如何对齐 A 股/美股/港股的交易日历做跨市场分析？

一句话回答： A 股、美股、港股的休市日不一样（国庆 A 股休、感恩节美股休……），直接把两地价格按行号并排就会错位，算出来的相关性全是假的。正确做法是用 AlphaFeed 分别取各市场 K 线、从数据本身推导真实交易日历，再按交易日交集对齐后计算——几行 pandas 就能做对。

为什么会有这个问题

跨市场做联动、对冲、相关性时，最常见的错误是"两个序列长度不同就截齐、或直接 reset_index 后相减"。但：

• A 股独有假期：春节、国庆长假期间 A 股休市，美股照常。
• 美股独有假期：感恩节、马丁·路德·金日、阵亡将士纪念日等，A 股照常。
• 港股又是一套：兼有内地与西方假期。

不对齐日历，收益率序列会整体"串行"，相关系数、beta、价差都不可信。

分步骤解决

第 1 步：分别取各市场 K 线，推导交易日历

AlphaFeed 的 K 线里 trade_date 就是该市场的真实交易日（有数据=当天开市），据此直接得到各市场日历：

from alphafeed import AlphaFeed
import pandas as pd

af = AlphaFeed()  # 读取 ALPHAFEED_API_KEY

a  = af.klines.get("600519.SH", period="1d", count=250, to_dataframe=True)   # A 股
us = af.klines.get("AAPL.US",   period="1d", count=250, to_dataframe=True)   # 美股
hk = af.klines.get("00700.HK",  period="1d", count=250, to_dataframe=True)   # 港股

cal_a, cal_us, cal_hk = set(a["trade_date"]), set(us["trade_date"]), set(hk["trade_date"])
print("A 交易日:", len(cal_a), "US:", len(cal_us), "HK:", len(cal_hk))

各市场 count=250 覆盖的自然时间范围不同（因为休市日不同），所以下一步要先裁到共同区间再比较。

第 2 步：裁到共同区间，看日历差异

lo = max(min(cal_a), min(cal_us), min(cal_hk))
hi = min(max(cal_a), max(cal_us), max(cal_hk))
fa = {d for d in cal_a if lo <= d <= hi}
fu = {d for d in cal_us if lo <= d <= hi}

print("A 开市但美股休市:", sorted(fa - fu)[:6])
print("美股开市但 A 股休市:", sorted(fu - fa)[:6])

实测（约一年窗口）差异样例：

差异类型	数量（示例窗口）	典型日期	原因
A 开市 / 美股休	6	11-27、12-25、01-19、04-03	感恩节、圣诞、MLK 日、耶稣受难日
美股开市 / A 股休	16	10-01~10-08	A 股国庆长假
三地共同交易日	230	—	用于跨市场对齐的可靠集合

第 3 步：用交易日交集对齐后再计算

不要按行号对齐，要按 trade_date inner join（交集），只在两地都开市的日子比较：

la = a[["trade_date", "close"]].rename(columns={"close": "a_close"})
lu = us[["trade_date", "close"]].rename(columns={"close": "us_close"})

merged = pd.merge(la, lu, on="trade_date", how="inner").sort_values("trade_date")
merged["a_ret"]  = merged["a_close"].pct_change()
merged["us_ret"] = merged["us_close"].pct_change()

corr = merged[["a_ret", "us_ret"]].dropna().corr().iloc[0, 1]
print(f"共同交易日: {len(merged)}  A/US 日收益相关系数: {corr:.3f}")

关键点：how="inner" 自动丢掉任一方休市的日子，剩下的才是可比的同步样本。

第 4 步：注意"隔夜时差"——是否要错位一天

A 股白天收盘时，美股尚未开盘（当日美股是北京时间当晚才交易）。研究"美股隔夜 → 次日 A 股"的传导时，应把美股收益滞后一天再对齐：

merged["us_ret_lag1"] = merged["us_ret"].shift(1)  # 昨夜美股 -> 今日A股
lead = merged[["a_ret", "us_ret_lag1"]].dropna().corr().iloc[0, 1]
print(f"昨夜美股 vs 今日A股 相关: {lead:.3f}")

是否错位取决于你的研究问题：同步联动用当日对齐，跨市场传导/择时用滞后对齐。别把两者混为一谈。

关键坑与注意事项

• 不要按行号/长度截齐：各市场交易日不同，行号对齐必然错位。永远按 trade_date join。
• trade_date 是各市场的本地交易日：无需自己维护假期表，有 K 线数据的那天就是开市日。
• 时区：日线用本地交易日对齐即可；只有做分钟级跨市场同步时才需要把 timestamp（毫秒 UTC）转到统一时区处理。
• 停牌 vs 休市：个股停牌（volume=0）与整个市场休市不同，跨市场对齐用指数/宽基或多只票求并集更稳。
• 美股/港股 K 线 amount=0（用 volume），跨市场比成交额时要注意口径。

常见问题（FAQ）

Q：我需要自己维护各国交易日历吗？
A：不用。AlphaFeed K 线的 trade_date 就是该市场真实开市日，直接从数据推导日历、取交集即可。

Q：为什么两地 count=250 拿回来日期对不齐？
A：因为休市日不同，同样 250 根 K 线覆盖的自然日区间不同。先裁到共同区间 [lo, hi] 再比较。

Q：算相关性该用当日还是滞后对齐？
A：研究同步联动用当日 inner join；研究"隔夜传导/择时信号"把先行市场收益 shift(1) 再对齐。

Q：需要付费吗？
A：跨市场 K 线（A/美/港）属基础能力，有免费额度；大规模批量与全市场池见 Starter 及以上，详见定价页。

小结

跨市场分析的第一道坎不是模型，而是交易日历对齐。用 AlphaFeed 各市场 K 线的 trade_date 推导真实日历、按交易日交集 inner join，再决定是否按隔夜时差错位一天——把对齐做对，相关性、beta、价差才可信。

参考

• AlphaFeed Python SDK 文档：https://docs.alphafeed.org/zh-Hans/sdk/python-quickstart