build-b6-limitup-pool

name	build-b6-limitup-pool
description	当需要每日维护 A 股涨停池、标记首板/连板数/炸板次数/回封时间并输出涨停池动态多维表格时，使用此 skill。该 BUILD 提供涨停池动态管理能力，可被复盘 agent 或 Alpha 调用。
tags	["quant","build","development","monitor","limit-up"]

涨停池动态管理 BUILD（B6）

工具定位

• 工具类型：监控预警型 + 数据处理型 混合 BUILD
• 解决问题：把全市场日线（+涨停股分钟线）转成稳定的「涨停池状态」——每日谁在池中、几板、炸没炸、何时回封、相对昨日是晋级还是出局
• 使用对象：盘后复盘 agent / 连板情绪类 Alpha（如 A3 连板龙头接力）/ 人工复盘

适用场景

• 复盘 agent 需要「今日涨停池 + 连板梯队 + 炸板回封」一张多维表
• Alpha 需要稳定的 limit_up_streak / is_first_board / blow_up_count 输入而不想各自重算
• 人工想问「今天最高几板」「哪些票炸板了」「昨天的连板今天晋级率多少」

核心字段（四件套）

标记	字段	口径
首板	is_first_board / board_label="首板"	limit_up_streak == 1
连板数	limit_up_streak	连续涨停收盘的交易日数（停牌不算断板，复牌接续）
炸板次数	blow_up_count	日内封板后被砸开的次数；分钟级精确，缺分钟用日线回撤代理
回封时间	first_seal_time / final_seal_time	首次封板 / 最后一次封死的时刻（HH:MM，分钟级；日线代理时为空）

另含：board_type（板块）、pool_status（晋级/新晋首板/维持/炸板出局/摸板未遂）、 seal_quality（一字板/稳封/炸N次回封/炸板未封）、reseal_count、seal_metric_source（minute / daily_proxy）。

增强维度（v1.1，从"个股清单"升级为"盘面视图"）

维度	字段	口径
题材分组	lead_concept / concept_board_count / is_concept_leader / concepts	代表题材（所属概念中当日涨停家数最多者）、梯队厚度、是否题材内连板最高、全部所属概念。PIT 按 in_date<=信号日 过滤，杜绝未来函数
特殊形态	special_pattern	地天板 > 天地板 > 一字板 > 秒板 > 炸板未封 > 烂板(炸≥3或尾盘回封) > 反复板(炸1-2) > 实封
情绪面	每日 1 行 target_id=MARKET / result_type=limitup_sentiment	result_json 含 涨停家数 / 炸板率 / 最高板 / 分层晋级率(1→2,2→3…) / 昨涨停今溢价(赚钱效应)

输入

输入来自 PandaData（get_stock_daily 全市场日线 + get_stock_min 涨停股分钟线）， 或调用方传入的标准结构化日线数据。不得使用来源不明、字段不稳定的临时表。

run() 输入（DataFrame / records，含回看窗口用于算连板）：

字段	类型	必须	说明
trade_date	date/string	是	交易日期
ts_code	string	是	股票代码（带 .SH/.SZ/.BJ 后缀）
close	float	是	收盘价
pre_close	float	是	前收盘价
open/high/low	float	否	缺则一字板/炸板代理退化
amount	float	否	成交额（梯队排序用）
limit_up	float	否	交易所涨停价；缺则按板块 10/20/30% 兜底
trade_status	int	否	0=正常，非 0=停牌
name	string	否	含 ST 影响兜底涨停幅度

输出

标准化涨停池面板（BUILD 生产规则 §11 兼容）。主键 (trade_date, build_id, target_id, result_type)。

字段	类型	说明
trade_date	string	结果所属交易日
build_id / build_name	string	B6 / 涨停池动态管理
target_id / ts_code	string	股票代码
result_type	string	limitup_pool（个股行）/ limitup_sentiment（每日 1 行 MARKET 情绪面）
result_value	string	核心结果 = 板级标签（首板 / N连板 / 炸板未封）；MARKET 行为 N涨停/M板
result_json	string	全状态 JSON（板块/连板/首板/状态/炸板/首封回封/质量/题材/形态…）；MARKET 行为情绪面 dict
board_label / limit_up_streak / is_first_board	见上	连板状态
blow_up_count / reseal_count / first_seal_time / final_seal_time	见上	封板质量
special_pattern	string	特殊形态（地天板/天地板/一字板/秒板/烂板/反复板/实封…）
lead_concept / concept_board_count / is_concept_leader / concepts	string/int/bool/json	题材分组
pool_status / seal_quality / seal_metric_source	string	动态状态/质量/数据源
data_version / update_time	string	版本与生成时间

读取时按 result_type 区分：个股池 df[df.result_type=="limitup_pool"]，情绪面 df[df.result_type=="limitup_sentiment"]。

调用方式（支持多种模式，可交互选择）

# 模式 A：调用型——调用方已有标准日线（含回看窗口），即时算当日涨停池
from scripts.build import run
pool = run(daily_records, config={"target_date": "2026-06-19"})

# 模式 B：每日维护——自动拉数据（含涨停股分钟线，失败自动降级日线代理）
from scripts.build import maintain_daily, save_parquet
pool = maintain_daily("2026-06-19", with_minute=True)   # indicator="" 全A
save_parquet(pool)                                       # 追加合并进 production/database.parquet

# 模式 C：区间回填历史涨停池（默认不拉分钟线，省流量）
from scripts.build import backfill, save_parquet
hist = backfill("2026-01-01", "2026-06-19")
save_parquet(hist)

# 输出展示（可多选）
from scripts.render import render_markdown          # 动态多维表格（连板梯队/炸板回封/状态机）
from scripts.render_html import render_html         # 暗色玻璃单文件 HTML 看板
md = render_markdown(pool)
html = render_html(pool)

命令行：

export PANDA_USERNAME=<86手机号>; export PANDA_PASSWORD=<密码>
python scripts/build.py --mode daily --date 20260619              # 当日维护（含分钟）
python scripts/build.py --mode daily --date 20260619 --no-minute  # 仅日线代理（省流量）
python scripts/build.py --mode backfill --start 20260101 --end 20260619
python scripts/render.py --date 2026-06-19                        # 打印多维表格
python scripts/render_html.py --date 2026-06-19 --out pool.html   # 生成 HTML 看板

Agent 执行规则（含 Q&A / 提问整理）

1. 若调用方已传标准日线，优先 run(input_data, config=...)，不重复拉数据。
2. 每日生产维护用 maintain_daily()，结果 save_parquet() 落地，供他人直接读，不重算。
3. Agent 问答 / 提问整理：读取 database.parquet，先按 result_type 拆分，再用 pandas 回答：
   • 「今天最高几板/炸板率/晋级率/赚钱效应」→ 读 MARKET 行 df[df.result_type=="limitup_sentiment"] 的 result_json（含 max_height/market_blow_rate/promote_rate_by_tier/prev_limitup_premium）
   • 「哪些票炸板了」→ df[df.blow_up_count > 0]
   • 「今天哪个题材最强/题材龙头是谁」→ 按 lead_concept 分组取 concept_board_count 最大；is_concept_leader==True 即龙头
   • 「有没有天地板/烂板」→ df[df.special_pattern.isin(["天地板","烂板"])]
   • 「连板梯队 / 题材视图」→ 直接 render_markdown(df) 回答时务必带上「封板数据源」（minute / daily_proxy）以说明精度。
4. 必须先 python scripts/test.py 全绿；真实数据因流量超限/权限不足会自动跳过（不判失败）。

成功标准

• result_value 为板级标签；result_json 可解析且含 blow_up_count/first_seal_time 等。
• limit_up_streak 单调正确（连板累加、断板归零、停牌不断板）。
• 分钟可用时 seal_metric_source="minute" 且炸板次数/回封时间非空；不可用时自动 daily_proxy，主流程不中断。

可被 Alpha 调用

• 是
• 调用限制：输入须含 trade_date/ts_code/close/pre_close，且区间需覆盖回看窗口（算 N 连板需 ≥N 个交易日历史）
• 依赖数据：日频行情（必）+ 涨停股 1m 分钟线（选，用于精确炸板/回封）

是否需要生产结果

• 是否生成 database.parquet：是（结果型，盘后统一计算，多人复用）
• 更新频率：每日收盘后 maintain_daily() 追加
• 字段结构：见 ../生产产物/SKILL.md

依赖

• panda_data ≥ 0.0.9（默认网关 pandadata.pandaaiquant.com）
• pandas、numpy、pyarrow（写 parquet）
• 凭证环境变量：PANDA_USERNAME / PANDA_PASSWORD（兼容 PANDA_DATA_*）
• 数据源不明确时，先咨询项目工作人员（见 BUILD开发与生产规则V2.md §1）