我不是什麼量化高手，也不是什麼金融工程師。 我只是那種會自己寫下載器、跑回測的人。 但說真的，如果沒有 AI 幫我，我根本不知道怎麼處理這些資料。
🧠 問題一：ETF 拆股後，Yahoo Finance 的 Adj Close 竟然沒調整？
理論上：
Adj Close = Close × 調整因子（應已含拆股）
但在某些 ETF（例如 4950）中，我發現：
程式碼
日期 Close Adj Close Stock Splits 結果
11/3 26.18 26.18 0 ❌ 沒調整（應該要乘 0.393）
11/4 26.18 26.18 0.393 ❌ 標記日錯位、未修正前一日
這代表什麼？代表如果你用 Adj Close 算報酬率，會在拆股那週出現莫名其妙的 +150%、+200% 的「假漲幅」。
🧠 問題二：停牌占位列會切斷週K，導致報酬率錯誤？
以前我以為，只要資料有日期、有收盤價，就能算週K。 但 AI 教我：停牌占位列（成交量為 0 且四價全相等）如果不先刪掉，會讓週K產生錯誤的切割。
例如 00632R 的日K片段：
程式碼
日期 開盤 最高 最低 收盤 成交量 判斷
2024-12-02 23.45 23.52 23.17 23.17 27865768 ✅ 有交易
2024-12-03 22.82 23.03 22.82 22.96 23524613 ✅ 有交易
2024-12-04 22.96 22.96 22.96 22.96 0 ❌ 停牌占位列
2024-12-05 22.96 22.96 22.96 22.96 0 ❌ 停牌占位列
2024-12-06 22.96 22.96 22.96 22.96 0 ❌ 停牌占位列
2024-12-09 22.96 22.96 22.96 22.96 0 ❌ 停牌占位列
2024-12-10 22.96 22.96 22.96 22.96 0 ❌ 停牌占位列
2024-12-11 23.09 23.14 22.94 23.12 20797034 ✅ 恢復交易
如果沒清掉停牌列，週K會被錯誤切成：
- 一週（12/02～12/06）→ 收盤 22.96
- 下一週（12/09～12/13）→ 收盤 23.12
- 報酬率 ≈ +0.70%，看起來正常，但如果價格異常就會誤爆 >100%
✅ 正確做法：連續停牌週都不產生週K，直到恢復交易後的「第二週」才恢復計算
程式碼
週別 狀態 是否產生週K 原因
12/02～12/06 有交易 ✅ 可正常計算
12/09～12/13 完全停牌 ❌ 無交易，不應產生週K
12/16～12/20 恢復交易，但前週停牌 ❌ PrevC_W 無效，報酬率不可信
12/23～12/27 有交易 ✅ 可正常計算
這樣才能保證：
- PrevC_W 是來自「真實有交易的週」
- 報酬率計算不會被假價格污染
- QA 分布與厚尾名單乾淨可靠
📈 週高 / 月高也安全了
週高是這樣算的：
週高 = 該週內所有交易日的日高最大值
如果停牌列沒清掉，週高可能被鎖死在某個常數（例如 22.96），導致：
- QA 報表出現假厚尾
- 策略誤判異常波動
但只要先清掉停牌列，週高就只會來自「真實有交易的日子」，分布自然乾淨，厚尾名單也不會被污染。
🧠 問題三：反向切割怎麼做？我根本不知道
我原本以為只要用 resample('W') 就能搞定週K，但 AI 教我：
- 要用 ISO 週（避免跨年錯位）
- 要先清洗日K，再做幾何連乘驗證
- 要做 QA 稽核：分箱分布、漂移警報、厚尾異常
這些我根本不會寫，是 AI 一步一步教我怎麼做，還幫我產出：
程式碼
weekly_vs_daily_diff.csv
weekly_drift_alerts.csv
weekly_top_outliers.csv
✅ 結論：花錢買資料也要做一樣的處理
你以為花錢買資料就能省事？錯了。
商業資料也會有拆股錯位、停牌占位、報酬異常。 如果你不做清洗與 QA，策略再好也白搭。
