数据口径与可复现性：同一个指标，为什么不同来源算出来的数字不一样

是什么

口径指的是一个数字在被算出来之前所做的一系列取舍：用哪一段数据、怎么处理特殊情形、中间步骤选哪种算法。这些取舍每一个都合理，但换一组就会得到另一个数字。

可复现指的是：把口径完整说明之后，另一个人按同样的说明重新算一遍，能得到同一个数字。

两者的关系是：口径决定了数字是什么，可复现性决定了这个数字能不能被检验。一个没有口径说明的数字，既不能被证实也不能被证伪，它只能被相信或者不相信——而这正是本站反复要避开的位置。

规则与细节

环节一：价格序列本身要不要复权

发生分红、送转之后，价格会在除权除息日出现一次跳变，这个跳变来自权益的分离，不是交易造成的涨跌（机制见除权除息与分红送转）。为了让前后价格可比，通常会对历史序列做复权处理，把这次跳变还原掉。问题在于复权有不止一种做法：可以把历史价格往回调整、也可以把此后价格往前调整，处理分红的方式也有差别。不同做法算出来的历史涨跌幅并不相同，而任何以价格序列为输入的指标，都会一路把这个差异带下去。用未复权序列直接算长期涨跌幅，则会把权益分离当成下跌，这是更明显的一种口径错配。

环节二：时间窗口怎么取

「近一个季度」是按交易日数还是按自然日算、起点含不含当日、遇到停牌与休市如何顺延——这些取法都常见，且各自都说得通。窗口边界差一两个位置，在波动较大的时段可以让结果明显不同。「近期」「过去一段时间」这类表述如果不落到具体取法上，本身就是没有口径的。

环节三：样本范围怎么划

算一个横截面上的统计量时，样本池是「全部标的」还是「剔除某些情形之后的标的」，会直接改变结果。常见的剔除项包括停牌、上市不满一定期限、以及处于特别处理状态的对象（见ST与退市）。每一种剔除都有其理由，但剔除本身就是一次筛选——如果剔除的同时没有说明，读者无法判断结论适用于哪个范围。这里与幸存者偏差直接相邻：样本范围的划法，正是那种不会报错的差异。

环节四：中间步骤的选择

取平均是简单平均还是按规模加权、缺失值是跳过还是用前值补上、极端值要不要处理、小数在哪一步取舍——这些步骤单看都是技术细节，叠加起来足以让两条结论指向不同方向。越是多步骤的复合指标，口径分歧的空间越大，因为每一步的取舍都会往后传递。

可复现要求的是什么

可复现不要求结论正确，只要求结论的来路可以被检查：数据取自哪里、口径如何、每一步做了什么处理，写清楚到另一个人能重走一遍。这个要求听起来低，但它把「这个数字是怎么来的」从不可讨论变成可讨论——一旦可以重走，口径里的取舍就会暴露在外，是否合理就能被单独评估，而不是被结论的漂亮程度掩盖过去。

常见影响或现象

• 看到一个数字，先找口径说明：数据取自哪里、覆盖哪一段、样本怎么划、有没有做复权处理。这几项缺任何一项，这个数字都无法与别处的数字直接比较。
• 不同来源的数字对不上时，先假设是口径差异：直接判断「哪个错了」通常没有依据，而找出两边在哪一步分岔了，往往能同时解释差异的方向和大小。
• 跨来源拼接数字要格外小心：把一个来源的分子配上另一个来源的分母，即使两边各自都准确，得到的比值也可能没有意义。
• 可复现是必要条件，不是充分条件：一份口径写得清清楚楚的研究，结论仍然可能是错的——口径本身可能选得不合适，或者数据源头就有问题。可复现保证的是能被检查，不保证检查一定通过。

常见误区

• 口径不同不等于有一方算错：多数情况下两边都在各自的口径内算对了。把口径差异当成错误来争论，会错过真正该讨论的问题——哪一种口径更适合当前要回答的问题。
• 「用的是官方数据」不能替代口径说明：同一份原始数据，经过不同的处理步骤同样会得到不同结果。数据来源权威，不代表加工过程被说清楚了。
• 口径一旦改变，历史序列不再前后可比：统计口径本身也会修订，修订前后的数字直接接在一起看，会把口径变化读成真实变化。会计上对这类情形另有一套专门的处理规则，同样是为了让口径变化不被误读成经营变化。
• 本文不评价任何具体数据来源、行情软件或数据服务商的优劣，也不推荐使用其中任何一种；文中提到的差异是口径设计的正常结果，不针对任何一方。
• 本文只介绍方法论概念，不构成任何投资建议，不针对任何具体标的或指标给出判断。