366 lines
22 KiB
Markdown
366 lines
22 KiB
Markdown
# A 股多数据源融合层设计
|
||
|
||
> 日期:2026-07-21 创建 | 基于 brainstorming + 4 源全能力调查(akshare / baostock / miniQMT / csindex)
|
||
> **状态:活文档(唯一数据设计文档)** —— 2026-09-02 起用户钦定:本文件是数据架构唯一权威设计,
|
||
> 每次数据架构变更必须同批更新到最新状态;演进采用「日期节追加,新节覆盖旧节相关决策」模式。
|
||
> 最后更新:2026-09-02(A 档截面数据域全量上生产,§15)
|
||
|
||
---
|
||
|
||
## 1. 背景与痛点
|
||
|
||
多数据源(akshare / baostock / xtdata / miniQMT)各不全,整合时格式有偏差:
|
||
- **symbol 格式**:`600519` vs `sh.600000` vs `600519.SH`
|
||
- **exchange 命名**:`SSE` vs `SH`
|
||
- **复权口径**:raw vs qfq
|
||
- **volume 单位**:xtdata÷100 vs 原值
|
||
- **价格源间漂移**:同股同日不同源 close 微差
|
||
|
||
### 用户约束(明确)
|
||
- ❌ 不要查询时网络源切换(源变化/限流不可控)
|
||
- ✅ VPS 本地一份稳定数据,日常只读本地
|
||
- ✅ 网络源只用于「采集时拼凑完整本地」
|
||
- ✅ 使用层无感(本地缺才网络兜底,罕见)
|
||
- ✅ 优先 miniQMT + baostock
|
||
|
||
---
|
||
|
||
## 2. 设计原则(三层)
|
||
|
||
| 层 | 职责 | 原则 |
|
||
|---|---|---|
|
||
| **采集层** | 多网络源 → 拼凑完整本地 | 各源 adapter + 定时 schtask;源不可控隔离在采集(失败重试,不影响使用层) |
|
||
| **数据层** | 整理(重叠定权威,特定保留) | **不强合物理表**(vnpy 回归风险);每类定权威源(优先 baostock+miniqmt) |
|
||
| **使用层** | `LocalUnifiedProvider` 逻辑融合 | 读权威表 + 归一化 + 本地缺网络兜底;策略无感 |
|
||
|
||
**核心**:网络源不稳的风险只影响采集层(定时跑、可重试),使用层永远读本地 —— 风险隔离。
|
||
|
||
---
|
||
|
||
## 3. 数据源全能力盘点(综合调查)
|
||
|
||
### 3.1 已下(稳定源)
|
||
| 表/源 | 内容 | 范围 | 增量 |
|
||
|---|---|---|---|
|
||
| `dbbardata` | 日线+5m/15m(xtdata/akshare/baostock) | 日线2010+/分钟2020+ | ✅ 16:30 |
|
||
| `daily_baostock_full` | 日线 18 字段(pe/pb/turn/pctChg) | 1990–2026 | 待 #7 |
|
||
| `bs_index_constituent` | 成份股 300/500/50(含退市) | 2006+ | 待增量 |
|
||
| `bs_adjust_factor` | 复权因子 | 全史 | 待增量 |
|
||
| akshare 静态表 | 三表/估值/北向/龙虎榜/融资融券/股本/解禁/业绩预告 | - | 部分增量 |
|
||
| miniQMT xtdata | 日线+5m/15m 全周期(实时 T+0,零漂移) | 16年 | 按需 |
|
||
| miniQMT PershareIndex | ROE/毛利率/EPS | 季频 | 按需 |
|
||
| parquet | data/raw、daily_baostock、minute_5/15、static/index_const、qfq+raw ETF(5只) | - | 部分 |
|
||
|
||
### 3.2 重叠(5 处)
|
||
1. 日线 OHLCV:dbbardata ∩ daily_baostock_full ∩ parquet raw(三处)
|
||
2. 估值 PE/PB:akshare valuation ∩ daily_baostock_full(peTTM/pbMRQ)
|
||
3. 15min:dbbardata ∩ parquet minute_15
|
||
4. 基本面:akshare 三表 ∩ miniQMT PershareIndex ∩ baostock 季频
|
||
5. 成份股:bs_index_constituent ∩ parquet index_const
|
||
|
||
### 3.3 新发现缺口(本次调查)
|
||
- **ETF 全市场日线**(现仅 5 只,策略资产类别缺口)
|
||
- **深证/中证历史成份股**(治幸存者偏差,当前仅最新快照 = latent bug)
|
||
- **退市股 K 线**(baostock 有,从未提取;反幸存者偏差核心)
|
||
- 申万行业 SW1/2/3 + 历史变动
|
||
- 龙虎榜 / 合约信息(涨跌停/ST)/ 可转债 / 研报一致预期 / 股东户数 / 除权明细
|
||
|
||
---
|
||
|
||
## 4. 权威源地图(数据层整理)
|
||
|
||
| 数据类 | 权威源 | 物理存储 | 重叠处理 / 备注 |
|
||
|---|---|---|---|
|
||
| 日线 OHLCV(个股,历史) | **baostock** | `daily_baostock_full` | dbbardata 日线保留(vnpy 回测硬依赖);parquet raw 冗余 |
|
||
| 日线(盘中实时) | **miniQMT xtdata** | xtdata API | 独有(T+0 实时) |
|
||
| **日线 ETF(全市场)** | **miniQMT xtdata** | parquet/dbbardata | universe 加 `沪深ETF∪沪深基金`,`dividend_type='front'` 自动复权 |
|
||
| 估值 PE/PB/turn | **baostock** | `daily_baostock_full` | akshare valuation 兜底/校验 |
|
||
| 基本面指标 ROE/毛利率 | **miniQMT PershareIndex** | miniQMT API | akshare 三表补原始报表 |
|
||
| 基本面三表(原始) | akshare | akshare 表 | miniQMT Balance/Income/CashFlow + baostock 季频交叉 |
|
||
| 15min | **baostock** | `dbbardata` | parquet minute_15 冗余可清 |
|
||
| 成份股 300/500/50(含退市) | **baostock** | `bs_index_constituent` | `query_*_stocks(date)` 任意时点 |
|
||
| **成份股 深证/国证(399xxx)** | **akshare(国证源)** | parquet | `index_detail_hist_cni` + `index_detail_hist_adjust_cni` |
|
||
| **成份股 中证1000/2000(000852/932000)** | **新浪** | parquet | `vII_HistoryComponent`(gb2312,含退市) |
|
||
| **退市股 K 线** | **baostock** | `daily_baostock_full` | `query_all_stock` status=0 + `query_stock_basic` 退市日期 + 逐只 K |
|
||
| 复权因子 | **baostock** | `bs_adjust_factor` | 独有 |
|
||
| 申万行业 SW1/2/3 | **miniQMT xtdata** | parquet | `get_sector_list` + `get_stock_list_in_sector`;akshare 补历史变动 |
|
||
| 龙虎榜 | **miniQMT xtdata** | parquet | `get_longhubang`;akshare 兜底 |
|
||
| 合约信息(涨跌停/ST/上市日) | **miniQMT xtdata** | parquet | `get_instrument_detail` 全 A 一入库 |
|
||
| 可转债 | akshare | parquet | `bond_zh_hs_cov_min` + `bond_cb_adj_logs_jsl`(转股价) |
|
||
| 研报/一致预期 EPS | akshare | parquet | `stock_research_info_em` |
|
||
| 股东户数 | miniQMT/akshare | parquet | `Holdernum` 表 / `stock_zh_a_gdhs_detail` |
|
||
| 除权明细 | miniQMT xtdata | parquet | `get_divid_factors` |
|
||
| 龙虎榜/北向/融资融券/解禁 | akshare | akshare 表 | 独有(保留) |
|
||
|
||
---
|
||
|
||
## 5. 归一化规则
|
||
|
||
| 维度 | 统一标准 | 源映射 |
|
||
|---|---|---|
|
||
| symbol | `600519.SH`(数字+交易所后缀) | baostock `sh.600000`→`600000.SH`;dbbardata 纯数字+exchange 字段 |
|
||
| exchange | `SH`/`SZ` | dbbardata `SSE`/`SZSE` → `SH`/`SZ` |
|
||
| 日期 | ISO `2026-07-21` | 各源统一 |
|
||
| 复权 | raw 存储 + `factor` 字段(QLib:`factor=adj/raw`) | 查询时按需 qfq(`$close/$factor`);治 raw/qfq 冲突 |
|
||
| volume | 原值(股) | xtdata ÷100 还原 |
|
||
| 停牌 | OHLCV 全 NaN | QLib 约定 |
|
||
| 溯源 | `source` 字段 | 每行标来源 + 主源/补丁标记 |
|
||
|
||
---
|
||
|
||
## 6. 使用层:`LocalUnifiedProvider`(逻辑融合)
|
||
|
||
**接口**:
|
||
```python
|
||
get_daily(symbol, start, end, adjust='raw') # 个股日线
|
||
get_etf_daily(symbol, ...) # ETF 日线
|
||
get_fundamentals(symbol, fields, date) # 财务指标/三表
|
||
get_constituent(index, date) # 成份股(含历史,治幸存者偏差)
|
||
get_industry(symbol, date) # 申万行业(含历史变动)
|
||
get_longhubang(symbol, start, end) # 龙虎榜
|
||
get_instrument_detail(symbol) # 涨跌停/ST
|
||
get_delisted_kline(...) # 退市股 K 线
|
||
```
|
||
|
||
**职责**:
|
||
- 按数据类路由到权威表(§4 地图)
|
||
- 归一化(§5 规则):源格式 → 统一 vt_symbol/exchange/复权/单位
|
||
- 本地缺 → `network_fetcher` 透明兜底(罕见,如新股未及采集)→ 写本地 → 返回
|
||
- `source` 字段溯源;可选多源交叉校验
|
||
- 使用层 API 不变,不知数据来自哪个源
|
||
|
||
**实现**:扩展现有 `sanguo_portfolio/providers/` 的 `DataProvider` 接口(BaostockProvider/LocalParquetProvider 已有)。
|
||
|
||
---
|
||
|
||
## 7. 增量 schtask 清单
|
||
|
||
| schtask | 数据 | 源 | 时间 |
|
||
|---|---|---|---|
|
||
| `sanguo-daily-update`(已有) | 日线+分钟→dbbardata | xtdata | 16:30 |
|
||
| `sanguo-bs-daily-increment`(#7 待建) | 日线→daily_baostock_full | baostock | 17:00 |
|
||
| `sanguo-etf-daily-increment`(新) | ETF 全市场日线 | xtdata(universe 沪深ETF) | 17:30 |
|
||
| `sanguo-akshare-static-increment`(新) | 估值/龙虎榜/三表/北向 | akshare | 18:00 |
|
||
| `sanguo-index-hist`(新,半年度) | 历史成份股调样 | akshare 国证 + 新浪 | 调样后(6/12 月) |
|
||
| `sanguo-delisted`(新,月度) | 退市股列表+K 线 | baostock | 月初 |
|
||
|
||
**query 预算守 48000/天/IP**(baostock 硬限):各 baostock schtask 错开 + 日计数器。
|
||
|
||
---
|
||
|
||
## 8. 分阶段实现
|
||
|
||
### P0 — 治幸存者偏差 + 策略核心缺口
|
||
1. **历史成份股**:深证/国证(`index_detail_hist_cni`)+ 中证1000/2000(新浪 `vII_HistoryComponent`)+ 300/500/50(baostock 已有)
|
||
2. **ETF 全市场日线**:xtdata universe 改 `沪深A股∪沪深ETF∪沪深基金` + `dividend_type='front'`(改 `build_daily_from_xtdata.py:40` + `daily_update_xtdata.py:114`)
|
||
3. **退市股 K 线**:baostock `query_all_stock` 筛 status=0 + `query_stock_basic` 退市日期 + 逐只 K → `daily_baostock_full`
|
||
|
||
### P1 — 策略增强
|
||
4. 申万行业 SW1/2/3(xtdata `get_sector_list`)+ 历史变动
|
||
5. 龙虎榜(xtdata `get_longhubang`)
|
||
6. 合约信息涨跌停/ST(xtdata `get_instrument_detail`)全 A 入库
|
||
7. 可转债(akshare `bond_zh_hs_cov_min` + 转股价调整)
|
||
8. 研报/一致预期 EPS(akshare `stock_research_info_em`)
|
||
|
||
### P2 — 按需
|
||
9. 股东户数 / 除权明细 / 业绩快报 / 大宗交易 / 宏观 / 期货
|
||
|
||
### 融合层(贯穿)
|
||
10. 归一化库(vt_symbol/exchange/factor/volume 映射)
|
||
11. `LocalUnifiedProvider`(读权威表 + 归一化 + 网络兜底)
|
||
12. 完整度监控报表(每类覆盖率/缺口,源退化早发现)
|
||
|
||
---
|
||
|
||
## 9. 陷阱清单(实证)
|
||
|
||
- `ak.index_stock_hist` **已下线**(akshare 1.10.37,2024 初)—— 别抄 2022-23 旧博客
|
||
- `ak.index_stock_cons` 的"纳入日期"字段有迷惑性 —— 只是当前 300 只各自最初纳入日,不含被剔除,治不了幸存者偏差
|
||
- csindex.com.cn 是 Vue SPA —— `requests.get` 拿空壳,官网只当前 Excel 无历史
|
||
- 新浪 `fund_etf_hist_sina` **不复权** —— 不适合回测;ETF 复权走 xtdata `dividend_type='front'`
|
||
- 东财 `fund_etf_hist_em` **封 IP** —— 单线程限速或避用
|
||
- baostock `query_all_stock` 不列退市日期 —— 配合 `query_stock_basic`
|
||
- 申万历史板块有变更 —— 回测用当时分类
|
||
- `ak.index_detail_cni`(非 hist 版)2025-11-25 起只近期 —— 必须用 hist 版
|
||
|
||
---
|
||
|
||
## 10. YAGNI(不做)
|
||
|
||
- ❌ 不强合物理表(冲突解决/历史一致性/vnpy 回归风险,代价大)
|
||
- ❌ 不引 QLib/OpenBB 框架(几百 MB,只摘模式:factor/source/归一)
|
||
- ❌ CS 截面归一(中期按需,先解决不全+格式)
|
||
- ❌ 实时 tick/盘口(非日终策略才需)
|
||
|
||
---
|
||
|
||
## 11. 风险与对策
|
||
|
||
| 风险 | 对策 |
|
||
|---|---|
|
||
| vnpy 回测硬读 dbbardata | 不动 dbbardata,provider 层 SSE↔SH 映射 |
|
||
| baostock query 预算 48000/天 | 增量 schtask 错开 + 日计数器(#7+day2b 同天 44296<48000) |
|
||
| 东财封 IP | 避用东财,优先 baostock/xtdata/新浪/国证 |
|
||
| 接口下线(如 index_stock_hist) | 调查实证,不抄旧文 |
|
||
| 数据源漂移/幽灵尖峰 | source 溯源 + 涨跌停/量异常校验 |
|
||
| 历史成份股缺口致回测幸存者偏差 | P0 优先补(深证+中证1000/2000+退市) |
|
||
|
||
---
|
||
|
||
## 12. 实现路径(writing-plans 拆)
|
||
|
||
- **Phase 1(P0 数据补全)**:历史成份股 + ETF 全市场 + 退市 K 线(3 个采集脚本 + 灌库)
|
||
- **Phase 2(融合层)**:归一化库 + `LocalUnifiedProvider`(读现有+新表)
|
||
- **Phase 3(P1 增强)**:板块/龙虎榜/合约/可转债/研报
|
||
- **Phase 4(运维)**:增量 schtask 全套 + 完整度监控
|
||
|
||
---
|
||
|
||
## 13. 开放问题与默认决策(自行决策,你可推翻)
|
||
|
||
| # | 问题 | 默认(我定) | 备选 | 理由 |
|
||
|---|---|---|---|---|
|
||
| 1 | exchange 统一格式 | **SH/SZ**(provider 映射 dbbardata SSE→SH) | 保留 SSE/SZSE | baostock/xtdata 都用 SH/SZ,主流;vnpy SSE 在 provider 层映射 |
|
||
| 2 | P0 三项优先级 | **全做**(历史成份股 + ETF + 退市 K 线) | 先 ETF(策略即用) | 三项都治幸存者偏差/核心缺口,并行不冲突 |
|
||
| 3 | ETF 复权方式 | **xtdata `dividend_type='front'`**(前复权) | raw + factor(精确还原) | 前复权够策略用;raw+factor 中期按需 |
|
||
| 4 | 退市股 K 线范围 | **近 5 年退市**(守 baostock 48000/天预算) | 全退市(几千只,慢) | 近 5 年覆盖绝大多数回测;全量可后补 |
|
||
| 5 | `LocalUnifiedProvider` 接口 | §6 签名(get_daily/get_etf/get_fundamentals/get_constituent/get_industry/...) | 精简 | 覆盖全天候 + CTA 需求 |
|
||
| 6 | 增量 schtask 时间 | 17:00(baostock 日线)/ 17:30(ETF)/ 18:00(akshare 静态) | 调整 | 错开 sanguo-daily-update 16:30 + day2b 02:00 |
|
||
| 7 | 物理表 | **不新建统一表**,provider 读现有(dbbardata/daily_baostock_full/各 parquet) | 建 daily_unified | 避免 vnpy 回归 + 数据迁移(§10 YAGNI) |
|
||
|
||
**默认推进路径**:按以上默认 → spec 定稿 → 转 writing-plans(P0 拆 3 个采集脚本实现计划)。你审 spec 时可推翻任一项,我改。
|
||
|
||
---
|
||
|
||
## 14. 方案 A 定稿(2026-07-22 讨论收敛 — 本节为最新,覆盖前文相关决策)
|
||
|
||
### 14.1 背景
|
||
P0 补全 + schtask 部署完成后,审计(`audit_data_layout.py` + `dbbardata_probe.py` 实证)发现「同类多源、多份落地、DB 多表」混乱。讨论收敛为方案 A:**每类数据唯一权威源(允许互补 fallback,禁止并行)、DB 表唯一、估值/三表/事件不进 DB、DB 只放高频随机读取的 K 线+成份股+复权**。
|
||
|
||
### 14.2 权威源最终分工
|
||
| 数据类 | 权威源 | 备注 |
|
||
|---|---|---|
|
||
| 个股日线 OHLCV(含退市) | **baostock** | raw 真实价 → dbbardata('d') |
|
||
| ETF/基金日线 | **xtata** | baostock 盲区(只取 type=1) |
|
||
| 个股当天实时(盘后 baostock 未更窗口/盘中) | **xtata** | 拼 baostock 历史,同为 raw |
|
||
| 15min | **baostock** | 历史+增量同源 |
|
||
| 5min/1min | baostock(暂停) | 战略占位,size 扩容续 |
|
||
| 估值 pe/pb/ps/pcf/turn/pctChg/isST | **baostock** | 日线18字段拆出 |
|
||
| 基本面三表 | **akshare** | |
|
||
| 成份股 300/500/50 | **baostock**(历史) | |
|
||
| 成份股 深证 399xxx | **akshare cni**(历史 union) | |
|
||
| 成份股 中证1000/2000 | akshare csindex(当前快照) | 历史不可补=永久 gap |
|
||
| 复权因子 | **baostock** | 全链路复权基准 |
|
||
| 事件类(龙虎榜/大宗/北向/两融/解禁/预告) | **akshare** | |
|
||
|
||
三大源:xtata(ETF+实时) / baostock(个股日线+估值+15min+复权+300.500.50) / akshare(三表+事件+深证中证成份股)。同类不并行,按标的/字段互补。
|
||
|
||
### 14.3 DB 边界(只放)
|
||
- `dbbardata`:日线('d')+15min('15m')+5min('5m'占位)— **唯一行情表**
|
||
- `constituent_unified`:成份股合并唯一表(date,index_code,code,code_name,source)
|
||
- `bs_adjust_factor`:复权
|
||
- `backtest_stats`:回测(已有)
|
||
- **不进 DB**:基本面三表、估值 pe/pb、事件类、回测明细(独立 db)
|
||
- **废弃** `daily_baostock_full`(OHLCV→dbbardata,pe/pb→parquet)、`bs_index_constituent`(合入 constituent_unified)
|
||
|
||
### 14.4 pe/pb 落地:parquet 按年宽表
|
||
`data/valuation_baostock/<year>.parquet`,列 `date,symbol,pe_ttm,pb_mrq,ps_ttm,pcf_ncf_ttm,turn,pct_chg,is_st`。选股排序(全市场某日)列存宽表秒级。baostock 日线增量同源拆出。
|
||
|
||
### 14.5 增量 schtask(4 个)
|
||
| schtask | 时间 | 源 | 内容 | 落点 | 预算 |
|
||
|---|---|---|---|---|---|
|
||
| sanguo-bs-eod | 18:05 | baostock | 个股日线+15min 增量+拆 pe/pb | dbbardata('d'/'15m')+valuation_baostock/ | ~11000/48000 |
|
||
| sanguo-xt-eod | 18:40 | xtata | ETF/基金日线+个股当天实时补 | dbbardata('d') | 无限流 |
|
||
| sanguo-bs-akshare | 19:00 | akshare | 三表+事件类 | parquet | 限频单线程 |
|
||
| sanguo-index | 月度 19:50 | baostock+akshare | 成份股合并 | constituent_unified | 小 |
|
||
|
||
baostock 单进程单登录,`DAILY_LIMIT=48000`,sleep 限速,login 探针 graceful skip,直连不走代理。5min/1min 不设 schtask。
|
||
|
||
### 14.6 dbbardata 补退市(本次审计发现,顺带治回测幸存者偏差)
|
||
实证(`dbbardata_probe`):退市股(000005/000023/600811)在 dbbardata **只有 15m,无日线** → 回测读 dbbardata 日线天然幸存者偏差。迁移:`daily_baostock_full` OHLCV 全量(含退市)→ dbbardata('d') INSERT OR REPLACE(本地 DB 迁移,无网络)。ETF 已在 dbbardata(不碰)。
|
||
|
||
### 14.7 复权统一
|
||
全链路 raw 真实价存储(dbbardata 存 raw),前复权由消费端按 `bs_adjust_factor`(baostock)统一算。xtata 当天实时同为 raw,可拼接。禁止混 xtata dividend_type=front。
|
||
|
||
### 14.8 数据迁移(5 单元,风险升序,备份+staging+可回滚+审计日志)
|
||
1. 存量垃圾清理(`_staging_xtdata` 14万文件 / `_xtdata.tar` 1.4G / 归拢 cta_* dbg_* → backtest_files/)
|
||
2. config 统一 VPS 路径(NAS 仅备份)
|
||
3. 成份股合并(bs_index_constituent + index_const_hist union → constituent_unified,按指数代码去重,新浪300/50丢弃)
|
||
4. daily_baostock_full 拆分(OHLCV→dbbardata('d') 含退市;pe/pb→valuation_baostock/<year>.parquet;旧表 rename _old)
|
||
5. dbbardata 个股日线切 baostock 源(单元4已覆盖:daily_baostock_full 含全量,在市股 REPLACE 覆盖 xtata,数值一致)
|
||
|
||
每单元:全库 `sqlite3 .backup` + rsync NAS → 脚本写 staging(新表/新目录)→ 验证探针(行数/distinct symbol/抽样价格/成功率)→ 用户确认合并 → 旧数据 rename _old 保留 7 天。全程 nohup + 审计日志 `data/migration_logs/`。
|
||
|
||
### 14.9 config 清理
|
||
VPS config 的 daily_dir/raw_dir/qfq_dir/minute_15_dir 改 `C:\sanguo_vnpy_v2\data\...`(当前 yaml 指 NAS /volume1,容器版遗留)。NAS config 保留作备份。read_parquet_daily 的 daily_dir 统一指向 qfq(消除 daily/ vs qfq/ 分叉)。
|
||
|
||
## 15. 增补 2026-09-02：A 档截面数据域全量上生产(本节为最新,覆盖前文相关决策)
|
||
|
||
> 背景:调研 [daily_stock_analysis](https://github.com/ZhuLinsen/daily_stock_analysis)(Gitea 镜像 `sanguo/daily_stock_analysis`)
|
||
> 的数据采集面,双机实验(Mac + VPS 生产 IP 49.232.102.198)后落地。四 commit
|
||
> db789d6→020d7cd→00cfd45→46a0569,CI#303 NAS 验证绿 + vps-deploy#304 绿,tag=46a0569。
|
||
|
||
### 15.1 架构红线:单脚本注册表,零新采集脚本(用户钦定)
|
||
|
||
脚本按**数据源(栈)**分类恒定:akshare 栈唯一采集入口=`scripts/data_platform/akshare_static_download.py`,
|
||
baostock 栈=bs_* 系列,xtdata 栈=daily_update_xtdata,新浪指数=sina_index_eod。**新数据类型=注册表添行
|
||
+一个 fetcher 函数+wrapper 加名字**,禁止每类型开新脚本。akshare 本身是聚合库(东财/新浪/同花顺都在内),
|
||
新浪/同花顺数据进 akshare 脚本=按栈分类,不算混源。
|
||
|
||
### 15.2 新数据域清单(全部落 data/static/<type>/,parquet+marker)
|
||
|
||
| 数据域 | 类型 | 源/端点(集群) | 调度 | 行数 | 回补能力 |
|
||
|---|---|---|---|---|---|
|
||
| zt_pool 涨停池 | per-date | 东财 stock_zt_pool_em(push2ex) | ak-events 19:30 | ~83/日 | **30 交易日内可回补** |
|
||
| zt_pool_zbgc 炸板池 | per-date | 东财 zbgc_em(push2ex) | 同上 | ~6/日 | 同上 |
|
||
| zt_pool_dtgc 跌停池 | per-date | 东财 dtgc_em(push2ex) | 同上 | 0-2/日(空=当日真无跌停,写空+done) | 同上 |
|
||
| fund_flow_industry 行业资金流 | per-date 快照 | 新浪 stock_fund_flow_industry('即时') | 同上 | 90/日(净额/流入/流出/领涨股) | ❌无历史回补,洞即永久 |
|
||
| fund_flow_concept 概念资金流 | per-date 快照 | 新浪 fund_flow_concept | 同上 | ~387/日 | ❌ |
|
||
| ths_industry 行业榜 | per-date 快照 | 同花顺 board_industry_summary_ths | 同上 | 90×12列/日 | ❌ |
|
||
| ths_concept 概念名单 | per-date 快照 | 同花顺 board_concept_name_ths | 同上 | ~375/日 | ❌ |
|
||
| xueqiu_hot 雪球热度 | per-date 快照 | 雪球 stock_hot_follow_xq('最热门') | 同上 | ~5634/日 | ❌ |
|
||
| sina_sector 新浪行业 | per-date 快照 | 新浪 stock_sector_spot | 同上 | 49/日(ths_industry 对账源) | ❌ |
|
||
| hot_rank 东财人气榜 | per-date 快照 | 东财 stock_hot_rank_em(emappdata) | **fetcher 就位未挂载,待墙测量拍板** | ~100/日 | ❌ |
|
||
| gdhs 股东户数 | **per-period** | 东财 stock_zh_a_gdhs(datacenter) | **ak-weekly 周六** | ~5342/期 | marker 去重,无新期零网络 |
|
||
|
||
- **ak-events 事件窗现状 13 类** = 上表前 9 + 原有 dragon_tiger/block_trade/margin_sse/restricted
|
||
- gdhs 形状特殊:`build_gdhs_units` 只枚举**距今>90 天的季度末**(披露守卫)——防未披露期拉空走「真空+done」
|
||
被 marker 锁死永不重拉;cyq 筹码判死后的筹码结构免费替代(策略侧共识)
|
||
- 快照族节假日拉到上一交易日态(端点无 date 参数无自日期列),接受重复,消费方按交易日历过滤
|
||
|
||
### 15.3 东财墙模型(实测,勿再踩)
|
||
|
||
- **每 IP 每窗口(~30-60min)放 1 发**:push2 clist(行业/概念榜/资金流榜)、push2his(kline/cyq/个股资金流)、
|
||
emappdata(人气榜)三集群同款;第二发必死、镜像(1./17./79.push2)共享、请求形状无关
|
||
(dsa 的 efinance 四差异 http+IE11UA+无ut+fid=f12 全复刻也死)、失败重试不重置窗口
|
||
- **datacenter 集群(三报表/gdhs/top_holders)独立健康**,不受 push2 惩罚波及;**push2ex(涨停池)独立稳定连打全绿**
|
||
- **cyq 筹码全市场=数学死**(5552×40min≈154 天);dsa 的答案是 tushare cyq_chips token 且免费档 15 次/天
|
||
- **行业/概念榜+资金流的免费答案=换域**:同花顺(行业+概念榜)+新浪(资金流+行业)实测秒级零限流
|
||
|
||
### 15.4 语义与防线(全族统一)
|
||
|
||
- 失败→返 None 不写不标保旧数据(次日重试);真空 df→写空+done;列名零清洗 akshare 原样落盘
|
||
- **缺日防线**(static_vintage_check.py 09:00):panel_gap_check 每工作日应有 1 个 parquet(节假日空文件也算有);
|
||
可回补族(zt_pool×3)洞≤42 日历日→告警+回补指引;快照族洞即永久→近窗洞告警查日志、旧洞只入 json 不刷告警
|
||
- **vintage_status.json 的 panel 块**=策略守卫层消费契约:`panel.<type>={n_files,first_date,holes_backfillable,holes_permanent}`
|
||
|
||
### 15.5 消费契约(与策略 session 09-02 对齐)
|
||
|
||
- **炸板率 = 炸板池行数/(涨停池+炸板池行数)**:涨停池=收盘仍封(「炸板次数」>0 行=炸过又回封),炸板池=触板未封,
|
||
并集≈当日触板全集,分母无遗漏
|
||
- 涨停池 16 列:封板资金/首次封板时间/最后封板时间/炸板次数/涨停统计/连板数/**所属行业**(
|
||
=免费当日热点行业分布信号,涨停行业集中度原料)/换手率/市值等
|
||
- 温度计三支柱=涨跌停(hot_rank 待批)+雪球;情绪周期/打板/行业轮动因子原料自 2026-08 起逐日积累
|
||
|
||
## 参考(调查来源)
|
||
|
||
- xtdata 官方:https://dict.thinktrader.net/nativeApi/xtdata.html
|
||
- akshare 指数:https://akshare.akfamily.xyz/data/index/index.html
|
||
- akshare 基金:https://akshare.akfamily.xyz/data/fund/fund_public.html
|
||
- akshare 债券:https://akshare.akfamily.xyz/data/bond/bond.html
|
||
- baostock API:https://www.baostock.com/mainContent?file=pythonAPI.md
|
||
- 国证指数网(深证历史):http://www.cnindex.com.cn/module/index-detail.html?indexCode=399001
|
||
- 新浪历史成份:http://vip.stock.finance.sina.com.cn/corp/go.php/vII_HistoryComponent/indexid/000852.phtml
|
||
- QLib 数据层:https://qlib.readthedocs.io/en/latest/component/data.html
|
||
- 现有缺口设计:`docs/static_data_gaps_design.md`
|