月末你计算 Z-Score → 排序 → 持仓 → 计算下月收益。

---

✅ 总结：你需要收集这些数据

类别	说明
财务因子数据	PE、PB、ROE、股息率等
股票价格数据	前复权收盘价、开盘价
股票池过滤信息	是否ST、市值、停牌等
行业分类数据	用于行业中性处理
调仓周期定义	明确回测频率（月度、季度）
财报发布日期（可选）	做未来可知性校正

---

📌 如果你想，我可以：

1. 帮你设计一个回测框架（Python / 聚宽）
2. 提供样本数据格式
3. 给你写一段完整的策略原型

你打算在哪里回测？（比如聚宽、优矿、本地 Python）我可以根据平台给你定制。