聚宽短线策略防未来函数：如何使用 avoid_future_data 保证回测有效？
在聚宽编写盘前选股和盘中低吸策略时，如何使用 set_option("avoid_future_data", True) 并检查收盘价、财报发布日期和信号时点，避免未来数据泄漏？

聚宽短线策略防未来函数：如何使用 avoid_future_data 保证回测有效？

在量化交易中，**未来函数（Future Function）**是回测最大的敌人。如果在回测中无意间引入了“未来的数据”（例如在早上9:30就获取了当天的收盘价，或者在财报实际发布前就使用了其财务指标），会导致回测收益率异常虚高，但在实盘中却会产生严重亏损。

本文将详细介绍如何在聚宽（JoinQuant）平台中通过 set_option("avoid_future_data", True) 开启防未来数据模式，并针对盘前选股和盘中低吸策略，解析如何正确处理收盘价、财报发布日期和信号时点。

---

一、 开启聚宽防未来数据模式

聚宽提供了系统级的防未来数据检测功能。你只需要在策略的 initialize 初始化函数中加入以下代码：

def initialize(context):
    # 开启避免未来数据模式
    set_option("avoid_future_data", True)

开启后的系统行为：

1. 主动抛出异常：如果策略在回测中尝试通过 API 获取当前逻辑时间（context.current_dt）之后的数据（例如在 10:00 获取 15:00 的分钟 K 线），系统会直接抛出 FutureDataError 异常并停止运行。
2. 自动剔除未来数据：对于一些无法通过参数主动避免的函数（如 get_call_auction 集合竞价数据），系统会自动将返回结果中的未来数据剔除，而不会中断策略。

---

二、 短线策略防未来数据三大核心要点

1. 盘中低吸策略：如何安全获取“收盘价”？

在盘中（如 14:30）运行低吸策略时，绝对不能直接获取“当天的收盘价”。

• 错误做法：在 14:30 调用 get_price 或 get_bars 获取当天的日线 close，此时拿到的往往是尚未确定的价格，甚至在某些不规范的写法下会拿到 15:00 的最终收盘价。
• 正确做法：
  • 如果需要参考历史价格，使用 history 或 attribute_history 获取昨天及以前的日线数据（默认不包含当天）。
  • 如果需要获取当前最新价格，应使用 get_current_data() 获取当前切片数据，或使用 get_bars 获取当前分钟的最新 Bar。

# 安全获取昨日收盘价与当前最新价
def handle_data(context, data):
    security = '000001.XSHE'
    
    # 1. 获取昨日收盘价（安全，无未来）
    hist = attribute_history(security, 1, '1d', ['close'])
    last_close = hist['close'][-1]
    
    # 2. 获取当前最新价（安全，无未来）
    current_data = get_current_data()
    current_price = current_data[security].last_price

2. 盘前选股策略：如何规避“财报发布日”陷阱？

财务数据是未来函数的重灾区。上市公司披露财报通常有延时，例如 2023 年第三季度的财报，可能在 2023 年 10 月 25 日才正式发布。如果在 10 月 1 日的回测中就使用了该季报数据，就引入了未来函数。

• 避免方法：
  • 使用 date 参数：调用 get_fundamentals 时，传入 date=context.current_dt（或默认不传，系统会自动处理为当前时间的前一天）。系统会严格查找上市公司在**该日期之前（含当天）**实际已经发布披露的最新财报，确保无未来数据。
  • 慎用 statDate 参数：如果直接指定 statDate='2023q3'，查询的是该季度的财务报表。在实际未披露该报表的历史回测时点使用此参数，会直接带入未来数据。若必须使用，请配合 get_history_fundamentals 并指定 watch_date 参数。

# 安全查询财务数据示例
def before_trading_start(context):
    # 查询当前时点已经公开披露的市值和估值数据
    q = query(valuation.code, valuation.pe_ratio).filter(valuation.pe_ratio < 15)
    # 传入当前日期，确保不获取未披露的未来财报
    df = get_fundamentals(q, date=context.current_dt.date())

3. 信号时点与执行频率的对齐

策略的运行频率（天/分钟/Tick）和执行时间点决定了数据的可用性：

• 日频回测：在 handle_data 中，data 默认是昨天的天数据。如果策略在 9:30 运行，此时无法获取当天的任何日线级 K 线数据。
• 分钟频回测：在每分钟的第一秒运行，data 是上一分钟的分钟数据。例如在 09:31:00 运行，拿到的 data 是 09:30:00~09:30:59 的 Bar。不要试图在 09:31 去获取 09:35 的数据。

---

三、 防未来函数标准策略模板（Python）

以下是一个结合了盘前选股与盘中低吸的安全策略模板，严格开启了 avoid_future_data 并规范了数据获取时点：

import jqdata

def initialize(context):
    # 1. 开启防未来数据模式（系统级安全保障）
    set_option("avoid_future_data", True)
    set_option('use_real_price', True)
    set_benchmark('000300.XSHG')
    
    # 2. 设定定时任务
    # 盘前 09:00 进行选股
    run_daily(before_market_open, time='09:00')
    # 盘中 14:50 进行低吸/平仓决策
    run_daily(market_decisions, time='14:50')

def before_market_open(context):
    # 盘前选股：严格使用 date=context.previous_date，避免获取当天未公布的财报或未开盘的数据
    q = query(valuation.code).filter(
        valuation.market_cap > 100,  # 市值大于100亿
        valuation.pe_ratio < 20      # 低市盈率
    )
    # 严格限制在昨日收盘后可见的数据
    df = get_fundamentals(q, date=context.previous_date)
    g.target_list = list(df['code'])[:10]
    log.info(f"今日待监控股票池: {g.target_list}")

def market_decisions(context):
    # 盘中决策：14:50 运行
    for security in g.target_list:
        # 获取昨日收盘价（安全，不包含今天）
        hist = attribute_history(security, 1, '1d', ['close'])
        if len(hist) == 0: continue
        last_close = hist['close'][-1]
        
        # 获取当前最新切片价格（安全，无未来）
        current_data = get_current_data()
        if current_data[security].paused:
            continue
        current_price = current_data[security].last_price
        
        # 低吸信号：当前价格相比昨日收盘价下跌超过 3%
        if current_price < last_close * 0.97:
            cash = context.portfolio.available_cash
            if cash > 10000:
                order_value(security, 10000)
                log.info(f"触发低吸信号，买入 {security}，当前价: {current_price}")

四、 总结

在聚宽平台编写策略时，请时刻牢记：“只用过去，不看未来”。通过开启 set_option("avoid_future_data", True)，配合规范的 get_fundamentals(..., date=context.current_dt) 和 attribute_history 调用，可以彻底杜绝未来数据泄漏，让你的回测结果经得起实盘的检验。