一、SQL在金融量化体系中的定位

量化投资的本质是用数据驱动决策，而数据处理贯穿量化研究的全生命周期。从原始行情数据清洗、因子挖掘、策略回测到实盘风险监控，SQL都是最基础也最核心的数据操作语言。与Python、R等统计计算工具相比，SQL的优势在于直接面向数据库执行集合运算，能够在海量金融数据上高效完成过滤、聚合、关联与窗口计算，是量化工程师和研究员必须掌握的基本功。

在实际量化团队中，SQL通常承担三层职责：第一层是数据仓库层，负责从行情供应商、财报数据库、另类数据源抽取并清洗标准化数据；第二层是因子计算层，按交易日频度批量计算技术因子、基本面因子和情绪因子；第三层是分析层，支撑策略回测、绩效归因和风险监控的临时查询。三者构成一条完整的数据流水线，SQL在每一层都不可替代。

二、金融数据的获取与清洗

2.1 行情数据的标准化处理

股票、期货等交易品种的日频或分钟频行情数据，是量化策略最基础的输入。原始行情数据通常存在缺失值、停牌日不连续、复权方式不统一等问题，需要用SQL完成标准化清洗。以下代码演示如何对股票日线数据进行前复权处理与缺失值填充：

-- 计算前复权价格：以上市以来最新价为基准
WITH latest_price AS (
    SELECT 
        ts_code,
        close AS latest_close
    FROM daily_quotes
    WHERE trade_date = (SELECT MAX(trade_date) FROM daily_quotes)
),
adj_factor_calc AS (
    SELECT 
        d.ts_code,
        d.trade_date,
        d.close,
        d.vol,
        adj.adj_factor,
        -- 前复权价 = 原始收盘价 × (最新复权因子 / 当日复权因子)
        d.close * l.latest_close / (d.close * adj.adj_factor) AS adj_close
    FROM daily_quotes d
    JOIN adj_factor adj ON d.ts_code = adj.ts_code AND d.trade_date = adj.trade_date
    JOIN latest_price l ON d.ts_code = l.ts_code
)
SELECT 
    ts_code,
    trade_date,
    ROUND(adj_close, 4) AS adj_close,
    vol
FROM adj_factor_calc
ORDER BY ts_code, trade_date;

2.2 财务数据的对齐与填充

上市公司财报数据按季度披露，但量化回测需要在每个交易日都能获取到"当时已公开"的财务数据。直接使用财报发布日期对齐交易日，是避免未来函数的关键。以下SQL演示如何将季度财报数据映射到每个交易日：

-- 将季度财务数据按公告日对齐到交易日，避免未来函数
WITH report_dates AS (
    SELECT 
        ts_code,
        end_date AS report_period,
        ann_date AS publish_date,
        net_profit,
        revenue,
        pe_ttm
    FROM financial_report
)
SELECT 
    t.trade_date,
    r.ts_code,
    r.report_period,
    r.net_profit,
    r.revenue,
    r.pe_ttm
FROM trading_calendar t
JOIN report_dates r 
    ON r.publish_date <= t.trade_date
    -- 取每只股票在当日最新已披露的一期财报
    AND r.report_period = (
        SELECT MAX(report_period) 
        FROM report_dates r2 
        WHERE r2.ts_code = r.ts_code 
          AND r2.publish_date <= t.trade_date
    )
WHERE t.is_open = 1
  AND t.trade_date BETWEEN '2020-01-01' AND '2024-12-31';



关键提醒：量化回测中最常见的错误就是未来函数。财务数据必须按公告日（ann_date）对齐交易日，而不是按报告期（end_date）对齐，否则会用到当时尚未公开的数据，导致回测收益虚高。

”

三、量化因子的SQL计算

3.1 技术因子：窗口函数的核心应用

技术因子是量化策略中最常用的因子类别，包括均线、动量、波动率、成交量比率等。SQL窗口函数（Window Function）是计算这类时序因子的利器，能够在不聚合行的前提下，对每只股票按交易日滑动计算统计量。

-- 批量计算均线、动量、波动率等技术因子
SELECT 
    ts_code,
    trade_date,
    close,
    -- N日均线
    AVG(close) OVER (
        PARTITION BY ts_code 
        ORDER BY trade_date 
        ROWS BETWEEN 4 PRECEDING AND CURRENT ROW
    ) AS ma5,
    AVG(close) OVER (
        PARTITION BY ts_code 
        ORDER BY trade_date 
        ROWS BETWEEN 19 PRECEDING AND CURRENT ROW
    ) AS ma20,
    -- 20日动量：当日收盘价 / 20日前收盘价 - 1
    close / LAG(close, 20) OVER (
        PARTITION BY ts_code ORDER BY trade_date
    ) - 1 AS mom_20,
    -- 20日收益率标准差（年化波动率）
    STDDEV(
        close / LAG(close) OVER (PARTITION BY ts_code ORDER BY trade_date) - 1
    ) OVER (
        PARTITION BY ts_code 
        ORDER BY trade_date 
        ROWS BETWEEN 19 PRECEDING AND CURRENT ROW
    ) * SQRT(252) AS vol_20,
    -- 量比：当日成交量 / 5日平均成交量
    vol / AVG(vol) OVER (
        PARTITION BY ts_code 
        ORDER BY trade_date 
        ROWS BETWEEN 4 PRECEDING AND CURRENT ROW
    ) AS vol_ratio_5
FROM daily_quotes
WHERE trade_date >= '2020-01-01';

3.2 横截面因子：分组排名与标准化

选股类策略通常需要在每个交易日对全市场股票按因子值进行排名，再选取排名靠前的股票构建组合。这类横截面计算使用SQL的PARTITION BY trade_date分组排序即可完成。

-- 每日全市场因子排名与标准化（Z-Score）
WITH factor_raw AS (
    SELECT 
        trade_date,
        ts_code,
        pe_ttm,
        pb,
        mom_20
    FROM factor_daily
    WHERE trade_date >= '2023-01-01'
)
SELECT 
    trade_date,
    ts_code,
    pe_ttm,
    -- 当日PE在全市场的百分位排名
    PERCENT_RANK() OVER (ORDER BY pe_ttm) AS pe_rank,
    -- PB的Z-Score标准化
    (pb - AVG(pb) OVER (PARTITION BY trade_date)) 
    / NULLIF(STDDEV(pb) OVER (PARTITION BY trade_date), 0) AS pb_zscore,
    -- 动量因子分组：按行业内排名
    RANK() OVER (
        PARTITION BY trade_date, industry 
        ORDER BY mom_20 DESC
    ) AS mom_industry_rank
FROM factor_raw f
JOIN stock_industry i ON f.ts_code = i.ts_code;

四、回测系统中的数据准备

4.1 策略信号到持仓收益的计算

回测的核心逻辑是：每日根据因子打分生成持仓信号，再计算持仓组合的每日收益。SQL的关联与聚合能力非常适合完成这类逐日净值计算。

-- 多因子选股策略回测：等权持有每日排名前20的股票
WITH signal AS (
    SELECT 
        trade_date,
        ts_code,
        -- 综合因子得分：动量正向 + 估值反向
        mom_20 - pe_rank AS composite_score
    FROM factor_daily
    WHERE trade_date >= '2022-01-01'
),
top_picks AS (
    SELECT 
        trade_date,
        ts_code,
        composite_score,
        ROW_NUMBER() OVER (
            PARTITION BY trade_date 
            ORDER BY composite_score DESC
        ) AS rn
    FROM signal
)
SELECT 
    p.trade_date,
    -- 等权组合日收益：持仓股票当日收益率的均值
    AVG(q.pct_chg) AS portfolio_return,
    -- 累计净值
    EXP(SUM(LN(1 + q.pct_chg)) OVER (ORDER BY p.trade_date)) AS nav
FROM top_picks p
JOIN daily_quotes q 
    ON p.ts_code = q.ts_code 
    AND p.trade_date = q.trade_date
WHERE p.rn <= 20
GROUP BY p.trade_date
ORDER BY p.trade_date;

4.2 交易成本与滑点的处理

真实回测必须考虑交易成本。当持仓股票发生调仓时，需要计算换手率并扣除对应的佣金和滑点。使用LAG函数对比前后两日持仓差异，可以精确计算每日双边换手率。

五、风险监控与绩效分析

5.1 常用风险指标的SQL实现

量化策略上线后，需要持续监控最大回撤、夏普比率、波动率、胜率等风险收益指标。这些指标都可以在SQL中直接计算。

六、金融场景SQL性能优化要点

金融数据通常是TB级别的时序数据，包含全市场数千只股票、长达十余年的日线甚至分钟线记录。在这类数据上跑因子计算或回测，如果不做优化，一条查询可能跑数小时。以下是量化场景下最实用的几条优化经验：

• 分区裁剪优先：按trade_date做范围分区，查询时务必带上日期范围条件，让数据库只扫描相关分区，避免全表扫描。分钟线数据再按ts_code做二级分区。
• 索引设计贴合查询模式：高频查询的组合是(ts_code, trade_date)，主键或聚簇索引应按此顺序建立。回测类查询常按trade_date扫描全市场，可额外建一个(trade_date, ts_code)的二级索引。
• 窗口函数避免重复扫描：同一个PARTITION BY ts_code ORDER BY trade_date下的多个滑动窗口计算，合并到一次CTE中完成，不要在多个子查询里重复排序。
• 预计算常用因子表：MA20、波动率、PE分位这类所有策略都要用的公共因子，提前按日批量计算落表，而不是每次回测临时算。
• 用EXISTS替代JOIN去重：判断某只股票当日是否停牌、是否ST，用EXISTS半连接比JOIN后DISTINCT效率高很多。

七、典型案例：多因子选股的数据处理全流程

以一个完整的多因子选股策略为例，SQL在其中承担的数据处理环节如下：首先从原始行情表计算动量、波动率、量比等技术因子；其次从财务报表表对齐到交易日，计算PE、PB、ROE等基本面因子；然后在每个交易日横截面做行业中性化和Z-Score标准化；接着按综合因子得分取前N只股票，等权生成持仓信号；最后关联每日行情计算组合收益，扣除交易成本后输出回测净值曲线。整条链路全部用SQL完成，Python只负责最后画图和参数调优。

这种分工的优势在于：数据清洗和因子计算这类重复性强、计算量大的工作，交给数据库引擎用集合运算完成，比逐行Python循环快一到两个数量级；而模型训练、参数寻优这类需要灵活编程的部分，再交给Python生态处理。量化团队的实际工程实践中，SQL和Python的边界大致就是：SQL管数据和因子，Python管模型和调参。

八、总结

SQL在金融量化领域不是辅助工具，而是整个数据基础设施的核心。从数据清洗、因子计算、回测验证到风险监控，每一个环节都离不开高效的SQL查询。掌握窗口函数、分组聚合、时间序列对齐这些金融场景高频写法，再配合分区表、索引裁剪等性能优化手段，就能在海量金融数据上快速完成从原始数据到策略信号的全流程处理。对于量化从业者而言，写好SQL不是加分项，而是入行的基本功。

推荐学习书籍 《CDA一级教材》适合CDA一级考生备考，也适合业务及数据分析岗位的从业者提升自我。完整电子版已上线CDA网校，累计已有10万+在读~ !

免费加入阅读：https://edu.cda.cn/goods/show/3151?targetId=5147&preview=0