拆股調整資料拆解：NVDA 的 10 比 1 拆股如何影響背後每一列資料

這是每日股票資料檔中的一列。NVDA，2024 年 6 月 7 日，星期五，也就是 10 比 1 拆股生效前的最後一個交易日。

我刻意不在這裡列出 OHLC 欄位。文章接近尾聲時會再談到它們，而它們正是悄悄出問題的欄位。

這列資料最值得注意的，都藏在第 2 欄和第 6 欄的落差裡。6 月 7 日的市場成交價是 1208.88。以這個價格代表的那種股票單位已不復存在，因此再也不會有人以那個價格成交。120.8781 是重建出來的價格，而且不只是 1208.88 除以 10。讓我們逐欄來看。

日期：2024-06-07，以及另外 2 個更重要的日期

這次拆股於 2024 年 5 月 22 日公布，與財報同日發布。股東名冊基準日是 6 月 6 日。從 6 月 10 日星期一開始，股票以拆股調整後的價格交易。這是 3 個日期，而你資料供應商的 split_factor 欄位只會落在其中 1 個日期上，通常是拆股調整後的第 1 個交易日。我最常看到的公司行動錯誤，就是日期差 1 天；它在整體結果中不易察覺：你的權益曲線會在單日出現 90% 的跳空下跌或 900% 的跳空上漲，以 2,000 天計算的 Sharpe 幾乎看不出來，但最大回撤或停損規則一定會受到影響。

股息也有自己的日期問題，而且 2024 年時規則在大家毫無察覺的情況下改變了。NVDA 拆股後每季 $0.01 的股息，股東名冊基準日是 6 月 11 日。美國的交割週期於 2024 年 5 月 28 日改為 T+1，因此除息日與股東名冊基準日現在是同一天。任何把除息日推算為「股東名冊基準日前 1 個營業日」的資料載入器，這套做法沿用數十年都沒問題，卻從 2024 年 6 月起悄悄提前 1 個交易日產生股息調整。程式不會拋出錯誤，只是把因子放到了錯的資料列上。

公司行動程式碼出錯時，從來不會是例外狀況，而是數字差了 1 天，卻看起來完全合理。

收盤價：1208.88——檔案裡看不到的價格

這是原始成交價，在多數研究流程裡，它只存在於一個沒人讀取的欄位。訊號是根據 adj_close 計算的。任何以美元表示的每股價格水準規則，如今參照的都是市場參與者從未見過的數字。

NVDA 在 2024 年春季一路漲向 $1,000，這是真實發生的行情，背後有真實的委託流：整數關卡的磁吸效應、集中在 950 和 1000 的選擇權履約價，以及每次逼近時都會出現的新聞風險。在調整後資料裡，這整段行情發生在 $100。如果你要測試心理關卡行為、整數關卡附近的跳空回補邏輯，或接近履約價的特徵，你測試的價格序列已被一個當時尚未發生的事件重新縮放。

股票篩選條件也是一樣。「排除股價低於 $5 的股票」是個合理的代理條件，可用來篩出一群有共同微結構問題的股票：相對價差大、融資融券限制、最小跳動單位制度。若套用在調整後歷史資料上，你會把那些曾經以 $30 交易、後來才反向拆股的公司排除掉。若套用「股價高於 $500」的條件，你會不知不覺把 2024 年 6 月以前每一年的 NVDA 都排除。價格篩選應該用未調整的成交價。就是這麼簡單。

拆股因子：1.0——以及下一列的 0.1

這個因子是從今天往回累乘得來的。2024 年 6 月 10 日以前的每一列，都會乘上這次拆股的 0.1，再乘上 2021 年 4 比 1 拆股的 0.25，接著再乘上更早的因子。NVDA 在 2021 年以前的歷史資料縮放為 0.025，因此 2019 年以 $200 成交的日線，顯示時會變成 $5.00。

有 2 個後果值得記住。第一，每次發生新的公司行動，調整後歷史資料就會改變。你在 2024 年 5 月跑的回測，和今天用相同程式碼、相同日期區間跑出的結果會不同；如果你快取特徵時只用商品代號和日期做索引，沒有標記資料版本，那現在的快取就混用了 2 種尺度。正因如此，我們把調整時期版本納入特徵索引鍵；我們花了一個令人困惑的下午才學到這件事。

第二，按 0.025 縮放後，原本以 $0.01 跳動的股票，如今每次變動 $0.00025。你的跳動單位取整邏輯、「是否創新高」的比較，以及浮點數相等檢查，如今全都在遠低於市場實際精度的尺度上運作。

股息：0.01——讓所有歷史價格都不再落在美分格點上的數字

1 美分，看起來微不足道，卻正是 adj_close 顯示為 120.8781，而不是整齊的 120.888 的原因。

6 月 10 日的收盤價是 121.79。除息因子是 (121.79 − 0.01) / 121.79 = 0.99991789。這個因子會乘上 6 月 11 日以前的每個價格，因此拆股調整後的 120.888 會變成 120.878074。數值變化不大，卻會永久保留；而且沿著 NVDA 的歷史資料往回看，每次除息日都會再套用一次，總共約 60 多次。關鍵在於連乘效果：等你看到 2015 年的資料時，價格已乘上數十個不太合理的因子。沒有任何一個調整後的歷史價格還落在美分格點上。

這表示，每一次拿 == 和整數關卡比較都不準確；每一次「是否觸及限價」檢查都需要容許誤差；而把重建出的 OHLC 直接四捨五入到小數點後 4 位，也不再能保證低點 ≤ 開盤價 ≤ 高點。這也表示 adj_close 是總報酬序列，而 close 是價格報酬序列；如果你用其中一種計算報酬，卻用另一種畫回撤，就混用了兩種不同的事件定義。

成交量：42,800,000——大家套用方式不一的除數

若要和拆股後的交易時段比較，股數成交量必須乘以 10。有些資料供應商會這麼做，有些不會，也有些會調整 OHLC，卻保留原始成交量。這 3 種做法中，最後一種最糟，因為在你拿價格乘以成交量之前，整份檔案看起來都很一致。

最穩當的做法，是別再把股數成交量當作特徵，改用成交金額；成交金額天生不受拆股影響。20 日平均成交金額的流動性篩選條件完全不需要調整邏輯，也不會因公司行動而出錯。特徵保持不變，比寫出正確的調整程式碼更可靠，因為調整程式碼得一直維持正確。

缺少的欄位：adj_open、adj_high、adj_low

現在把 OHLC 欄位放回來。如果資料串流只調整收盤價，而你的策略用 open / prev_adj_close − 1 計算隔夜跳空，那麼在 2024 年 6 月 10 日，它會算出 120.37 / 120.8781 − 1，也就是大約 −0.4%，數值很合理。把同一段程式碼往回套到 2024 年 6 月 7 日，它會從原始檔案取開盤價（約 1207），再拿這個價格和經過更早拆股因子 0.025 調整的收盤價相比，結果會算出幾千個百分點的跳空。

任何把原始欄位和調整後欄位混用的運算，都是在 2 種座標系之間做計算。我現在會在資料載入器層級加上檢查，確保讀取時不會混用不同調整方式；我不再讓研究人員自己記得這件事，因為他們會忘，包括我自己。

沒有任何欄位會告訴你：實際上你會買進多少股

這是回測成本模型裡最直接花錢的錯誤，也是我會寫這篇股票拆股文章的原因。

美國股票交易的手續費常按股計算。假設每股 $0.005，最低訂單費用 $1.00，這是零售券商常見的固定費率方案。現在回測一筆 $400,000 的 NVDA 部位，時間在拆股前 1 年；當時原始股價約 $400，調整後價格則顯示為 $40。

曝險相同、交易相同，模型算出的成本卻是 10 倍。每一邊交易都憑空多出 $45，來回交易多出 $90；若策略每天換倉，每年就會多算約 $22,000 的成本，這些成本根本不存在。對 $400k 的投資組合來說，這相當於年報酬被憑空拉低 5.6 個百分點，全是除數造成的。這裡的結果是讓你看起來比實際表現更差，還算能接受。

反向拆股會造成相反的結果，而這種方向更危險。1 比 10 反向拆股會讓調整後歷史資料的價格變成實際交易價格的 10 倍，股數則變成實際交易股數的十分之一。你的成本模型會悄悄把每股手續費除以 10。反向拆股常見的股票，正是小型股、股價低於 $5、價差大的股票；在這類股票中，每股費用往往是成本結構裡最大的一項。回測會特別美化那些本該被重罰的股票。

因此，解法簡單而且直接：用美元金額設定部位，再用該日期的未調整價格換算股數，並按這個股數計算每股手續費。資料載入器要永久保留原始價格欄位；它不是只供稽核的紀錄，而是成交模擬引擎的即時輸入。

1. 訊號與報酬：調整後序列。
2. 股數、每股手續費、跳動單位取整、價格水準篩選：未調整序列。
3. 流動性與容量：用成交金額計算，兩者都不需要。

6 個欄位、1 列資料、1 個相當普通的公司行動，提前 3 週公告，沒有人感到意外。市場花了一個早上就處理完了。在研究流程中忠實重建這段變化，難度高得多；而流程有沒有做好，幾乎從來不是看錯誤訊息就能知道。