把多源的 A 股行情、基本面、事件与宏观数据，落到一份可日更、可回查的本地 Parquet 数据湖。
CNEquity 从 A 股开始，解决的是一件很具体的事：把分散在不同来源、不同口径、不同更新节奏的数据，长期保存在自己的机器或服务器上，并且能说明每一行数据从哪里来、什么时候采到、截至哪一天可用。
项目开源、免注册、自托管。数据以开放格式落盘，可以用 Python、DuckDB、Polars 或其它工具读取；采集和查询彼此分开，数据湖本身不依赖某个客户端或模型。
做 A 股历史研究时，发出一次请求通常不是最费事的部分。更难的是把下面几件事持续做好：
- 多个来源的字段和代码体系不一致，需要反复清洗、对齐和补缺；
- 每次研究都重新拉取数据，结果难以复现，也容易被上游接口的变化影响；
- 只用今天仍然上市的股票回看历史，会把退市股排除在样本之外；
- 财报、公告和估值数据有各自的发布日期，不能只按报告期判断“当时是否已经知道”；
- 复权、历史成分、交易状态等口径如果由每个研究脚本自己处理，很容易悄悄分叉。
幸存者偏差是一个直观例子。下面的实验使用同一个等权买入持有策略和同一段时间，唯一差别是历史股票池里是否保留后来退市的股票。只用今天仍在交易的股票时，2016–2021 年的收益从 5.9% 变成了 12.0%：
那些股票不是收益为零，而是根本没有进入计算。CNEquity 因此把退市股、复权因子、历史成分和 PIT（按当时可获得的信息取数）放在数据层里处理，而不是交给每个下游脚本临时拼接。
项目当前的主线是中国市场的 A 股研究，不追求把所有金融数据都收进来。已注册数据集覆盖：
- 证券主数据、交易日历和交易状态；
- 个股、指数、行业和板块的日线、分钟线、分笔与复权因子；
- 公司行为、公告索引和业绩披露预约；
- 财报、估值、股本、股东和分析师一致预期；
- 北向、融资融券、龙虎榜、大宗交易和资金流；
- 指数成分、行业分类、宏观指标和市场宽度；
- 新闻、快讯、情绪、轮动，以及解禁和监管事件。
当前注册表包含 42 个数据集：39 个 curated + 3 个 derived，按研究用途分为 L0–L8 九类。
| 层次 | 研究用途 | 代表数据集 |
|---|---|---|
| L0 | 基础参考 | 证券主数据、交易日历、交易状态 |
| L1 | 行情 | 日线、指数、复权因子、分钟线、分笔、退市事件 |
| L2 | 公司事件 | 公司行为、公告索引、预约披露 |
| L3 | 基本面 | 财报、估值、股本、股东、一致预期 |
| L4 | 资金面 | 北向、融资融券、龙虎榜、大宗交易、资金流 |
| L5 | 结构行业 | 指数成分、行业与板块成分 |
| L6 | 宏观 | 宏观指标、市场宽度 |
| L7 | 舆情与轮动 | 新闻、情绪、人气、板块行情与资金流 |
| L8 | 风险合规 | 解禁日程、监管事件 |
所有 curated 行都带有 source、data_version 和 fetched_at，可以追到来源和采集批次。分钟线、5 分钟线和分笔默认关闭，按需启用；部分只能获取当日快照的数据集不会被伪造成历史序列。
完整字段、主键、历史模式和源端限制见数据集目录。
展开查看 42 个数据集及主备数据源
| 数据集 | 说明 | 主源 | 备源 | 历史 | 日更组 |
|---|---|---|---|---|---|
| L0 · 基础参考 | |||||
instruments |
证券主数据 | tdx_protocol | baostock | 可回补 | core |
trading_calendar |
交易日历 | tdx_protocol | exchange | 可回补 | core |
trading_status |
交易状态（停复牌/ST） | tdx_protocol | eastmoney | 可回补 | core |
| L1 · 行情 | |||||
adj_factors |
复权因子 | sina | — | 可回补 | — |
commodity_bars ○ |
商品期货主连 | sina | eastmoney | 可回补 | macro_risk |
daily_bars |
日线 | tdx_protocol | eastmoney | 可回补 | core |
delisting_events |
退市事件 | derived | — | 可回补 | — |
index_bars |
指数日线 | tdx_protocol | eastmoney | 可回补 | core |
minute_bars ○ |
1 分钟线 | tdx_protocol | — | 可回补 | intraday |
minute_bars_5m ○ |
5 分钟线 | tdx_protocol | — | 可回补 | intraday |
trade_ticks ○ |
分笔快照 | tdx_protocol | — | 可回补 | ticks |
| L2 · 公司事件 | |||||
announcement_index |
公告索引 | cninfo | — | 可回补 | capital |
corporate_actions |
公司行为 | eastmoney | tdx_protocol | 可回补（回填走 tdx_protocol） |
core |
earnings_disclosure_schedule |
业绩披露预约 | eastmoney | — | 可回补 | fundamentals |
| L3 · 基本面 | |||||
analyst_consensus |
分析师一致预期 | eastmoney | — | 仅当日 | research |
financial_statement_items |
财务报表科目 | eastmoney | — | 可回补 | fundamentals |
share_structure |
股本结构 | eastmoney | — | 可回补 | fundamentals |
shareholder_counts |
股东户数 | eastmoney | — | 可回补 | fundamentals |
top_holders |
前十大股东 / 流通股东 | eastmoney | — | 可回补 | 按需回填 |
valuation_metrics |
估值指标 | eastmoney | — | 回填 baostock |
capital |
| L4 · 资金面 | |||||
block_trades |
大宗交易 | eastmoney | — | 可回补 | signals |
dragon_tiger |
龙虎榜 | eastmoney | — | 可回补 | signals |
fund_flow |
个股资金流 | eastmoney | — | 仅当日 | capital |
institutional_holdings |
机构持股 | eastmoney | — | 可回补 | research |
margin_trading |
融资融券 | eastmoney | — | 可回补 | capital |
northbound_flows |
北向资金流向 | eastmoney | — | 可回补 | capital |
northbound_holdings |
北向持股 | eastmoney | — | 可回补 | capital |
| L5 · 结构行业 | |||||
index_constituents |
指数成分 | eastmoney | — | 回填 cni |
fundamentals |
industry_index |
行业指数 | derived | — | 可回补 | — |
industry_members |
行业分类成分 | eastmoney | — | 回填 sw |
fundamentals |
sector_members |
板块成分 | eastmoney | — | 仅当日 | capital |
| L6 · 宏观 | |||||
macro_indicators |
宏观指标 | eastmoney | pboc | 可回补 | macro_risk |
market_breadth |
市场宽度 | derived | — | 可回补 | macro_risk |
| L7 · 舆情 / 轮动 | |||||
economic_calendar ○ |
经济日历 | eastmoney | — | 仅当日 | — |
flash_news_wire |
7×24 快讯 | eastmoney | — | 仅当日 | research |
hot_rank |
人气榜 | eastmoney | — | 仅当日 | research |
news_headlines |
新闻标题 | eastmoney | — | 仅当日 | research |
sector_bars |
板块行情 | ths | — | 回填 ths |
research |
sector_fund_flow |
板块资金流 | eastmoney | — | 仅当日 | research |
sentiment_scores |
情绪评分 | derived | eastmoney | 可回补 | research |
| L8 · 风险合规 | |||||
regulatory_events |
监管事件 | cninfo | — | 可回补 | macro_risk |
share_unlock_schedule |
解禁日程 | eastmoney | — | 可回补 | macro_risk |
CNEquity 适合需要反复使用同一份历史数据的研究和数据工作：
- 多年行情回测，不想每次重新拉取、清洗和拼接复权；
- 需要把退市股、历史成分股和 PIT 纳入研究；
- 希望数据保存在本地或自己的服务器上，格式开放且来源可追溯；
- 想让 Python、DuckDB、Polars 和 AI agent 读取同一份数据。
如果只是查一只股票的最新价格，直接调用数据接口通常更轻。这个项目更适合需要持续积累、反复查询和复查结果的场景。
需要 Python 3.10+，无需 token、积分或账号：
pip install cnequity
cne democne demo 默认拉取 5 只股票最近约 30 个交易日的真实数据，写入独立目录 data/cnequity-demo/，不会覆盖正式数据湖。需要能访问 TDX 行情主机；如果连接失败，可以先检查：
cne sources --only tdx_protocol
然后在 Python 中读取：
from cnequity.query import load
bars = load("daily_bars", data_root="data/cnequity-demo")
print(bars.tail())想直接比较原始价格与后复权口径：
cne demo --research --symbols 600519.SHpip install cnequity
cne config init # 生成 configs/cnequity.toml
cne init # 全市场标的，默认回溯最近 3 年
cne run daily # 之后每个交易日执行这一条默认策略是“浅而不窄”：历史先取最近 3 年，但全市场标的一个不缺。这样不会因为只保留今天仍上市的股票，提前把幸存者偏差写进数据湖。每个数据集的真实起点会记录在 coverage_start。
需要更长历史时可以一次拉满，也可以以后补深：
cne init --profile full
# 或对单个数据集补历史
cne backfill daily_bars --start 2016-01-01 --end <coverage_start>默认初始化通常是小时级、GB 级，实际取决于网络、数据源状态和机器配置。详细安装说明见快速开始和安装指南。
| 研究问题 | 推荐入口 |
|---|---|
| 茅台过去五年复权后涨了多少 | load("daily_bars", symbols=[...], adjust="hfq") |
| 茅台 PE 在自身五年历史中的分位数 | valuation_metrics + 窗口分位 |
| 2018 年财报因子的 IC，且不使用未来数据 | load("financial_statement_items", as_of="2018-04-30") |
| 退市股退市前 60 天的价格形态 | delisting_events + daily_bars |
| 三年前的沪深 300 成分或申万行业 | index_constituents · industry_members |
| 今天的龙虎榜、未来解禁和板块资金流 | dragon_tiger · share_unlock_schedule · sector_fund_flow |
常用查询：
from cnequity.query import load
bars = load(
"daily_bars",
start="2020-01-01",
end="2025-12-31",
symbols=["600519.SH"],
adjust="hfq",
)
roe = load(
"financial_statement_items",
items=["roe"],
as_of="2024-04-30",
)
公开数据源 → 适配与编排 → 本地 Parquet 湖 → 质量、查询与只读服务
架构上的边界比较简单：适配器负责把多源数据取回来；编排层负责 DAG、批次和重试；数据先进入 staging，再压实为 curated 并计算 derived；质量层持续审计；查询和服务层只读消费。展开见架构说明。
cne run daily # 执行当天全部日更分组
cne status # 查看 FRESH / STALE / EMPTY
cne serve # 打开 http://127.0.0.1:8787
cne sources # 检查上游数据源健康度
cne retry --run-id <run_id> # 只重试失败批次单个 step 失败时，系统会记录 failed batch，其他步骤继续落盘；重试不会把整条任务重新跑一遍。浏览器控制台可以查看覆盖、新鲜度、容量、跑批和质量结果。
挂入 crontab 即可自动日更：
# 交易日收盘后执行；非交易日会自动跳过
30 16 * * 1-5 cd /path/to/lake && cne run daily >> logs/daily.log 2>&1cne mcp 以只读方式把本地湖提供给模型；采集、重试和清理仍由 CLI 完成。
cne mcp --config "$(pwd)/configs/cnequity.toml"把上面的命令作为 MCP server 注册到任意兼容客户端即可。大多数客户端使用等价的配置（客户端名称和界面可能不同）：
{
"mcpServers": {
"cnequity": {
"command": "cne",
"args": ["mcp", "--config", "/abs/path/to/cnequity.toml"]
}
}
}--config 必须使用绝对路径。接好后可以直接问：
- “茅台过去五年复权后涨了多少？”
- “茅台当前 PE 在自己五年历史里处于什么分位？”
- “计算 2018 年财报因子的 IC，不要使用未来数据。”
- “过去三年退市的股票，退市前 60 天有什么共同形态？”
还没有正式湖时，可以先运行 cne demo，再使用生成的 demo 配置。完整说明见MCP 参考。
AkShare 和其它取数工具解决“怎样调用数据源”，Tushare 提供云端数据服务，Qlib / vn.py 更偏研究或交易平台。CNEquity 做的是中间的数据基础设施：把多源数据落成可日更、可复查、可溯源的本地 Parquet 湖。
| 你在意的能力 | CNEquity | 常规取数工具 | 云端数据服务 | 研究 / 交易平台 |
|---|---|---|---|---|
| 本地可续跑的数据底座 | 内置 | 通常自建 | 通常不提供 | 依平台而定 |
| 历史结果能否复查 | 行级溯源 | 缺少统一契约 | 依平台字段 | 依模块而定 |
| 复权 / universe / PIT | 统一在 load() |
自己拼接 | 自己拼接 | 使用平台口径 |
| 单一数据源故障 | 按批失败，可单独重试 | 调用方处理 | 平台处理 | 依模块而定 |
更完整的逐项比较见项目对比。
初始化要多久、占多少磁盘？
默认配置拉取全市场最近 3 年，通常约 1 小时、GB 级；--profile full 从 2016 年开始，实测约 3 倍时间。网络环境与数据源状态会影响结果。
需要从 2001 年开始的日线：
cne init --since 2001-01-01
# 或事后补深
cne backfill daily_bars --start 2001-01-01为什么落盘只存后复权因子？
前复权价格会随“今天”变化。落盘只存 hfq，qfq 在 load(adjust="qfq") 时计算，详见 ADR-0004。
东财返回 403 或连接重置怎么办？
先运行 cne sources --only eastmoney_push2,eastmoney_push2his。日更主路径行情走 TDX，不受东财行情接口风控影响。
为什么分钟线没有更早历史？
源端当前只保留约 95 个交易日的 1 分钟线、491 个交易日的 5 分钟线。这是上游保留期，不是数据湖尚未完成的回填任务。
数据可以商用或再分发吗？
项目代码使用 Apache-2.0；落盘的行情、公告等数据不随代码授权。使用与分发前请阅读法律与数据源说明。
这是个人维护的开源项目，issue 和 PR 都欢迎。用于论文或研究报告时，可引用仓库中的 CITATION.cff，并记录版本、覆盖范围及复权 / PIT 口径。
代码使用 Apache-2.0。仓库不附带数据湖，也不授予上游数据的再分发权。
如果 CNEquity 帮你省下了搭建数据底座的时间，欢迎点个 ⭐，让更多做 A 股研究的人看到它。