qmt 平台 get_history_data 与 get_market_data_ex 计算均线回测结果差距很大的原因是什么？

在 qmt 平台中，使用 get_history_data 和 get_market_data_ex 计算均线回测结果出现较大差异，通常是由以下几个关键原因导致的：

1. 复权方式（Dividend Type）设置不同

这是导致历史数据计算（如均线）差异最常见的原因。

• get_history_data：默认参数 dividend_type = 0（不复权）。如果在调用时没有显式指定复权方式，获取的将是不复权数据。不复权数据在股票发生分红派息或送转股时会出现价格跳空，导致均线计算严重失真。
• get_market_data_ex：默认参数 dividend_type = 'follow'（跟随主图复权方式）。如果主图设置了前复权（通常回测推荐使用前复权），那么获取的数据就是复权后的数据。
  解决方法：确保两个函数调用时使用相同的复权方式，通常在回测中建议使用前复权（dividend_type=1 或 'front'）。

2. 停牌数据的处理（Skip Paused / Fill Data）

• get_history_data：默认参数 skip_paused = True，即遇到停牌日会自动用停牌前最后一个交易日的价格进行填充。
• get_market_data_ex：虽然参数中有 fill_data=True，但文档标注“暂不可用”。这意味着它可能不会自动填充停牌数据，或者处理方式与 get_history_data 不同。
  影响：如果计算均线的周期内包含停牌日，填充与不填充会导致计算均线时使用的有效数据点不同，从而产生差异。

3. 数据获取的基准时间与长度（Count vs Start/End Time）

• get_history_data(len, period, field)：严格按照指定的长度 len 向前获取数据。它依赖于当前 K 线的位置（ContextInfo.barpos）。
• get_market_data_ex：可以通过 start_time、end_time 和 count 灵活获取。如果在盘中或回测的特定时间点调用，且没有严格对齐时间戳，获取的数据切片可能与 get_history_data 不完全一致。

4. 数据结构与对齐方式

• get_history_data：返回的是一个字典，值为 list，且 list 中第 0 位为最早的价格，第 1 位为次早价格。如果直接对 list 求平均，需要注意索引顺序。
• get_market_data_ex：返回的是 pandas.DataFrame，index 为时间序列。使用 pandas 的 rolling().mean() 计算均线时，处理的是时间序列对齐的数据。

总结与建议

为了消除差异，建议在策略中统一使用 get_market_data_ex（或 get_market_data 的替代方案），因为它返回的 DataFrame 更适合进行向量化计算（如均线），并且复权设置更直观。如果必须对比，请检查以下代码：

# 确保复权方式一致（例如都使用前复权）
# get_history_data 方式 (1: 向前复权)
his_data = ContextInfo.get_history_data(20, '1d', 'close', 1)

# get_market_data_ex 方式 ('front': 前复权)
df_data = ContextInfo.get_market_data_ex(['close'], [stock_code], period='1d', count=20, dividend_type='front')

仔细核对两者在同一时间点返回的原始价格序列是否一致，通常统一复权方式后，差异即可消除。