公子札的札前阵子一个做生猪产业研究的朋友问我：你手上用的CnOpenData期货日线行情表，后面是不是还得自己拼一遍复权因子？我没有急着回答，而是反问他三个问题：你要的“主力连续”，是按成交量选出来的，还是按持仓量选出来的？每天记录里的持仓量，你是按单边理解还是双边理解？数据列名写着“收盘价”的那一栏，和交易所口径下的“结算价”是不是同一个东西？他愣了几秒说，这些问题还真没想过。
这恰恰是很多人面对期货日线行情表时的真实状态：打开表格看到一张很规整的二维表，日期、合约代码、开高低收、成交量、持仓量，觉得所有答案都在里面，直接跑个模型就能出结果。但期货数据不同于股票数据的根本点在于，它是多合约生命周期的、带交易所撮合规则的、有结算制度约束的。哪个字段代表资金成本，哪个字段决定保证金，哪个价格可实际成交，哪条线其实是人工拼接出来的，表里不会主动告诉你，全靠使用者自己去判别。
这篇文章我打算把“拿到一张期货日线行情表之后，从识数、清洗到加工因子、验证数据源”这条链路完整过一遍。适合打算用期货日线数据做套保监控、产业链研究、CTA策略回测或毕业论文的同学。我不承诺给你现成策略，但希望能帮你少走几个我当年走过的弯路。
1. 一张日线行情表，撑起的不只是“画K线”
1.1 从套保、投研到量化：日线数据喂饱了谁
在很多人眼里，期货日线就是给行情软件画K线用的，这低估了基础行情数据的能量。商品研究里的基差监控，CTA策略里的趋势突破、跨期套利、期限结构因子，学术领域里的价格发现、市场有效性检验，底层几乎都依赖同一份东西——多合约、长历史、字段完整的日线明细。
比如企业套保场景，业务同学关心的是期货价格与现货价格的偏离程度，他们通常从日线行情里提取主力合约的收盘价或结算价，计算基差百分位，再决定是否入场套保。表面上这是个很简单的减法，但如果你用的合约不是真正的活跃合约，或者日期归属把夜盘时段切错了，基差曲线就会平白无故多出很多毛刺，套保决策也跟着走样。
CTA量化则是另一类典型：他们不仅需要价格，还需要能用来构造仓位权重的持仓量、能识别移仓时点的成交量，以及能确认涨跌停是否发生过的涨跌停价格。很多日频模型的特征，就是直接从行情表里若干字段的组合变换中来的。与其自己在分钟线上重复造轮子，不如先把日线这张表的每个字段吃透。
学术研究相对“挑剔”一点，通常要求数据可追溯、口径可解释。这时候，一张包含全合约明细而非只含主力合约的日线表反而更有价值，因为你可以在论文里明明白白写出筛选主力的规则，而不是依赖某个黑盒字段。如果平台本身把每个合约的上市日和最后交易日都记录得完整，研究过程会省去很多麻烦。
1.2 先认清边界：日线数据回答不了什么问题
我知道很多刚接触量化的人容易高估日线数据的能力。一些人拿到一张多年日线表，很想用它来构造“日内动量”或模拟高频交易策略，这是把数据的时间分辨率用错了地方。日线行情的粒度决定了它适合回答跨日层次的规律，比如趋势是否延续、持仓是否支撑价格、期限结构如何变化。至于开盘后半小时内的微观结构、盘口买卖压力、逐笔大单流向，日线数据几乎无能为力，硬做也只能靠插值和想象。
反过来，如果你只做日频调仓，日线数据是性价比最高的选择。它没有分钟线那种海量存储负担，也不会因撮合时点的细微差异造成巨大回测噪音。很多经典商品策略——时间序列动量、展期收益、基差修复——在日线层面就能完成绝大部分研究，不需要一开始就上高频数据。
所以使用前建议先给自己的研究问题定个“时间尺度”。如果核心止损逻辑在分钟级别，那就别在日线上折腾；如果持仓周期按天或按周计算，日线行情表就是最合适的主战场。想清楚这一点，比多下载几十张表都重要。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 别急着跑模型：结算价、持仓量与成交量背后的口径
2.1 结算价为什么比收盘价更“贵”
谈到期货日线数据，第一个容易混淆的概念就是收盘价和结算价。股票市场里几乎没有“结算价”的概念，大家都是拿收盘价算收益。但期货实行当日无负债结算制度，每天收盘后，交易所会按一定规则计算出一个当日结算价，用这个价格对全部持仓进行盈亏划转、确定保证金水平和下一个交易日的涨跌停板基准。
具体到规则，不同交易所、不同品种的结算价计算方式略有差别，常见做法是取收盘前一段时间内成交量的加权平均价，或者全天成交量的加权平均价。交易所在盘后公布的期货日行情表里，通常会同时包含今收盘和今结算两列。如果你在回测中只关注收盘价，忽略了结算价，那么持仓盈亏、追加保证金这些与账户真实变动相关的场景就会失真。
我见过不少人做期货回测时，把股票逻辑直接搬过来，每天用收盘价计算权益曲线。但在有夜盘和结算制度的市场里，账户下一交易日的保证金占用、可用资金，理论上是按当日结算价重新校准过的。尤其碰到大幅波动行情，收盘价和结算价的差距可能并不小，这时候用收盘价算出来的风险指标，可能会给你一种“账户很安全”的错误安全感。
所以拿到日线行情表时，建议先搞清楚你的数据里有没有结算价，如果没有，就要评估它是否会影响你的研究结论。对于套保监控、风险评估这类贴近账户的场景，结算价几乎是必须的字段；对于纯技术面的价格突破类策略，收盘价也能用，但要在报告中说明口径。
2.2 成交量、持仓量的单双边与时点问题
成交量与持仓量是期货日线表里另两个容易被误读的字段。先说成交量：国内商品期货的公开行情里，不同交易所不同时期采用过单边和双边两种统计口径。双边统计意味着同一笔交易买卖两边各计一次，单边统计则只计一次。如果要把多个交易所的品种放在同一张表里做横截面比较，而不先统一口径，量能绝对值的大小会失真，排序也可能反。
再说持仓量。日线表里的持仓量通常是当日结算后的全市场持仓总量，体现的是市场中尚未平仓的合约数量。交易所公布持仓数据时，一般按单边计算，但如果你用的是某个终端自动合成的数据，它可能已经帮你做过处理，也可能没有。最稳妥的做法是先找一个已知品种和日期，去交易所官网发布的每日持仓报告做一次核对，确认口径后再放心用于因子计算。
夜盘带来的时点问题更要留意。有夜盘交易的品种，一个完整交易日是从前一个工作日夜盘开始，到当天下午日盘收盘结束。但不同数据供应商对“日期”的处理不一样：有些把夜盘记录归到自然日当天，有些则归到下一个交易日。你可能遇到过一种怪现象：表格里出现了周六的数据。这大概率不是脏数据，而是周五晚上的夜盘从深夜一路开到了周六凌晨，如果按自然日切分，那一截成交就被记成了周六。
遇到这种情况，千万别急着把这些周六记录当异常删除。先确认你拿到的是交易日口径还是自然日口径。做跨品种研究时，如果所有品种都统一按交易日归并，自然不会出问题；如果你手里的表混用了不同口径，那么周一的开盘价、周五的夜盘行情都会出现系统性偏差。
2.3 为什么同样的品种，两份数据源对不上
做数据分析的人早晚会遇到一个现象：同一品种同一交易日，从两个平台下载的日线数据看起来不太一样，有时候是收盘价差一两个点，有时候是整个成交量差了一倍。这不是哪个数据源在造假，绝大多数原因出在口径。
差一两个点的，可能是复权与否的问题。期货虽然没有股票那种现金分红，但在拼接连续合约、调整换月跳空时，有些平台会把历史价格整体按比例缩放。另一个常见原因是合约代码的编码规则不同，比如同一个到期月份，有的平台用数字，有的平台用字母，解析错了就可能把两个合约混在一起。
成交量差一倍，多半是单双边口径的差异，或者是对方把期权成交也合并进了期货成交量字段。如果你研究的是品种整体流动性，包含期权可能不至于致命；但如果你要计算期货端的换手率，这个污染就会让指标失去意义。我在核对某类全合约日线表与商业终端数据时发现，很多差异不是谁对谁错，而是“含不含夜盘”“算不算双边”“按没按交易日归并”这几个典型参数没有对齐。因此，做任何跨源对比之前，先把“字段定义说明”找出来，永远比对着数字猜来猜去高效。
3. 上表第一件事：数据清洗三板斧
3.1 先对基准，再谈清洗
有些人拿到数据后，习惯先跑一行df.describe()看一眼，觉得没有空值、数据类型正常就认为这表是干净的。这种“干净”其实只是表面完整。日线行情的数据质量，至少要从“是否与官方口径一致”和“是否内部自洽”两个维度去检验。
我的第一步通常是挑一个品种的近三个月数据，去交易所官网下载对应的每日行情公告，做一个逐行核对。不需要全量核对，一百行左右就够了，但要覆盖主力切换、涨跌停、长假前后的时间点。对比的列包括：日期是否对齐、开盘价是否一致、收盘价是否一致、结算价是否一致、成交量是否在同一个量级。这一步能筛掉绝大多数由于字段映射错误、代码解析不当带来的表级别错误。
以前我遇到过一次，某个老品种的行情文件里把“前结算”当成了“今开盘”，导致后续算出的涨跌序列突然在某一天出现虚假的极限值。核对官方行情后才发现，是文件格式