示例1：获取某日全市场股票的复权因子

可获取某个交易日全市场股票的复权因子。

import tushare as ts
pro = ts.pro_api()

df = pro.adj_factor(trade_date='20260713')
df

        ts_code        trade_date        adj_factor
0        000001.SZ        20260713        139.0080
1        000002.SZ        20260713        181.7040
2        000004.SZ        20260713        4.0640
3        000006.SZ        20260713        39.7400
4        000007.SZ        20260713        8.2840
...        ...        ...        ...
5535        603580.SH        20260713        2.0581
5536        600193.SH        20260713        6.6990
5537        600696.SH        20260713        3.3040
5538        688287.SH        20260713        1.5915
5539        601369.SH        20260713        2.5948
5540 rows × 3 columns

示例2：获取某支股票所有的复权因子

可获取该股票最近6000条复权因子数据。如需使用更为久远的复权因子数据，则可以通过推荐的方案，依据

进行循环遍历请求历史数据到本地，然后每日更新一次，使用时直接在本地加载。本示例演示如何获取平安银行（000001.SZ）最近6000条复权因子。

df = pro.adj_factor(ts_code='000001.SZ')
df

        ts_code        trade_date        adj_factor
0        000001.SZ        20260713        139.008
1        000001.SZ        20260710        139.008
2        000001.SZ        20260709        139.008
3        000001.SZ        20260708        139.008
4        000001.SZ        20260707        139.008
...        ...        ...        ...
5995        000001.SZ        20011024        24.359
5996        000001.SZ        20011023        24.359
5997        000001.SZ        20011022        24.359
5998        000001.SZ        20011019        24.359
5999        000001.SZ        20011018        24.359
6000 rows × 3 columns

示例3：获取某支股票历史上某段时间的复权因子

可以限定获取复权因子的时间段（左右两端时间点均包含）。本示例演示如何获取平安银行1996年的复权因子。

df = pro.adj_factor(ts_code='000001.SZ', start_date='19960101', end_date='19961231')
df

        ts_code        trade_date        adj_factor
0        000001.SZ        19961231        13.968
1        000001.SZ        19961230        13.968
2        000001.SZ        19961227        13.968
3        000001.SZ        19961226        13.968
4        000001.SZ        19961225        13.968
...        ...        ...        ...
242        000001.SZ        19960108        6.984
243        000001.SZ        19960105        6.984
244        000001.SZ        19960104        6.984
245        000001.SZ        19960103        6.984
246        000001.SZ        19960102        6.984
247 rows × 3 columns

示例4：利用复权因子计算前复权和后复权价格

接口获取到的股票日行情价格数据是没有进行复权的，在发生分红、配股等除权除息事件时未复权价格往往会发生剧烈地跳动。为了消除这种干扰，需要对未复权的价格进行复权处理。这就是复权因子发挥作用的场合。复权分为前复权和后复权。本示例演示如何对贵州茅台（600519.SH）的日行情价格进行前复权和后复权。下面是前复权和后复权使用到的公式：

import pandas as pd
# 获取日行情
df_daily = pro.daily(ts_code='600519.SH', start_date='20200101', fields='trade_date,open,high,low,close')
# 获取复权因子
df_adj = pro.adj_factor(ts_code='600519.SH', start_date='20200101', fields='trade_date,adj_factor')
# 将日行情和复权因子合并在一起，便于计算
df_adj_prices = pd.merge(df_daily, df_adj, on=['trade_date'], how='left').sort_values(by='trade_date', ignore_index=True)
# 使用最新日期作为前复权的基准日期
qfq_base_factor = df_adj_prices['adj_factor'].iloc[-1]
for f in ['open', 'high', 'low', 'close']:
    # 这里后复权价格的基准因子使用1表明是以股票上市日作为基准日期
    # 如果使用后面某一天作为基准日期，则基准因子使用当日复权因子
    df_adj_prices[f+'_hfq'] = (df_adj_prices[f] * df_adj_prices['adj_factor']).round(2)
    df_adj_prices[f+'_qfq'] = (df_adj_prices[f] * df_adj_prices['adj_factor'] / qfq_base_factor).round(2)
df_adj_prices

        trade_date        open        high        low        close        adj_factor        open_hfq        open_qfq        high_hfq        high_qfq        low_hfq        low_qfq        close_hfq        close_qfq
0        20200102        1128.00        1145.06        1116.00        1130.00        7.3186        8255.38        954.79        8380.24        969.23        8167.56        944.63        8270.02        956.48
1        20200103        1117.00        1117.00        1076.90        1078.56        7.3186        8174.88        945.48        8174.88        945.48        7881.40        911.53        7893.55        912.94
2        20200106        1070.86        1092.90        1067.30        1077.99        7.3186        7837.20        906.42        7998.50        925.08        7811.14        903.41        7889.38        912.46
3        20200107        1077.50        1099.00        1076.40        1094.53        7.3186        7885.79        912.04        8043.14        930.24        7877.74        911.11        8010.43        926.46
4        20200108        1085.05        1095.50        1082.58        1088.14        7.3186        7941.05        918.43        8017.53        927.28        7922.97        916.34        7963.66        921.05
...        ...        ...        ...        ...        ...        ...        ...        ...        ...        ...        ...        ...        ...        ...
1575        20260707        1200.00        1202.00        1188.11        1188.80        8.6463        10375.56        1200.00        10392.85        1202.00        10272.76        1188.11        10278.72        1188.80
1576        20260708        1188.77        1200.98        1177.00        1199.30        8.6463        10278.46        1188.77        10384.03        1200.98        10176.70        1177.00        10369.51        1199.30
1577        20260709        1191.00        1191.99        1178.00        1182.19        8.6463        10297.74        1191.00        10306.30        1191.99        10185.34        1178.00        10221.57        1182.19
1578        20260710        1182.20        1204.98        1170.28        1204.98        8.6463        10221.66        1182.20        10418.62        1204.98        10118.59        1170.28        10418.62        1204.98
1579        20260713        1197.12        1215.00        1190.19        1210.99        8.6463        10350.66        1197.12        10505.25        1215.00        10290.74        1190.19        10470.58        1210.99
1580 rows × 14 columns

数据接口进行介绍，提供更多参考示例和使用说明。

本文介绍的复权因子是“累计后复权因子”，存储的是每个交易日的快照。本文介绍了如何获取某个交易日全市场股票的复权因子、如何获取单只股票最近6000条复权因子、如何获取某段时间区间里的复权因子以及如何计算前复权和后复权价格。

本文目的是为了让用户和AIGC工具能够更便捷、准确地使用该接口。大家在使用过程中遇到什么问题和建议可在线留言，作者会进行数据探索将结果更新到文章中，并将建议反馈给Tushare团队。本文另一个目的也是为了聚集大家的智慧以创建“我为人人，人人为我”的共创氛围。

通过仅传递ts_code可获取该股票最近6000条复权因子数据。如需使用更为久远的复权因子数据，则可以通过推荐的方案，依据trade_date进行循环遍历请求历史数据到本地，然后每日更新一次，使用时直接在本地加载。本示例演示如何获取平安银行（000001.SZ）最近6000条复权因子。

Tushare接口文档：复权因子（adj_factor）

首席数据运营官

大数据

数据库

开发工具

Tushare提供股票复权因子接口，支持获取单支或多支股票的历史复权数据。接口每日8:30-9:30更新，包含累计后复权因子，适用于计算前复权和后复权价格。支持按日期、股票代码查询，单次最多返回6000条数据。复权因子可消除分红配股对股价的影响，帮助投资者分析真实走势。

数据接口

2026上云采购 | AI焕新·智启新局

bigdata-class

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

Tushare接口文档：复权因子（adj_factor）

Tushare接口文档：复权因子（adj_factor）

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐