a-stock-data

name	a-stock-data
description	当任务需要写代码实际获取A股数据时使用——拉取行情/K线(mootdx+腾讯+百度)、研报(东财+同花顺+iwencai)、信号(热点/北向/龙虎榜/解禁/行业)、资金面(融资融券/大宗/股东户数/分红/资金流)、新闻、财务三表/F10、公告(巨潮)、打板(涨停池/连板/炸板率/重点监控池/日内异动)、ETF期权(T型报价/希腊字母/IV)、舆情互动(互动易/热榜/人气榜)、筹码分布(获利比例/成本区间)、复权因子、估值历史(PE/PB/PS+换手率+ST)、申万行业变迁史、宏观(社融/PMI)等真实数据。十一层数据源·54端点(含3官方备胎)·内嵌全部可运行代码，自包含零依赖外部文件；优先用通达信(mootdx)/腾讯(不封IP)，东财接口已内置限流防封，主源被封可查「备用源速查」降级。仅在需要调用数据接口取数时使用：A股概念解释、投资观点讨论、策略问答等无需取数的话题不要加载本skill。
origin	custom
version	3.7.1

📦 项目主页：https://github.com/simonlin1212/a-stock-data — 更新、反馈、支持作者

作者：Simon 林 · X @linsizhen · 邮箱：[e-mail]

A股全栈数据工具包 V3.7.1

十一层数据架构，54 个端点实测可用（51 主端点 + 3 官方备胎，2026-08 验证），覆盖主板/中小板/科创板/ST。每类数据在「备用源速查」列有独立备胎，主源被封时可降级。

V3.7.1（后缀路由修复，2026-08-20）：get_prefix() 认显式前缀（sh000016）却不认等价的后缀写法（000016.SH）——而 norm_ticker() 文档明文支持后缀式，且 em_market_code()/em_secid()（V3.7.0 新增）把未归一化的原串直接喂给 get_prefix()：000016.SH 以 0 开头落到默认深市分支，secid 拼成 0.000016（深康佳A）而非 1.000016（上证50 指数），静默返回另一只标的的数据。已在 get_prefix() 开头加后缀识别分支（.sh/.sz/.bj 与显式前缀等价透传），号段推断与沪指数白名单逻辑不变。⚠️ 走「前缀+原串拼接」的端点（tencent_quote()、新浪财报等）仍只认纯 6 位或前缀式——后缀式会把 .SH 拼进请求串，先过 norm_ticker() 再传的总原则不变。

**V3.7.0（宏观层 + 筹码分布 + 复权因子 + 估值历史，2026-08-19）：**新增 1 个数据层、7 个端点、4 个数据源（baostock / 申万 / 人民银行 / 国家统计局，全部零注册零 key）。全部端点于 2026-08-19 实跑验证。

• §4.6 筹码分布 CYQ — 补上本层名实不符的窟窿：Layer 4 叫「资金面 / 筹码层」但 §4.1~§4.5 全是资金面数据，一直没有真正的筹码分布。东财没有公开 CYQ 接口（实测 push2/push2his 的 cyq/get 均 404），本端点用 OHLC + 换手率本地推演，零新增数据源。输出获利比例 / 平均成本 / 90-70 成本区间与集中度 / 筹码峰。⚠️ 初始筹码播种为首日全部流通盘——从全零起步会把窗口前的存量持仓一笔勾销（两个 1% 换手日会被算成 50/50，真实应约 99%/1%）。
• §6.5 估值历史 — §1.2 腾讯只有当日估值快照，本端点给日频历史序列（实测茅台 2016-01-04 起 2581 行），并一次补齐此前完全缺失的四项：换手率（筹码分布的必需输入）、停牌状态、ST 标记（实测 000004 有 276 天 isST=1）、历史 PE/PB/PS/PCF。⚠️ baostock 不支持北交所，服务端报 10004011，本实现在登录前就拦掉抛 ValueError。
• §1.4 复权因子 — §1.1 通达信 bars() 是不复权数据，跨除权日直接比价必错。新浪 qfq/hfq 因子序列一次 HTTP 约 1.8KB。⚠️ 响应末尾挂着 /* base64 */ 注释块，不能用 $ 锚定正则，须用 raw_decode。
• §6.6 上市/退市日 — 唯一能拿到退市日期的零鉴权源，配合 §1.2 is_stale 可在筛选阶段剔除僵尸标的。
• §6.7 申万行业变迁史 — §3.7 东财只有当前行业归属，用它做历史研究是前视偏差。本端点给每只股票的行业变迁（实测 12,893 行 / 5,905 只 / 38 个一级行业；有标的历史变更过 10 次）。⚠️ 申万官方只发代码不发中文名。
• §11.1/§11.2 宏观层（新） — 人民银行社融（月度 12 列）+ 国家统计局 PMI。⚠️ 社融链路是三级跳，未发布月份整行丢弃而非返回 NaN（否则调用方会把 12 行当 12 个月真数据）；PMI 正文是全角括号内带空格，空白必须整个删掉才匹配得到。

V3.6.1（龙虎榜空窗口崩溃修复，2026-08-09 · #45）：dragon_tiger_board() 在回看窗口内无上榜记录时抛 UnboundLocalError——而大市值 / 低换手率标的（如贵州茅台）常态无上榜，等于调用即崩，调用方还无法区分「无数据」与「接口异常」。已修，空窗口返回语义一致的空结构。

V3.6.0（静默失败修复 + 重点监控池/日内异动，2026-07-31 · #15）：

• 🔴 北交所老号段（43/83/87）会返回僵尸数据且不报错：实测在市 342 只中 336 只已迁至 920xxx（锦波生物 832982→920982、贝特瑞 835185→920185），老码在东财研报静默返回 0 篇、在腾讯行情返回定格报价（成交量 0，价差达 17%~100%+）却仍是 HTTP 200。新增全局警告章节；tencent_quote() 增加 is_stale/stale_reason 标志（实测老码 2/2 命中、正常票 4/4 无误报）；eastmoney_reports() 遇老码抛 ValueError 而非返回空。
• 🔴 §2.1/§2.2 研报层 ticker 未归一化（静默空）：eastmoney_reports("SH600519") / "600519.SH" 一律返回 0 篇（reportapi 只认纯 6 位），而文档「Ticker 格式归一化」明文承诺全接口支持带前缀写法——承诺与实现不符，且失败方式是静默空，调用方会误读成「该标的无研报覆盖」。新增 norm_ticker() 实现（解析失败抛 ValueError，绝不返回空串），eastmoney_reports() / ths_eps_forecast() 接入。
• §8.4 em_stock_monitor() 东财重点监控池新增（#15）：交易所风险警示 / 重点监控名单 + 生效时间窗，零鉴权静态 JSON。
• §8.5 em_price_anomaly() / em_price_anomaly_count() 日内异动池新增（#15）：交易所「严重异常波动」口径的异动明细与按标的聚合统计，含 12 条异动规则码全解释。⚠️ 必须带 team=h5 等固定参数，缺失返回 unknow team——已做 result!=0 冒泡而非静默返回空。
• §2.1 行业研报去硬编码日期：begin 默认由固定的 2024-01-01 改为「相对今天往前两年」，避免时间窗越用越旧。
• 端点 44 → 47。实测 24/24 通过（含前缀格式 4/4、老号段拦截、新端点真数据、异动接口拒绝冒泡）。

V3.5.0（板块资金流向，2026-07-23 · #37）：

• §3.8 board_fund_flow() 板块资金流向新增：补上此前缺失的板块级资金流——行业/概念/地域三类板块 × 今日/5日/10日三周期，主力净流入额/净占比 + 超大/大/中/小单四档明细 + 领涨股。与 §3.7 板块排名同源同接口（东财 push2 clist），此前只请求了价格/涨跌家数字段，本版补请求 f62/f184/f66... 资金流字段即覆盖。走 em_get 限流防封。端点 43 → 44。
• 实测（2026-07-23）：行业今日 100 个板块主力净额降序（电力设备 64.66亿 = 超大 43.55亿 + 大 21.11亿）、概念 5 日、地域 10 日均真实返回；参数校验拒绝非法 board_type/period。

V3.2.2（失效接口替换 + 隐藏 Bug 修复）：

• §3.3 概念板块归属（#18）：百度 PAE getrelatedblock 失效（ResultCode 10003 + 空数组）→ 改用东财 slist（spt=3）eastmoney_concept_blocks()，一次请求拿全个股所属板块（行业/概念/地域 + BK码 + 涨跌幅 + 龙头股），零鉴权走 em_get 限流。
• §7.1 巨潮公告 orgId（#19）：硬编码 gssx0{code} 致大量 601xxx 股票 totalAnnouncement=0 → 新增 _cninfo_orgid() 动态查官方映射表 szse_stock.json（6198 只股，模块级缓存），硬编码降为 fallback。
• 综合示例修复：示例仍调用 v3.1 已删的 baidu_fund_flow_history → 改 eastmoney_fund_flow_minute。
• §4.5/§5.1 风控说明：部分大陆住宅 IP 被东财间歇风控（HTTP 000/空）非代码 Bug，加重试/换网络提示。
• 新代码原样 exec smoke test 实测：板块归属 茅台27/五粮液28/绿的谐波21；公告 平安601318/工行601398 原失效股恢复。

V3.2.1（Bug 修复）： 修复两个内嵌函数的解析逻辑（预先存在，非 V3.2 引入）——

• §5.1 东财个股新闻：东财实际返回里 result.cmsArticleWebOld 直接就是文章列表，旧写法对 list 调 .get("list") 触发 AttributeError / 返回空 → 改为遍历 cmsArticleWebOld 列表本身。
• §6.4 新浪财报三表：新浪实际结构是 result.data.report_list（按报告期为键的 dict，每期 data 才是行项列表），旧写法取 result.data.{lrb} 永久返回空 → 改为遍历 report_list 期次、从每期 data 按 item_title 提取。
• 两函数均用茅台 600519 公开 API（零 key）实测返回非空、字段正确。

V3.2（防封 + 失效修复）：

• 数据源优先级 + 东财防封：明确「通达信(mootdx)/腾讯不封IP 优先用，东财仅用于其独有数据」原则；新增统一节流入口 em_get()，所有东财接口内置串行限流（间隔≥1s+随机抖动）+ 会话复用，AI 抄代码即自带防封。详见「数据源优先级 & 东财防封」章节。
• 财联社快讯下线（#14）：cls.cn 旧 API 全面 404，标注弃用并改用东财全球资讯。

V3.1 修复： 替换 4 个失效接口（百度 PAE 资金流→东财 push2、大宗交易 RPT 报表名更新、机构席位改用 BUY/SELL 明细筛选）+ 修复东财全球资讯 req_trace 参数 + 修复巨潮公告 orgId 格式。

V3.0 Breaking Change：彻底移除 akshare 依赖，所有数据源改为直连 HTTP API（仅 mootdx 保留 TCP）。 ⚠️ V3.7 起 §6.5/§6.6 另需第三方客户端 baostock（TCP），因此「零第三方封装依赖」现仅适用于其余端点。

使用方式： 将本文件放入 ~/.claude/skills/a-stock-data/SKILL.md，Claude Code 会自动识别并在 A 股相关对话中激活。

行情层（实时，不封IP）
├── mootdx        → K线 + 五档盘口 + 逐笔成交 (TCP 7709)
├── 腾讯财经 API   → PE/PB/市值/换手率/涨跌停/指数/ETF (HTTP)
├── 百度股市通     → K线带MA5/10/20 (V3.0 新增，HTTP)
└── 新浪复权因子   → qfq/hfq 因子序列 + 套用到不复权K线 (V3.7 新增)

研报层
├── 东财 reportapi → 个股研报 + 行业研报 + PDF下载 + 评级 + 三年EPS
├── 同花顺 THS     → 一致预期EPS (直连 basic.10jqka.com.cn)
└── iwencai        → NL语义搜索研报 (唯一能力，需X-Claw)

信号层
├── 同花顺热点     → 当日强势股 + 题材归因 reason tags (零鉴权 73ms)
├── 同花顺北向     → hgt/sgt 分钟资金流向 + 本地自缓存历史
├── 东财 slist     → 个股所属板块/概念归属 (V3.2.2 替换百度PAE)
├── 东财 push2     → 个股资金流向 分钟级 (V3.1 替换百度PAE)
├── 龙虎榜席位     → 上榜记录 + 买卖席位 TOP5 + 机构动向 (datacenter-web)
├── 全市场龙虎榜   → 每日全市场上榜股票 + 净买额排名 (datacenter-web)
├── 限售解禁日历   → 历史解禁 + 未来90天待解禁 (datacenter-web)
├── 行业板块排名   → 东财行业涨跌/上涨下跌家数 (V3.0 替换同花顺)
└── 板块资金流向   → 行业/概念/地域 × 今日/5日/10日 主力+超大/大/中/小四档 (push2, V3.5)

资金面 / 筹码层
├── 融资融券明细   → 日级融资余额/买入/偿还 + 融券 (datacenter-web)
├── 大宗交易       → 成交价/量 + 买卖方营业部 (datacenter-web)
├── 股东户数变化   → 季度股东户数 + 环比变化 (datacenter-web)
├── 分红送转       → 历史每股派息/送股/转增 (datacenter-web)
├── 个股资金流120日 → 主力/大单/中单/小单 日级净流入 (push2his)
└── 筹码分布 CYQ   → 获利比例/平均成本/90-70成本区间/筹码峰 (本地计算，V3.7 新增)

新闻层
├── 东财个股新闻   → 个股相关新闻 (search-api-web JSONP)
├── 财联社快讯     → 全市场实时电报 (v1 API+本地签名零key，✅V3.4 复活)
└── 东财全球资讯   → 7×24 财经快讯 (np-weblist，与财联社互备)

基础数据层
├── mootdx finance → 季报快照 (37字段, EPS/ROE/净利)
├── mootdx F10     → 公司资料 (9大类文本)
├── 东财个股信息   → 行业/总股本/流通股/市值/上市日期 (push2)
├── 新浪财报三表   → 资产负债表/利润表/现金流量表 (quotes.sina.cn)
├── baostock 估值历史 → 日频 PE/PB/PS/PCF + 换手率 + 停牌 + ST (不支持北交所，V3.7 新增)
├── baostock 标的信息 → 上市日/退市日/状态 (V3.7 新增)
└── 申万行业分类   → 行业归属变迁史，消除前视偏差 (仅代码无中文名，V3.7 新增)

公告层
├── 巨潮 cninfo    → 公告全文检索+下载 (cninfo.com.cn)
└── mootdx F10     → 最新公告摘要

打板层 (V3.3 新增)
├── 东财涨停池     → 连板数/几天几板/封板资金/炸板次数/行业 (push2ex)
├── 东财炸板池     → 涨停后开板 + 振幅/涨速 (push2ex)
├── 东财跌停池     → 封单资金/连续跌停/开板次数 (push2ex)
├── 东财昨涨停池   → 昨涨停今表现，算晋级率/赚钱效应 (push2ex)
└── 同花顺涨停揭秘 → 涨停原因题材/封板成功率/板型 (10jqka)

ETF期权层 (V3.3 新增)
├── 合约清单       → 50ETF/300ETF/科创50/500ETF 各月认购认沽 (新浪)
├── T型报价        → 买卖五档/持仓量/行权价/最新价 (新浪)
└── 希腊字母+IV    → Delta/Gamma/Theta/Vega/隐含波动率 (新浪)

舆情互动层 (V3.3 新增)
├── 互动易问答     → 投资者提问+公司回复 (巨潮，AI问答独家)
├── 同花顺热榜     → 人气值/概念标签/排名变化 (10jqka)
├── 东财人气榜     → 排名+排名变化+名称价格 (emappdata)
└── 东财概念命中   → 个股被归到哪些概念在炒+热度 (emappdata)

宏观层 (V3.7 新增)
├── 人民银行社融   → 社会融资规模增量 月度12列 (pbc.gov.cn，三级跳取 xls 附件)
└── 国家统计局PMI  → 制造业/非制造业/综合 + 大中小型企业分档 (stats.gov.cn)

端点路由速查（按需定位，不必通读全文）

只需一类数据时，按下表定位章节（§）局部读取。除 iwencai 需 API Key 外全部零 key。

§	函数	拿什么	源
前置	norm_ticker(code)	任意写法→纯6位（SH600519/600519.SH 皆可；解析失败抛错不返空）	本地
1.1	tdx_client() → .bars() / .quotes() / .transaction()	K线(多周期,不复权) / 五档盘口 / 逐笔成交	通达信
1.2	tencent_quote(codes)	实时价/PE/PB/市值/换手/涨跌停/指数/ETF（带 is_stale 僵尸报价标志）	腾讯
1.3	baidu_kline_with_ma(code)	日K线带 MA5/10/20	百度
1.4	sina_adjust_factor(code, kind) / apply_adjust(bars, factors)	复权因子 qfq/hfq + 套用到不复权K线	新浪
2.1	eastmoney_reports(code) / download_pdf(rec)	个股研报+评级+三年EPS / 研报PDF	东财
2.1	eastmoney_industry_reports(industry_code)	行业研报	东财
2.2	ths_eps_forecast(code)	机构一致预期 EPS	同花顺
2.3	iwencai_search(query) / iwencai_query(query)	NL 语义搜研报/选股（需 Key）	iwencai
3.1	ths_hot_reason()	当日强势股+题材归因	同花顺
3.2	hsgt_realtime()	北向分钟流向（hgt 可用 / sgt 仅参考）	同花顺
3.3	eastmoney_concept_blocks(code)	个股所属板块/概念归属	东财
3.4	eastmoney_fund_flow_minute(code)	个股资金流（分钟级）	东财
3.5	dragon_tiger_board(code, date)	个股龙虎榜+买卖席位 TOP5	东财
3.6	lockup_expiry(code, date)	解禁历史+未来90天待解禁	东财

数据源优先级 & 东财防封（重要，先读）

优先级原则：能用通达信/腾讯，就别用东财

优先级	数据源	协议	封 IP 风险	覆盖
1（首选）	mootdx（通达信）	TCP 7709 二进制	不封 IP	K线、五档盘口、逐笔成交、财务快照、F10
2	腾讯财经	HTTP GBK	不封 IP	实时价、PE/PB/市值/换手率/涨跌停、指数、ETF
3	新浪 / 巨潮 / 同花顺	HTTP	低	财报三表、公告、一致预期/热点
4（仅独有数据才用）	东财 eastmoney	HTTP	有风控，会封 IP	见下

凡是行情 / K线 / 实时价 / 市值 / 财务三表能从 mootdx 或腾讯拿到的，一律走它们——TCP 协议和腾讯接口实测不封 IP，可放心高频调用。

东财只用于它「独有、别处拿不到」的数据

下列数据只有东财有，通达信/腾讯/新浪都没有，必须用东财（但要限流）：

龙虎榜席位 · 全市场龙虎榜 · 限售解禁日历 · 融资融券 · 大宗交易 · 股东户数 · 分红送转 · 个股资金流向（分钟/日级）· 行业板块排名 · 研报列表/PDF · 个股新闻 · 全球资讯

东财风控阈值（社区实测，2026-05）

行为	触发封禁的阈值	风险
每秒请求数	> 5 次/秒	高
单 IP 并发连接	≥ 10	高
1 分钟请求总数	≥ 200 次	中高
5 分钟请求总数	≥ 300 次	触发封禁
User-Agent	空 UA / 无浏览器特征	中

被封表现：连续请求后 403 / 429 / 连接超时 / 返回空数据。临时封禁通常几分钟到几小时。

⚠️ 实测封禁案例（2026-06-30，一手数据，感谢 @luodada99 issue #36）

上表是社区口径；下面这条是真实踩到 IP 级封禁的完整记录，比阈值表更有参考价值：

• 触发方式：选股脚本 10 线程并发、完全不走 em_get() 限流，1 小时内发出 45000+ 请求（三个版本的脚本同时跑全市场 5208 只）
• 后果：push2 / push2his 全系列 RemoteDisconnected，IP 级封禁持续 20+ 小时——不是"几分钟到几小时"那种临时限速
• 关键观察一：datacenter-web.eastmoney.com 不受影响——东财不同子域走不同 WAF，push2 被封不代表整个东财都不能用
• 关键观察二：腾讯 K 线（web.ifzq.gtimg.cn）连续 5000+ 次后会返回空，但这是限流不是封 IP，降速或换新浪即可恢复
• 降级实测：东财被封时，第一只股票花 10.9s 完成"检测被封 + 降级"，之后每只 0.4s 走腾讯，数据准确

这个案例正是「限流是铁律」的实证：em_get() 的默认间隔（1s + 抖动、串行）下，1 小时最多约 3000 次请求，与踩坑者的 45000 次差一个数量级。

被封后的降级路径（各层备胎详见「备用源速查」章节）：

被封端点	替代方案	差异
push2/clist/get（股票列表）	datacenter-web + 腾讯行情批量	行业字段来自 datacenter 的 BOARD_NAME
push2his/kline/get（K线）	腾讯 fqkline/get（前复权）→ 新浪 getKLineData（不复权）	腾讯有前复权，新浪没有
push2/stock/get（个股）	腾讯 qt.gtimg.cn	腾讯无行业/概念字段

防封铁律（调用东财时必须遵守）

1. 串行，不并发——绝不对东财开多线程/协程并发请求
2. 每次间隔 ≥ 1 秒 + 随机抖动（QPS ≤ 2），批量筛选时调大到 1.5~2 秒
3. 复用 HTTP 会话（Keep-Alive），不要每次新建连接
4. 带正常 UA + Referer（本 SKILL 各端点已配好）
5. 批量场景每只股票之间 sleep——AI 跑批量循环（如筛选 100 只股逐个拉龙虎榜/资金流）是被封的头号元凶

已内置限流：所有东财请求走 em_get()

本 SKILL 提供统一的节流入口 em_get()（定义见下方「东财数据中心统一查询（共用 helper）」），它自动做到：串行限流（最小间隔 EM_MIN_INTERVAL=1.0s + 随机抖动）+ 复用 EM_SESSION（Keep-Alive）+ 默认 UA。所有 eastmoney.com 端点的代码块都已改用 em_get 而非裸 requests.get，AI 直接抄代码即自带防封。批量任务把 EM_MIN_INTERVAL 调大即可进一步降速。

注：em_get / EM_SESSION / EM_MIN_INTERVAL 是所有东财代码块共用的前置定义，使用任一东财端点前需先执行「共用 helper」代码块。

---

When to Activate

• 用户要查 A 股个股估值（一致预期 / PE / PEG / PE消化）
• 用户要拉实时行情（价格 / 五档盘口 / K线 / 涨跌停价）
• 用户要搜研报（按主题 / 按标的 / 按行业 / 下载PDF）
• 用户要看当日强势股 / 题材归因 / 概念热点
• 用户要看北向资金动向（沪股通/深股通分钟流向）
• 用户要看概念板块归属（行业/概念/地域）
• 用户要看个股资金流向（主力/散户/超大单/大单分钟级）
• 用户要看龙虎榜席位（营业部 + 机构买卖）
• 用户要看全市场龙虎榜（当日所有上榜股票 + 净买额排名）
• 用户要看限售解禁日历（历史解禁 + 未来待解禁）
• 用户要做行业横向对比（涨跌排名 / 资金流入 / 领涨股）
• 用户要看融资融券 / 两融数据（融资余额 + 融券余额）
• 用户要看大宗交易（成交价/量 + 买卖方营业部）
• 用户要看股东户数变化（筹码集中度）
• 用户要看分红送转历史（每股派息 + 送股 + 转增）
• 用户要看指数/ETF行情（上证指数 / 沪深300 / 创业板指 / ETF）
• 用户要看涨停 / 打板情绪（涨停池 / 连板梯队 / 炸板率 / 跌停 / 涨停原因题材）
• 用户要看ETF 期权（T型报价 / 希腊字母 Delta·Gamma·Theta·Vega / 隐含波动率 IV）
• 用户要看投资者互动问答（公司如何回应某传闻/利好 · 互动易）
• 用户要看市场热度 / 人气榜（同花顺热榜 / 东财人气榜 / 个股概念命中）
• 用户要看新闻资讯（个股新闻 / 财联社快讯 / 全球资讯）
• 用户要查公告（巨潮公告全文）
• 用户要做产业链调研 / 批量横向对比
• 关键词：估值、一致预期、机构预测、市盈率、PEG、市值、研报、产业链、行业研究、K线、盘口、公告、新闻、强势股、题材、热点、概念归因、北向资金、沪股通、深股通、概念板块、资金流向、主力、龙虎榜、席位、营业部、全市场龙虎榜、净买入、解禁、限售、行业对比、行业轮动、融资融券、两融、大宗交易、股东户数、筹码集中、分红、派息、送股、指数、ETF、涨停、打板、连板、炸板、跌停、涨停原因、封板、晋级率、ETF期权、希腊字母、隐含波动率、互动易、投资者关系、热榜、人气榜、市场热度

---

Prerequisites

pip install mootdx requests pandas stockstats numpy baostock xlrd openpyxl

依赖	版本要求	用途
mootdx	>= 0.10	TCP行情+财务+F10（非 HTTP 依赖之一）；0.11.x 用 tdx_client() 规避 BESTIP bug，见上节
requests	any	所有HTTP API直连
pandas	any	数据处理+HTML表格解析
stockstats	any	技术指标计算（RSI/MACD/BOLL等）
numpy	any	§4.6 筹码分布的网格计算
baostock	>= 0.8	§6.5/§6.6 估值历史·换手率·停牌·ST·退市日（TCP，免注册免 key；不支持北交所）
xlrd	>= 2.0	读 .xls（§6.7 申万行业分类）
openpyxl	any	读 .xlsx（§11.1 人民银行社融）

架构： 除 mootdx 与 baostock（均为 TCP 客户端库）外，所有数据源均为直连 HTTP API，不经第三方数据封装。每个 HTTP 端点的底层 URL/参数完全暴露，方便调试和定制。

iwencai API Key（仅语义搜索需要）

# 环境变量方式
export IWENCAI_API_KEY="your_key_here"
export IWENCAI_BASE_URL="https://openapi.iwencai.com"

# 申请地址: https://www.iwencai.com/skillhub
# 注册后安装 SkillHub CLI，再安装 report-search 技能即可获得 Key

其他数据源（mootdx / 腾讯 / 东财 / 同花顺 / 百度股市通 / 新浪 / 巨潮 / baostock / 申万 / 人民银行 / 国家统计局）全部免费，无需 key。

mootdx 客户端（必读，规避 0.11.x BESTIP 空串 bug）

已知 bug（mootdx 0.11.x）： 全新安装后 Quotes.factory(market='std') 裸调用可能抛 ValueError: not enough values to unpack (expected 2, got 0)。 根因：~/.mootdx/config.json 的 BESTIP.HQ 初始是空字符串 ""（不是缺失键），mootdx 用 dict.get(key, default) 取不到 default，拆包失败。老用户（config 曾填充过 IP）不会触发，所以容易漏测。 不要靠锁版本解决： 锁 mootdx==0.10.12 在部分环境（如干净的 Python 3.9）下 import mootdx 会因 numpy/pandas 二进制不兼容直接崩。正确做法是用下面的 tdx_client()——显式传 server 绕过 BESTIP，对 0.10 / 0.11 都适用。

统一用以下 helper 创建客户端（所有 mootdx 调用都走它）：

import socket
from mootdx.quotes import Quotes

# 实测可用的备选服务器（按延迟排序，2026-06 验证）
_TDX_SERVERS = [
    ('119.97.185.59', 7709), ('124.70.133.119', 7709), ('116.205.183.150', 7709),
    ('123.60.73.44', 7709),  ('116.205.163.254', 7709), ('121.36.225.169', 7709),
    ('123.60.70.228', 7709), ('124.71.9.153', 7709),    ('110.41.147.114', 7709),
    ('124.71.187.122', 7709),
]

def _probe(ip, port, timeout=2.0):
    """TCP 握手探测（快速粗筛）。注意：握手成功 ≠ 能取数，必须再经 _validate 验活。"""
    try:
        with socket.create_connection((ip, port), timeout=timeout):
            return True
    except Exception:
        return False

def _validate(client, market: str = 'std') -> bool:
    """真实取数验活：坏服务器可 TCP 握手通过却回 2 字节空 body → 静默空表。用一次真实 K 线请求兜底。

    验活样本 '000001' 是 A 股代码，只对 market='std' 有意义。其它市场（如扩展行情 'ext'）
    用它必然取不到数，会把所有正常服务器都判死、误报「全部不可达」，故非 std 时跳过验活。
    """
    if market != 'std':
        return True
    try:
        df = client.bars(symbol=, frequency=, offset=)
         df      df.empty
     Exception:
         

 ():
    
     ip, port  _TDX_SERVERS:
          _probe(ip, port):
            
        :
            c = Quotes.factory(market=market, server=(ip, port))
             _validate(c, market):
                 c
         Exception:
                                                    
     kwargs  ({: }, {}):                   
        :
            c = Quotes.factory(market=market, **kwargs)
             _validate(c, market):
                 c
         Exception:
            
     RuntimeError(
        
        
    )

海外 IP 用户： mootdx 走通达信 TCP 7709，海外环境通常全部超时。tdx_client() 会快速失败给出明确报错，而非死等。

市场前缀规则（全局通用）

# 沪市指数白名单：与深市 000xxx 个股同段，需白名单区分（沪深300/上证50/中证500/科创50/中证1000/上证180）
SH_INDEX = {"000300", "000905", "000016", "000688", "000852", "000010"}

def get_prefix(code: str) -> str:
    """6位代码 → 市场前缀（sh/sz/bj）。支持显式前缀/后缀（sh000016 / 000016.SH）透传以解决歧义。"""
    c = code.lower().strip()
    if c.endswith((".sh", ".sz", ".bj")):    # 后缀写法与前缀等价：000016.SH ≡ sh000016。
        return c[-2:]                        # 不认后缀会让 000016.SH 落到默认深市 → 静默查成深康佳A
    if c.startswith(("sh", "sz", "bj")):     # 显式前缀透传（如 sh000001=上证指数 vs sz000001=平安银行）
        return c[:2]
    if c.startswith("92"):                   # 北交所 2024-10 起的新股号段，必须先于下面的 9x 判断
        return "bj"
    if c.startswith(("5", "6", "9")):        # 5x=沪 ETF/LOF，6/9=沪个股（900xxx=沪 B 股）
        return "sh"
    if c.startswith(("4", "8")):             # 4x/8x=北交所【老号段，多数已迁 920，见下方警告】
        return "bj"
    if c in SH_INDEX:                         
         
                                   

歧义说明： 000001 默认按个股→sz000001（平安银行）；要上证指数请显式传 sh000001。000016 默认按沪指数→上证50；要深康佳A 请传 sz000016。

⚠️ 北交所老号段（43/83/87）已基本作废 — 会拿到僵尸数据且不报错

2026-07-31 实测： 东财北交所在市 342 只中 336 只已是 920xxx 号段，仅剩 3 只老码且全部停牌。存量公司代码已整体迁移（如 锦波生物 832982→920982、贝特瑞 835185→920185）。

危险在于老码不会报错，而是返回看似正常的脏数据：

接口	传老码 832982	传新码 920982
腾讯行情	返回 112.60、成交量 0（定格在迁移日）	131.74，正常成交 ✅
腾讯行情（贝特瑞）	835185 → 45.91、成交量 0	920185 → 21.05 ✅
东财研报	0 篇（静默空）	79 篇 ✅

老码行情价与真实价可差 17%~100%+，直接拿去算估值会得出完全错误的结论。

判定僵尸报价： 成交量 == 0 且 最新价 == 昨收 → 极可能是已迁移的废码（真停牌股同样满足，两者都不该用于估值）。tencent_quote() 已内置该检测并置 is_stale 标志，见 §1.2。

拿新码： 用 push2 北交所全量清单 fs=m:0+t:81+s:2048 按名称反查现行代码。

Ticker 格式归一化

norm_ticker() 把下列写法统一成纯 6 位数字：

⚠️ 不是所有端点都自动归一化（V3.6.0 前这里写的是「所有接口统一支持」，与实现不符，已改正）。

• 已内置归一化：§2.1 eastmoney_reports()、§2.2 ths_eps_forecast()。
• 只认纯 6 位或显式 sh/sz/bj 前缀（其余端点）：tencent_quote() 等走 get_prefix() 路由的函数 支持 600519 和 sh600519，但不认后缀式 600519.SH——实测会拼成 sh600519.SH 并返回空载荷（静默失败）。
• 结论：拿到用户输入的代码，先过一遍 norm_ticker() 再传给任何端点，最省事也最安全。

输入	归一化结果
688017	688017
SH688017 / sh688017	688017
688017.SH / 688017.sh	688017
SZ000001	000001
BJ920982	920982

import re

# 整串锚定匹配，只认下表列出的写法；市场标识前缀、后缀**二选一，不能同时出现**。
# ⚠️ 两个坑都会造成「静默拿到另一只股票的数据」，比报错危险得多：
#   ① 别用 re.search(r"\d{6}") 从任意串里"捞"6 位："6005190"/"foo600519bar" 会被截成 600519。
#   ② 别让前后缀同时可选：`SH000001.SZ` 这种自相矛盾的写法会被照单全收，
#      而 000001 恰是歧义码（sh000001=上证指数 / sz000001=平安银行），静默丢掉市场信息＝选错标的。
# 捕获组：1=前缀市场 2=前缀式代码 | 3=后缀式代码 4=后缀市场
# 市场标识要**同时**从前缀和后缀取——只认 startswith("sh") 会漏掉 `000001.SH` 这种后缀写法。
_TICKER_RE = re.compile(
    r"^(?:(sh|sz|bj)(\d{6})|(\d{6})(?:\.(sh|sz|bj))?)$", re.IGNORECASE)

def _natural_market(digits: str) -> str:
    """6 位码的自然归属市场。仅用于校验显式前缀是否自相矛盾。
    注意 000xxx 是沪指数/深个股共用的歧义段，由调用处单独处理，不走这里。"""
    if digits.startswith("92") or digits[:2] in ("43", "83", "87"):
        return "bj"                      # 北交所（920 现行 / 43·83·87 老号段）
    if digits[0] in ("5", "6", "9"):
        return "sh"                      # 5x 沪 ETF/LOF，6xx 沪个股，9xx 沪 B 股
    return "sz"                          # 00x/30x/15x/16x/39x 等

def norm_ticker(code: str, stock_only: bool = False) -> str:
    
    raw = (code).strip()
    m = _TICKER_RE.(raw)
      m:
         ValueError(
            
            
            
        )
    digits = m.group()  m.group()
    market = (m.group()  m.group()  ).lower()      
    
     market:
         digits.startswith():
            
            
             market == :
                 ValueError()
            
            
            
             stock_only  market == :
                 ValueError(
                    
                    
                )
        :
            nat = _natural_market(digits)
             market != nat:
                 ValueError(
                    
                    
                )
     digits


norm_ticker()      
norm_ticker()     
norm_ticker()      
norm_ticker()       
norm_ticker()           
norm_ticker()   
norm_ticker(, stock_only=)     
norm_ticker(, stock_only=)    
norm_ticker()                      
norm_ticker()                      


 () -> :
    
       get_prefix(code) ==   


 () -> :
    
     

东财数据中心统一查询（共用 helper）

龙虎榜/解禁/融资融券/大宗交易/股东户数/分红 共用同一 base URL：

import time
import random
import requests

UA = "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36"
DATACENTER_URL = "https://datacenter-web.eastmoney.com/api/data/v1/get"

# ── 东财防封：全局节流 + 会话复用 ────────────────────────────────────
# 东财系 HTTP 接口（push2 / datacenter / reportapi / search / np-weblist）有风控：
#   每秒 >5 次 / 单 IP 并发 ≥10 / 1 分钟 ≥200 次  →  临时封 IP。
# 所有 eastmoney.com 请求一律走 em_get()：串行限流（最小间隔 + 随机抖动）+ 复用
# Keep-Alive 会话，批量调用时自动降速，避免被封。详见「数据源优先级 & 东财防封」章节。
EM_SESSION = requests.Session()
EM_SESSION.headers.update({"User-Agent": UA})
# 连接级自动重试：瞬态连接错误 / 429 / 5xx 指数退避重试（住宅IP偶发风控更稳）。
# 注意：403 不重试（东财风控信号，重试无益反而加重；按下方 EM_MIN_INTERVAL 降频应对）。
try:
    from requests.adapters import HTTPAdapter
    from urllib3.util.retry import Retry
    _em_adapter = HTTPAdapter(max_retries=Retry(
        total=3, connect=3, backoff_factor=0.6,
        status_forcelist=[429, 500, 502, 503, 504], allowed_methods=["GET"]))
    EM_SESSION.mount("https://", _em_adapter)
    EM_SESSION.mount("http://", _em_adapter)
except Exception:
    pass  # 老版本 urllib3 缺 allowed_methods 等参数时降级为无重试，不影响主流程
from typing import Optional     # 3.9 兼容：不能写 `dict | None`（那是 3.10+ 语法）

EM_MIN_INTERVAL = 1.0          # 两次东财请求最小间隔(秒)；批量筛选建议调大到 1.5~2
_em_last_call = [0.0]          # 模块级上次请求时间戳

 ():
    
    wait = EM_MIN_INTERVAL - (time.time() - _em_last_call[])
     wait > :
        time.sleep(wait + random.uniform(, ))
    :
         EM_SESSION.get(url, params=params, headers=headers, timeout=timeout, **kwargs)
    :
        _em_last_call[] = time.time()

 () -> []:
    
    params = {
        : report_name, : columns,
        : filter_str, : , : (page_size),
        : sort_columns, : sort_types,
        : , : ,
    }
    r = em_get(DATACENTER_URL, params=params, timeout=)
    d = r.json()
     d.get()  d[].get():
         d[][]
     []

---

Layer 1: 行情层（实时，不封IP）

1.1 mootdx — K线 + 五档盘口 + 逐笔成交

TCP 二进制协议，连通达信服务器(7709)，无需注册，不封IP。

from mootdx.quotes import Quotes

client = tdx_client()  # 见 Prerequisites 的 tdx_client() helper（规避 0.11.x BESTIP bug；等价 Quotes.factory(market='std')）

# === K线数据 ===
# ⚠️ 参数名是 frequency（不是 category！传 category 会被 **kwargs 静默吞掉，
#    永远退化成默认 frequency=9 日线，拿不到分钟数据）。
# mootdx 0.11.7 实测频率值表：
#   0=5分钟  1=15分钟  2=30分钟  3=60分钟(1小时)  4=日线  5=周线  6=月线
#   8=1分钟  9=日线(默认)  10=季线  11=年线        （7=1分钟除权口径,少用）
klines = client.bars(symbol='688017', frequency=9, offset=10)    # 日线
min1   = client.bars(symbol='688017', frequency=8, offset=240)   # 1分钟（一个交易日≈240根）
min5   = client.bars(symbol='688017', frequency=0, offset=48)    # 5分钟
# 返回: open, close, high, low, vol, amount, datetime
# ⚠️ 复权：bars 返回【不复权】原始价（通达信原始数据，无 adjust 参数）。
#    跨除权除息日做估值/回测前需自行复权，或改用带前复权的日K数据源（腾讯财经）。

# === 实时报价 ===
quotes = client.quotes(symbol=['688017', '300476'])
# 返回 46 个字段:
#   price(现价), open, high, low, last_close(昨收)
#   bid1~bid5, ask1~ask5, bid_vol1~bid_vol5, ask_vol1~ask_vol5
#   vol(成交量), amount(成交额), servertime

# === 逐笔成交（非交易时间返回空）===
trades = client.transaction(symbol='688017', date='20260502')
# 返回: time, price, vol, num, buyorsell(0买/1卖/2中性)

mootdx 不提供 PE / PB / 市值 / 换手率 / 涨跌停价 — 这些走腾讯财经。

1.2 腾讯财经 API — PE/PB/市值/换手率/涨跌停/指数/ETF

HTTP GET，GBK 编码，~ 分隔 88 个字段，不封IP。

import urllib.request

def tencent_quote(codes: list[str]) -> dict[str, dict]:
    """
    批量拉取腾讯财经实时行情。
    codes: ["688017", "300476", "002463"]
    也支持指数: ["000001", "000300", "399006"]
    也支持ETF: ["510050", "510300"]
    返回: {code: {name, price, pe_ttm, pb, mcap, ...}}
    """
    # 前缀路由：与全局 get_prefix() 一致。5x 沪ETF / 000300 等沪指数不能落到 sz（会返回空或错票）。
    SH_INDEX = {"000300", "000905", "000016", "000688", "000852", "000010"}   # 沪指数白名单
    prefixed = []
    key_of = {}          # 带前缀的查询键 → 调用方原始写法，保证结果键与入参一一对应
    for c in codes:
        low = c.lower()
        if low.startswith(("sh", "sz", "bj")):        # 显式前缀透传，解决 000001 等歧义
            p = low
        elif c.startswith("92"):                      # 北交所 920 号段须先于 9x 判断
            p = f"bj{c}"
        elif c in SH_INDEX or c.startswith(("5", "6", "9")):
            p = f"sh{c}"
        elif c.startswith(("4", "8")):
            p = f"bj{c}"
        else:
            p = f"sz{c}"
        prefixed.append(p)
        key_of[p] = c    

    url =  + .join(prefixed)
    req = urllib.request.Request(url)
    req.add_header(, )
    resp = urllib.request.urlopen(req, timeout=)
    data = resp.read().decode()

    result = {}
     line  data.strip().split():
          line.strip()     line     line:
            
        key = line.split()[].split()[-]
        vals = line.split()[].split()
         (vals) < :
            
        
        
        code = key_of.get(key, key[:])
        result[code] = {
            :         vals[],
            :        (vals[])  vals[]  ,
            :   (vals[])  vals[]  ,
            :         (vals[])  vals[]  ,
            :   (vals[])  vals[]  ,
            :   (vals[])  vals[]  ,
            :         (vals[])  vals[]  ,
            :          (vals[])  vals[]  ,
            :   (vals[])  vals[]  ,
            : (vals[])  vals[]  ,
            :       (vals[])  vals[]  ,
            :(vals[])  vals[]  ,
            
            :(vals[])  vals[]  ,
            :      (vals[])  vals[]  ,
            :           (vals[])  vals[]  ,
            :     (vals[])  vals[]  ,
            :   (vals[])  vals[]  ,
            :    (vals[])  vals[]  ,
            :    (vals[])  vals[]  ,
        }
        
        
        
        q = result[code]
        q[] = (q[] ==   q[] == q[]  q[] > )
         q[]  key[:]  (, , ):
            q[] = 
         q[]:
            q[] = 
     result


quotes = tencent_quote([, , ])
 code, q  quotes.items():
    ()


index_quotes = tencent_quote([, , ])


etf_quotes = tencent_quote([, ])

腾讯财经字段索引速查（实测校准 2026-05-03）

索引	含义	示例
1	名称	绿的谐波
3	当前价	224.12
4	昨收	215.01
5	今开	214.10
9-18	买一~买五(价+量)
19-28	卖一~卖五(价+量)
31	涨跌额	9.11
32	涨跌幅%	4.24
33	最高	229.62
34	最低	214.10
37	成交额(万)	187040
38	换手率%	4.55
39	PE(TTM)	300.45
43	振幅%（不是PB！）	7.22
44	流通市值(亿)	410.88
45	总市值(亿)	410.88
46	PB(市净率)	11.51
47	涨停价	258.01
48	跌停价	172.01
49	量比	1.20
52	PE(静)	314.76

踩坑提醒一： 网上很多教程把索引 43 写成 PB，实测是振幅%。PB 在索引 46。

踩坑提醒二（2026-07-26 修正）： 44 是流通市值、45 才是总市值，此前本表标反了。 多数股票两者相等，所以看不出来；但总股本 ≠ 流通股本的票（科创板/次新股/有限售股）会差出数倍。 实测中船特气(688146)：f[44]=356.15亿(流通股本 1.45亿股)、f[45]=1300.61亿(总股本 5.29亿股)，差 3.65 倍。 用市值做筛选时取错会把大市值公司误判成小盘股。可用 f[45] ÷ 现价 反推总股本核对（与东财 f84 一致）。 参考：东财 push2 的 f116=总市值 / f117=流通市值 方向与腾讯相反，实测确认无误，勿混用。

1.3 百度股市通 K线 — 带MA5/MA10/MA20（V3.0 新增）

核心价值： 返回时自带均线数据，无需本地计算。

import requests

def baidu_kline_with_ma(code: str, start_time: str = "") -> dict:
    """百度股市通K线 — 独有能力: 返回时自带 ma5/ma10/ma20 均价"""
    url = "https://finance.pae.baidu.com/selfselect/getstockquotation"
    params = {
        "all": "1", "isIndex": "false", "isBk": "false", "isBlock": "false",
        "isFutures": "false", "isStock": "true", "newFormat": "1",
        "group": "quotation_kline_ab", "finClientType": "pc",
        "code": code, "start_time": start_time, "ktype": "1",
    }
    headers = {
        "User-Agent": "Mozilla/5.0",
        "Accept": "application/vnd.finance-web.v1+json",
        "Origin": "https://gushitong.baidu.com",
        "Referer": "https://gushitong.baidu.com/",
    }
    r = requests.get(url, params=params, headers=headers, timeout=10)
    d = r.json()
    result = d.get("Result", {})
    md = result.get("newMarketData", {})
    keys = md.get("keys", [])  # includes: ma5avgprice, ma10avgprice, ma20avgprice
    rows = md.get("marketData", ).split()
     {: keys, : rows}


data = baidu_kline_with_ma()
(, data[][:])
(, data[][-:])

---

1.4 新浪复权因子 — qfq / hfq（V3.7.0 新增）

核心价值： §1.1 tdx_client().bars() 返回的是不复权数据，跨除权日直接比价必然出错。 本端点给出复权因子序列，一次 HTTP、约 1.8KB、零鉴权。

import json
import re

import requests


def sina_adjust_factor(code: str, kind: str = "qfq") -> list:
    """新浪复权因子序列 — kind='qfq'(前复权) | 'hfq'(后复权)，按日期倒序（最新在前）"""
    if kind not in ("qfq", "hfq"):
        raise ValueError(f"kind 只能是 'qfq' 或 'hfq'，收到 {kind!r}")
    # 数字位用 norm_ticker() 剥掉前后缀（否则 "sz000016" 会拼成 "szsz000016" ——
    # zfill(6) 对 8 字符输入不做任何事）。
    raw = str(code).strip()
    digits = norm_ticker(raw)
    # 市场：**显式写法优先**——前缀或 `.SH` 后缀直接采信（V3.7.1 起 get_prefix() 也认后缀，
    # 本地显式匹配保留，语义不变）。都没写显式市场时，才用 get_prefix() 按号段推断
    # （它已处理 92 必须先于 9x）。
    m = re.match(r"^(sh|sz|bj)", raw, re.I) or re.search(r"\.(sh|sz|bj)$", raw, re.I)
    prefix = m.group(1).lower() if m else get_prefix(digits)
    symbol = f"{prefix}{digits}"
    url = f"https://finance.sina.com.cn/realstock/company/{symbol}/{kind}.js"
    r = requests.get(url, headers={"User-Agent": "Mozilla/5.0",
                                   "Referer": "https://finance.sina.com.cn/"}, timeout=10)
    r.raise_for_status()
    # 🔴 响应形如 `var sh600519qfq={...}` 且**末尾挂着 /* base64 */ 注释块**，
    #    不能用 $ 锚定正则。从第一个 { 起用 raw_decode，让解析器自己在 JSON 结束处停下。
    text = r.text
    brace = text.find()
     brace < :
         RuntimeError()
    :
        data, _ = json.JSONDecoder().raw_decode(text[brace:])
     json.JSONDecodeError  e:
         RuntimeError()  e
     [{: it[], : (it[])}  it  data.get(, [])]


 ():
    
     kind   (, ):
         ValueError()
    
    
      factors:
         ValueError(
            
            
        )

    is_df = (bars, )  (bars, )
     is_df:
        
        date_col = ((c  c  (, )  c  bars.columns), )
         date_col  :
             ValueError()
        rows = bars.to_dict()
         r  rows:
            r[] = (r[date_col])[:]
    :
        rows = [(b)  b  bars]
         r  rows:
                r:
                 ValueError()
            r[] = (r[])[:]

    fac = (factors, key= x: x[])
    out, i, cur = [], , 
     bar  (rows, key= b: b[]):
         i < (fac)  fac[i][] <= bar[]:
            cur = fac[i][]
            i += 
        
        
        
        
         cur  :
             RuntimeError(
                
                
            )
         cur == :
             RuntimeError()
        nb = (bar)
         k  price_keys:
             k  nb  nb[k]   :
                v = (nb[k])
                nb[k] = (v / cur  kind ==   v * cur, )
        nb[] = cur
        out.append(nb)
     is_df:
         pandas  pd
        res = pd.DataFrame(out)
        
        
         (bars, , )      (
            bars.index, pd.RangeIndex
        ):
            order = (((bars)), key= n: (bars.iloc[n][date_col])[:])
            res.index = bars.index[order]
            res.index.name = bars.index.name
         res
     out



qfq = sina_adjust_factor(, )
hfq = sina_adjust_factor(, )
((qfq), , qfq[], , qfq[-])




bars = [{: , : }]         
(apply_adjust(bars, qfq, kind=))                
(apply_adjust(bars, hfq, kind=))                

方向实测对照（2026-08-19，以 baostock adjustflag 为基准交叉验证）

日期	不复权	baostock 前复权	raw × qfq	raw ÷ qfq
2015-01-05	202.52	143.46	285.90 ❌	143.46 ✅
2026-08-14	1341.99	1341.99	1341.99 ✅	1341.99 ✅

qfq 因子恒 ≥ 1 且越往历史越大，乘上去会把历史价格放大，必须做除法。 2026 那行两种算法都对，是因为最新日因子恰为 1.0 —— 只用最近日期做验证会漏掉这个 bug。

⚠️ hfq 的基准与 baostock 不同：新浪 raw × hfq 与 baostock 后复权价差一个恒定倍数 （实测 1.1582，2015 与 2026 两点一致）。后复权序列整体缩放不影响收益率与形态， 但不要把新浪后复权价与其它源的后复权价直接比数值。

⚠️ 北交所无复权因子：实测 bj920982 返回 404（新浪未提供北交所的 qfq/hfq 文件）， 本函数会抛 HTTPError。北交所标的请改用 §1.1 通达信不复权价，并自行按分红送转推导。

自检口径（实测 2026-08-19 校准）：

• qfq 序列最新一条因子恒为 1.0；hfq 序列最早一条恒为 1.0。
• 同一日期上 qfq(d) × hfq(d) 恒等于一个常数（该标的全期总复权系数，茅台实测 8.882513）。 ⚠️ 两者不是倒数（乘积不为 1），比值 hfq/qfq 也不恒定（茅台 33 个日期有 32 种取值）—— 两个基准不同的归一化序列，只有乘积守恒。 不满足以上任一条，说明响应被截断或标的代码写错。

---

Layer 2: 研报层

2.1 东财研报 API — 研报列表 + PDF下载（主力）

A级接口（公开JSON API），reportapi.eastmoney.com，免费无key。

import requests
import re
import time
from datetime import date, timedelta   # 注意用 date/timedelta，不要 import datetime 模块：
                                       # 本 SKILL 多处有 `from datetime import datetime`，会把模块名遮蔽掉
from pathlib import Path
from typing import Optional            # 3.9 兼容：不能写 `str | None`（那是 3.10+ 语法）

REPORT_API = "https://reportapi.eastmoney.com/report/list"
PDF_TPL = "https://pdf.dfcfw.com/pdf/H3_{info_code}_1.pdf"
UA = "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36"

def eastmoney_reports(code: str, max_pages: int = 5) -> list[dict]:
    """拉取指定股票的研报列表。

    code 支持 600519 / SH600519 / 600519.SH 等写法（内部归一化为纯 6 位）。
    ⚠️ reportapi 只认纯 6 位数字：传 "SH600519" 会返回 hits=0，
       看起来像「这只票没研报」，实际是格式没归一化——务必先过 norm_ticker()。
    返回 [] 仅表示东财确无该标的研报覆盖（格式错误已在上游抛 ValueError）。
    """
    code = norm_ticker(code, stock_only=True)   # 格式错/显式指数码直接抛错，不静默返回 []
    all_records = []
    for page in range(1, max_pages + 1):
        params = {
            "industryCode": "*", "pageSize": "100", "industry": "*",
            "rating": "*", "ratingChange": "*",
            "beginTime": , : ,
            : (page), : , : ,
            : , : code, : ,
            : (page), : (page), : (page),
        }
        r = em_get(REPORT_API, params=params,
                   headers={: }, timeout=)  
        d = r.json()
        rows = d.get()  []
          rows:
            
        all_records.extend(rows)
         page >= (d.get(, )  ):
            
    
      all_records  code[:]  (, , ):
         ValueError(
            
            
            
        )
     all_records

 () -> []:
    
    info_code = record.get(, )
      info_code:
         
    date = (record.get()  )[:]
    org = re.sub(, , record.get()  )[:]
    title = re.sub(, , record.get(, ))[:]
    fname = 
    target = Path(target_dir) / fname
     target.exists():
         (target)
    url = PDF_TPL.(info_code=info_code)
    r = em_get(url, headers={: }, timeout=)
     r.status_code ==   (r.content) >= :
        target.parent.mkdir(parents=, exist_ok=)
        target.write_bytes(r.content)
         (target)
     


reports = eastmoney_reports()
()
 r  reports[:]:
    ()

研报 record 关键字段

字段	含义
title	研报标题
publishDate	发布日期
orgSName	机构简称
infoCode	用于拼 PDF URL
predictThisYearEps	今年EPS预测
predictNextYearEps	明年EPS预测
predictNextTwoYearEps	后年EPS预测
emRatingName	评级(买入/增持/...)
indvInduName	行业分类

行业研报列表（qType=1）

与个股研报同一端点（reportapi.eastmoney.com/report/list），仅 qType 不同：qType=0 个股研报，qType=1 行业研报。返回 record 可直接喂给上面的 download_pdf()（PDF 模板通用）。

from datetime import date, timedelta   # 本块单独拷贝也能跑；勿写成 import datetime（会被 §3+ 的
                                       # `from datetime import datetime` 遮蔽掉模块名）

def eastmoney_industry_reports(industry_code: str = "*", max_pages: int = 5,
                               begin: str = "") -> list[dict]:
    """拉取行业研报列表（qType=1）。
    industry_code="*" = 全行业；传东财行业码（如 "1238"=IT服务Ⅱ）= 单行业。
    行业名 / 行业码在每条 record 的 industryName / industryCode 字段。
    begin 留空 = 近两年（相对今天算，避免硬编码日期越用越旧）。"""
    if not begin:
        begin = (date.today() - timedelta(days=730)).isoformat()
    all_records = []
    for page in range(1, max_pages + 1):
        params = {
            "industryCode": industry_code, "pageSize": "100", "industry": "*",
            "rating": "*", "ratingChange": "*",
            "beginTime": begin, "endTime": "2030-01-01",
            "pageNo": str(page), "fields": "", "qType": "1",
        }
        r = em_get(REPORT_API, params=params,
                   headers={"Referer": "https://data.eastmoney.com/"}, timeout=30)  
        d = r.json()
        rows = d.get()  []
          rows:
            
        all_records.extend(rows)
         page >= (d.get(, )  ):
            
     all_records



reports = eastmoney_industry_reports(, max_pages=)
()
 r  reports[:]:
    ()


it = eastmoney_industry_reports(, max_pages=)
 it:
    download_pdf(it[])

行业研报特有/常用字段（其余字段同 2.1 个股研报）：

字段	含义
industryName	行业名称（如 IT服务Ⅱ、风电设备、光伏设备）
industryCode	东财行业代码（用于 industry_code 精确过滤）
emRatingName	行业评级（买入/增持/中性/...）
reportType	报告类型
attachPages / attachSize	PDF 页数 / 大小(KB)
infoCode	喂给 download_pdf() 拼 PDF URL

行业码怎么拿： 东财行业码不是通用记忆码，没有公开的码表端点（bxpa 等已 404）。常用做法：先用 industry_code="*" 拉一批，从结果的 industryName/industryCode 找到目标行业的码，再用该码精确过滤。

2.2 同花顺一致预期EPS（直连 basic.10jqka.com.cn）

import requests
import pandas as pd
from io import StringIO

def ths_eps_forecast(code: str) -> pd.DataFrame:
    """
    同花顺机构一致预期EPS。
    直连 basic.10jqka.com.cn，解析HTML表格。
    code 支持 688017 / SH688017 / 688017.SH 等写法（内部归一化为纯 6 位）。
    返回 DataFrame: 年度, 预测机构数, 最小值, 均值, 最大值
    "均值" = 机构一致预期EPS
    """
    code = norm_ticker(code, stock_only=True)   # URL 路径只认纯 6 位，带前缀会 404 到空表
    url = f"https://basic.10jqka.com.cn/new/{code}/worth.html"
    headers = {
        "User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36",
        "Referer": "https://basic.10jqka.com.cn/",
    }
    r = requests.get(url, headers=headers, timeout=15)
    r.encoding = "gbk"
    dfs = pd.read_html(StringIO(r.text))
    # 找含"每股收益"的表格
    for df in dfs:
        cols = [str(c) for c in df.columns]
        if any("每股收益" in c or "均值" in c for c in cols):
            return df
    # fallback: 返回第一个表
    return dfs[0] if dfs else pd.DataFrame()

# 用法
df = ths_eps_forecast("688017")
print(df)
# "预测机构数" < 3 的要谨慎

2.3 iwencai — NL语义搜索研报（唯一能力）

需要 API Key + X-Claw Headers（SkillHub 2.0 强制要求）。

import os
import json
import secrets
import requests

IWENCAI_BASE = os.environ.get("IWENCAI_BASE_URL", "https://openapi.iwencai.com")
IWENCAI_KEY = os.environ.get("IWENCAI_API_KEY", "")

def _claw_headers(call_type: str = "normal") -> dict:
    """SkillHub 2.0 必须的 X-Claw 鉴权头"""
    return {
        "X-Claw-Call-Type": call_type,
        "X-Claw-Skill-Id": "report-search",
        "X-Claw-Skill-Version": "2.0.0",
        "X-Claw-Plugin-Id": "none",
        "X-Claw-Plugin-Version": "none",
        "X-Claw-Trace-Id": secrets.token_hex(32),
    }

def iwencai_search(query: str, channel: str = "report", size: int = 50) -> list[dict]:
    """
    iwencai 语义搜索。
    channel: "report"(研报) / "announcement"(公告) / "news"(新闻)
    size: 默认10, 实测可调到50（隐藏参数）
    """
    headers = {
        "Authorization": f"Bearer {IWENCAI_KEY}",
        "Content-Type": "application/json",
        **_claw_headers(),
    }
    payload = {
        "channels": [channel],
        "app_id": "AIME_SKILL",
        : query,
        : size,
    }
    r = requests.post(
        ,
        json=payload, headers=headers, timeout=,
    )
     r.status_code != :
         RuntimeError()
    data = r.json()
     data.get(, ) != :
         RuntimeError()
     data.get()  []

 () -> []:
    
    headers = {
        : ,
        : ,
        **_claw_headers(),
    }
    payload = {
        : query,
        : (page),
        : (limit),
        : ,
        : ,
    }
    r = requests.post(
        ,
        json=payload, headers=headers, timeout=,
    )
     r.status_code != :
         RuntimeError()
    data = r.json()
     data.get(, ) != :
         RuntimeError()
     data.get()  []

 () -> []:
    
    best = {}
     a  articles:
        uid = a.get(, )  
        score = (a.get(, ))
         uid   best  score > (best[uid].get(, )):
            best[uid] = a
     (best.values(), key= x: x.get(, ), reverse=)


articles = iwencai_search(, channel=, size=)
articles = dedup_articles(articles)
 a  articles[:]:
    extra = a.get()  {}
     (extra, ):
        extra = json.loads(extra)
    ()

iwencai 的唯一价值： NL 主题搜索。"人形机器人 行星滚柱丝杠" 这种跨主题检索只有 iwencai 能做。按标的搜研报走东财 reportapi 更稳定。

---

Layer 3: 信号层

3.1 同花顺热点 — 当日强势股 + 题材归因 reason tags（独家）

核心价值： 不只告诉你"哪些走强"，还告诉你**"为什么走强"** —— 同花顺编辑部人工运营的题材标签。

import requests
import pandas as pd

def ths_hot_reason(date: str = None) -> pd.DataFrame:
    """
    同花顺当日强势股归因。
    date: 'YYYY-MM-DD' 格式，None=今天
    返回 DataFrame，含每只股票的题材标签 (reason)。

    实测: 73ms 拿到 ~125 只 + 完整字段
    """
    from datetime import date as _date
    if date is None:
        date = _date.today().strftime("%Y-%m-%d")

    url = (
        f"http://zx.10jqka.com.cn/event/api/getharden/"
        f"date/{date}/orderby/date/orderway/desc/charset/GBK/"
    )
    headers = {
        "User-Agent": (
            "Mozilla/5.0 (Windows NT 10.0; Win64; x64) "
            "Chrome/117.0.0.0 Safari/537.36"
        )
    }
    r = requests.get(url, headers=headers, timeout=10)
    data = r.json()
    if data.get("errocode", 0) != 0:
        raise RuntimeError(f"同花顺热点错误: {data.get('errormsg', '')}")

    rows = data.get("data") or []
    df = pd.DataFrame(rows)
    if df.empty:
        return df

    # 字段重命名（中文友好）
    rename_map = {
        "name": "名称", "code": "代码", "reason": "题材归因",
        "close": "收盘价", : , : ,
        : , : ,
        : , : ,
        : ,
    }
    df = df.rename(columns=rename_map)
     df


df = ths_hot_reason()
()
(df[[, , , ]].head())

同花顺热点字段速查

原字段	中文	说明
code	代码	6 位股票代码
name	名称	简称
reason	题材归因	核心字段，人工运营 tags，如"算力租赁+Token工厂+AI政务"
zhangfu	涨幅%	当日涨幅
huanshou	换手率%	当日换手
chengjiaoe	成交额	元
chengjiaoliang	成交量	股
ddejingliang	大单净量	主力净流入指标
close	收盘价	元
zhangdie	涨跌额	元
market	市场	沪/深/北

3.2 同花顺北向资金 — hsgtApi 实时分钟流向 + 本地自缓存历史

⚠️ 深股通实时流向近期不可靠（2026-07 实测）： 沪股通(hgt)分钟序列完整，但深股通(sgt) 常只回传零星几个点、末值量级异常。根因是北向自 2024-08 起收紧盘中实时披露，非本代码问题。 结论：hgt 可用于当日情绪，sgt 仅供参考；要权威北向数据用 HKEX 官方日统计 （hkex.com.hk/chi/csm/DailyStat/data_tab_daily_YYYYMMDDc.js，见文末「备用源速查」）。

已知行业性问题： eastmoney 全系北向数据自 2024-08 后净买额字段返回 NaN/0，属上游断供。已改为本地 CSV 自缓存模式——每次拉实时数据后自动写入本地 CSV，历史越跑越丰富。

import requests
import pandas as pd
from pathlib import Path

HSGT_HEADERS = {
    "User-Agent": (
        "Mozilla/5.0 (Windows NT 10.0; Win64; x64) "
        "Chrome/117.0.0.0 Safari/537.36"
    ),
    "Host": "data.hexin.cn",
    "Referer": "https://data.hexin.cn/",
}

def hsgt_realtime() -> pd.DataFrame:
    """
    沪深股通当日实时分钟流向（含集合竞价 09:10–15:00，262 个时间点）。
    返回字段: time, hgt(沪股通累计净买入), sgt(深股通累计净买入)
    单位: 亿元
    """
    url = "https://data.hexin.cn/market/hsgtApi/method/dayChart/"
    r = requests.get(url, headers=HSGT_HEADERS, timeout=10)
    d = r.json()
    times = d.get("time", [])
    hgt = d.get("hgt", [])
    sgt = d.get("sgt", [])

    n = len(times)
    return pd.DataFrame({
        "time": times,
        "hgt_yi": hgt[:n] + [None] * (n - len(hgt)),
        "sgt_yi": sgt[:n] + [None] * (n - len(sgt)),
    })

# === 自缓存辅助函数 ===

def _northbound_cache_path() -> Path:
    """北向资金本地 CSV 缓存路径"""
    p = Path.home() / ".tradingagents" / "cache" / "northbound_daily.csv"
    p.parent.mkdir(parents=True, exist_ok=True)
    return p

def _save_northbound_snapshot(date: str, hgt: , sgt: ):
    
    path = _northbound_cache_path()
    rows = {}
     path.exists():
         line  path.read_text().strip().split()[:]:
            parts = line.split()
             (parts) == :
                rows[parts[]] = line
    rows[date] = 
     (path, )  f:
        f.write()
         d  (rows.keys()):
            f.write(rows[d] + )

 () -> pd.DataFrame:
    
    path = _northbound_cache_path()
      path.exists():
         pd.DataFrame()
    df = pd.read_csv(path)
     df.tail(n)


df = hsgt_realtime()
()
(df.tail())


  df.empty:
    last = df.dropna().iloc[-]
    _save_northbound_snapshot(, last[], last[])


hist = _load_northbound_history()
(hist)

3.3 东财 slist — 个股所属板块/概念归属（V3.2.2 替换百度）

核心价值： 一次调用拿到个股所属的全部板块（行业 + 概念 + 地域混合），含板块代码（BK码）、当日涨跌幅、板块龙头股。题材归因、板块联动分析必备。

V3.2.2 替换说明： 百度 PAE getrelatedblock 接口已失效（实测返回 ResultCode 10003 + 空数组，#18），改用东财 slist 个股所属板块接口（spt=3，一次请求拿全，零鉴权）。东财把行业/概念/地域混在一个列表里返回，板块名本身已自解释（如「食品饮料」是行业、「贵州板块」是地域、「酿酒概念」是概念），AI 直接用板块名做题材归因即可。

def eastmoney_concept_blocks(code: str) -> dict:
    """
    个股所属板块/概念归属（东财 slist，一次请求拿全，已内置限流）。
    返回: {total, boards: [{name, code(BK码), change_pct, lead_stock}], concept_tags: [板块名...]}
    boards 混合 行业/概念/地域，板块名自解释；concept_tags 是所有板块名的便捷列表。
    """
    market_code = em_market_code(code)      # #46：不能用 startswith("6")，见 helper 注释
    params = {
        "fltt": "2", "invt": "2",
        "secid": f"{market_code}.{code}",
        "spt": "3", "pi": "0", "pz": "200", "po": "1",
        "fields": "f12,f14,f3,f128",
    }
    headers = {"User-Agent": UA, "Referer": "https://quote.eastmoney.com/"}
    try:
        r = em_get("https://push2.eastmoney.com/api/qt/slist/get",
                   params=params, headers=headers, timeout=15)
        d = r.json()
    except Exception as e:
        print(f"[WARN] 东财板块归属请求失败: {e}")
        return {"total": 0, "boards": [], "concept_tags": []}

    diff = (d.get("data") or {}).get("diff") or {}
    items = diff.values() if isinstance(diff, )  diff
    boards = []
     it  items:
        boards.append({
            : it.get(, ),         
            : it.get(, ),         
            : it.get(, ),    
            : it.get(, ),  
        })
     {
        : (boards),
        : boards,
        : [b[]  b  boards],
    }


blocks = eastmoney_concept_blocks()
()
(, blocks[])

注意： 东财不区分行业/概念/地域类型（混在一个列表返回）。如需精确分类可按板块名判断，或另查全市场板块清单（clist + m:90+t:1/2/3）——但后者每次需多发请求、大页易触发风控，不推荐在批量场景用。

3.4 东财 push2 — 个股资金流向（分钟级）

盘中实时分钟级资金流（主力/大单/中单/小单/超大单净流入）。

V3.1 替换说明： 百度 PAE fundflow 和 fundsortlist 接口已于 2026-05 下线（返回 null），改用东财 push2 资金流 API。日级资金流见 Layer 4.5 stock_fund_flow_120d()。

import requests

def eastmoney_fund_flow_minute(code: str) -> list[dict]:
    """
    个股资金流向（分钟级，当日盘中）。
    code: 6位股票代码
    返回: [{time, main_net, small_net, mid_net, large_net, super_net}, ...]
    单位: 元
    """
    # #46：secid 必须走 em_secid()。旧的 `startswith("6")` 会把沪市 ETF(51x)、
    # 科创 ETF(588x)、沪 B(900x) 错判成深市 → 接口返回 `data: null`。
    # ⚠️ 但要分清两件事：**路由修好 ≠ ETF 就有资金流**。2026-08-19 同批次实测，
    #    600519/300750 各返回 100 条，而 510300/588000 即便 secid 正确仍为 0 条 ——
    #    东财这个**个股**资金流接口本身不覆盖 ETF。ETF 资金流请另找端点。
    secid = em_secid(code)
    url = "https://push2.eastmoney.com/api/qt/stock/fflow/kline/get"
    params = {
        "secid": secid, "klt": 1,
        "fields1": "f1,f2,f3,f7",
        "fields2": "f51,f52,f53,f54,f55,f56,f57",
    }
    headers = {
        "User-Agent": UA,
        "Referer": "https://quote.eastmoney.com/",
        "Origin": "https://quote.eastmoney.com",
    }
    try:
        r = em_get(url, params=params, headers=headers, timeout=10)
        d = r.json()
    except Exception as e:
        print(f"[WARN] push2 资金流请求失败: {e}")
        return []

    rows = []
    # #46：接口对不存在/路由错误的 secid 返回 `"data": null`，
    # `.get("data", {})` 拿到的是 None 而非 {}，直接 .get() 会 AttributeError。
    for line in (d.get("data") or {}).get()  []:
        parts = line.split()
         (parts) >= :
            rows.append({
                : parts[],
                : (parts[]),
                : (parts[]),
                : (parts[]),
                : (parts[]),
                : (parts[]),
            })
     rows


realtime = eastmoney_fund_flow_minute()
 realtime:
    last = realtime[-]
    signal =   last[] >   
    ()
    
    total = (r[]  r  realtime)
    ()

注意： push2 资金流金额单位是元（非万元），使用时注意换算。klt=1 分钟级，klt=101 日级。

3.5 龙虎榜席位 — 个股上榜记录 + 买卖席位 TOP5 + 机构动向

直连东财 datacenter API，不依赖第三方封装。

import requests
from datetime import datetime, timedelta

def dragon_tiger_board(code: str, trade_date: str, look_back: int = 30) -> dict:
    """
    龙虎榜数据聚合。
    trade_date: YYYY-MM-DD
    look_back: 回看天数
    返回: {records: [...], seats: {buy: [...], sell: [...]}, institution: {...}}
    """
    start = datetime.strptime(trade_date, "%Y-%m-%d") - timedelta(days=look_back)
    start_str = start.strftime("%Y-%m-%d")

    # 1. 上榜记录
    records = []
    data = eastmoney_datacenter(
        "RPT_DAILYBILLBOARD_DETAILSNEW",
        filter_str=f"(TRADE_DATE>='{start_str}')(TRADE_DATE<='{trade_date}')(SECURITY_CODE=\"{code}\")",
        page_size=50,
        sort_columns="TRADE_DATE", sort_types="-1",
    )
    for row in data:
        records.append({
            "date": str(row.get("TRADE_DATE", ""))[:10],
            "reason": row.get("EXPLANATION", ""),
            "net_buy": round((row.get("BILLBOARD_NET_AMT") or 0) / 10000, 1),
            "turnover": round(float(row.get("TURNOVERRATE") or 0), ),
        })

    
    
    
    
    buy_data, sell_data = [], []
    seats = {: [], : []}
     records:
        latest_date = records[][]
        
        buy_data = eastmoney_datacenter(
            ,
            filter_str=,
            page_size=,
            sort_columns=, sort_types=,
        )
         row  buy_data[:]:
            seats[].append({
                : row.get(, ),
                : ((row.get()  ) / , ),
                : ((row.get()  ) / , ),
                : ((row.get()  ) / , ),
            })
        
        sell_data = eastmoney_datacenter(
            ,
            filter_str=,
            page_size=,
            sort_columns=, sort_types=,
        )
         row  sell_data[:]:
            seats[].append({
                : row.get(, ),
                : ((row.get()  ) / , ),
                : ((row.get()  ) / , ),
                : ((row.get()  ) / , ),
            })

    
    institution = {: , : , : }
     detail_data, side  [(buy_data, ), (sell_data, )]:
         row  detail_data:
             (row.get(, )) == :
                amt = (row.get()  )  side ==   (row.get()  )
                 side == :
                    institution[] += amt
                :
                    institution[] += amt
    institution[] = (institution[] / , )
    institution[] = (institution[] / , )
    institution[] = (institution[] - institution[], )

     {: records, : seats, : institution}


data = dragon_tiger_board(, )
()
 r  data[]:
    ()
 data[][]:
    ()
     s  data[][]:
        ()

ST 股注意： 5% 涨跌停更容易触发龙虎榜（"连续三日偏离值累计达12%"），科创板 20% 涨跌停则较少触发。

3.6 限售解禁日历 — 历史解禁 + 未来 90 天待解禁

from datetime import datetime, timedelta

def lockup_expiry(code: str, trade_date: str, forward_days: int = 90) -> dict:
    """
    限售解禁日历。
    返回: {history: [...], upcoming: [...]}
    """
    # 1. 历史解禁记录
    history_data = eastmoney_datacenter(
        "RPT_LIFT_STAGE",
        filter_str=f"(SECURITY_CODE=\"{code}\")",
        page_size=15,
        sort_columns="FREE_DATE", sort_types="-1",
    )
    history = []
    for row in history_data:
        history.append({
            "date": str(row.get("FREE_DATE", ""))[:10],
            "type": row.get("FREE_SHARES_TYPE", ""),        # 解禁类型(东财2026改列名, 旧LIMITED_STOCK_TYPE已废)
            "shares": row.get("FREE_SHARES", 0),             # 本次解禁股数(万股)
            "able_shares": row.get("ABLE_FREE_SHARES", 0),   # 实际可流通股数(万股, 更贴近真实抛压)
            "ratio": row.get("FREE_RATIO", 0),               # 占总股本比(小数, ×100 得百分比)
        })

    # 2. 未来待解禁
    end_date = datetime.strptime(trade_date, "%Y-%m-%d") + timedelta(days=forward_days)
    end_str = end_date.strftime("%Y-%m-%d")
    upcoming_data = eastmoney_datacenter(
        ,
        filter_str=,
        page_size=,
        sort_columns=, sort_types=,
    )
    upcoming = []
     row  upcoming_data:
        upcoming.append({
            : (row.get(, ))[:],
            : row.get(, ),        
            : row.get(, ),             
            : row.get(, ),   
            : row.get(, ),               
        })

     {: history, : upcoming}


data = lockup_expiry(, )
()
 h  data[][:]:
    ()
 data[]:
    ()
:
    ()

限售股类型参考：

• 首发原股东限售股份（IPO 后 1-3 年）
• 首发机构配售股份（IPO 战略配售）
• 定向增发机构配售股份（6-18 个月）
• 股权激励限售股份

3.7 行业板块排名（V3.0 改用东财 — 同花顺加了反爬401）

东财行业板块涨跌幅排名，一次调用看全市场行业轮动。

import requests

def industry_comparison(top_n: int = 20) -> dict:
    """
    全行业涨跌幅排名（东财行业板块，~100 个行业）。
    返回: {top: [...], bottom: [...], total: int}
    """
    url = "https://push2.eastmoney.com/api/qt/clist/get"
    params = {
        "pn": "1", "pz": "100", "po": "1", "np": "1",
        "fltt": "2", "invt": "2", "fid": "f3",   # fid=f3 + po=1：按涨跌幅降序（缺 fid 时 top/bottom 切片非按涨幅排）
        "fs": "m:90+t:2",
        "fields": "f2,f3,f4,f12,f13,f14,f104,f105,f128,f136,f140,f141,f207",
    }
    headers = {"User-Agent": UA}
    r = em_get(url, params=params, headers=headers, timeout=15)
    d = r.json()
    items = (d.get("data") or {}).get("diff") or []        # #46 同因
    if not items:
        return {"top": [], "bottom": [], "total": 0}

    rows = []
    for i, item in enumerate(items):
        rows.append({
            "rank": i + 1,
            "name": item.get(, ),
            : item.get(, ),
            : item.get(, ),
            : item.get(, ),
            : item.get(, ),
            : item.get(, ),
            : item.get(, ),
        })

     {
        : rows[:top_n],
        : rows[-top_n:],
        : (rows),
    }


data = industry_comparison()
()
()
 r  data[][:]:
    ()
()
 r  data[][-:]:
    ()

3.8 板块资金流向（行业/概念/地域 × 今日/5日/10日）

东财板块资金流向——主力净流入额/净占比 + 超大/大/中/小单四档，覆盖行业、概念、地域三类板块，今日/5日/10日三个周期。与 §3.7 板块排名同源同接口（push2 clist），只是补请求了资金流字段（f62/f184/f66...）。走 em_get 限流防封。

import requests

# 板块类型 → 东财 fs 参数
_BOARD_FS = {"industry": "m:90+t:2", "concept": "m:90+t:3", "region": "m:90+t:1"}
# 周期 → (排序fid, 主力净额, 主力净占比, 涨跌幅, 领涨股name)；四档明细仅今日
_BOARD_PERIOD = {
    "today": ("f62",  "f62",  "f184", "f3",   "f204"),
    "5d":    ("f164", "f164", "f165", "f109", "f257"),
    "10d":   ("f174", "f174", "f175", "f160", None),   # 10日领涨股名称字段不稳定，省略
}

def board_fund_flow(board_type: str = "industry", period: str = "today",
                    top_n: int = 20) -> dict:
    """
    板块资金流向排名（按主力净流入降序）。
    board_type: industry(行业) / concept(概念) / region(地域)
    period:     today(今日) / 5d(5日) / 10d(10日)
    返回: {board_type, period, total, rows:[{rank, name, code, change_pct,
           main_net(主力净额,元), main_pct(主力净占比,%), leader(领涨股),
           # 仅 today：super_large_net/large_net/medium_net/small_net(超大/大/中/小单净额,元)}]}
    注：板块级只有 今日/5日/10日（无 3日，个股级才有）。主力净额 = 超大单 + 大单。
    """
    if board_type not in _BOARD_FS:
        raise ValueError(f"board_type 须为 {list(_BOARD_FS)}")
     period   _BOARD_PERIOD:
         ValueError()
    fid, f_main, f_pct, f_chg, f_leader = _BOARD_PERIOD[period]

    fields = [, , f_chg, f_main, f_pct]
     f_leader:
        fields.append(f_leader)
     period == :
        fields += [, , , ]   

    url = 
    base = {
        : , : , : ,
        : , : , : fid,       
        : _BOARD_FS[board_type],
        : .join(.fromkeys(fields)),  
    }
    
    
    
     ():
        r = em_get(url, params={**base, : (pn)},
                   headers={: UA}, timeout=)
        d = r.json().get()  {}
         (d.get()  []), (d.get()  )

    _PAGE = 
    items, total = _page()
    pn = 
     (items) < top_n:
         total  (items) >= total:
                                  
        more, _ = _page(pn)
          more:
                                  
        items += more
        pn += 
         (more) < _PAGE:
                                  
    total = (total, (items))

    rows = []
     i, it  (items):
        row = {
            : i + ,
            : it.get(, ),
            : it.get(, ),
            : it.get(f_chg, ),
            : it.get(f_main, ),          
            : it.get(f_pct, ),           
            : it.get(f_leader, )  f_leader  ,
        }
         period == :
            row.update({
                : it.get(, ),
                :       it.get(, ),
                :      it.get(, ),
                :       it.get(, ),
            })
        rows.append(row)

     {: board_type, : period,
            : total, : rows[:top_n]}


d = board_fund_flow(, , )
()
 r  d[]:
    (
          )


concept_5d = board_fund_flow(, , )

region_10d = board_fund_flow(, , )

3.9 全市场龙虎榜

每日全市场龙虎榜汇总——当日所有触发龙虎榜的股票 + 上榜原因 + 买卖净额 + 换手率。

from datetime import datetime

def daily_dragon_tiger(trade_date: str = None, min_net_buy: float = None) -> dict:
    """
    全市场龙虎榜。
    trade_date: YYYY-MM-DD（默认当日）
    min_net_buy: 净买入下限（万元），None 不过滤
    返回: {date, total_records, stocks: [{code, name, reason, close, change_pct,
           net_buy_wan, buy_wan, sell_wan, turnover_pct}]}
    """
    if trade_date is None:
        trade_date = datetime.now().strftime("%Y-%m-%d")

    data = eastmoney_datacenter(
        "RPT_DAILYBILLBOARD_DETAILSNEW",
        filter_str=f"(TRADE_DATE>='{trade_date}')(TRADE_DATE<='{trade_date}')",
        page_size=500,
        sort_columns="BILLBOARD_NET_AMT", sort_types="-1",
    )
    if not data:
        return {"date": trade_date, "total_records": 0, "stocks": [],
                "note": "无数据（非交易日或盘后未更新）"}

    actual_date = str(data[0].get("TRADE_DATE", ""))[:10] if data else trade_date
    stocks = []
    for row in data:
        net_buy = (row.get("BILLBOARD_NET_AMT") or 0) / 10000
        if min_net_buy is    net_buy < min_net_buy:
            
        stocks.append({
            : row.get(, ),
            : row.get(, ),
            : row.get(, ),
            : row.get()  ,
            : ((row.get()  ), ),
            : (net_buy, ),
            : ((row.get()  ) / , ),
            : ((row.get()  ) / , ),
            : ((row.get()  ), ),
        })
     {: actual_date, : (stocks), : stocks}


data = daily_dragon_tiger()
()
 s  data[][:]:
    ()


data = daily_dragon_tiger(, min_net_buy=)
()

3.10 信号层组合用法：题材热度 + 资金验证

# 拉当日强势股 reason
df_hot = ths_hot_reason()

# 词频统计 reason 列里的题材关键词
from collections import Counter
all_tags = []
for r in df_hot["题材归因"].dropna():
    tags = [t.strip() for t in str(r).split("+") if t.strip()]
    all_tags.extend(tags)

cnt = Counter(all_tags)
print("当日 TOP 10 题材热度:")
for tag, n in cnt.most_common(10):
    print(f"  {tag}: {n} 只")

# 同时拉北向当日流向，看资金流方向是否对应题材
df_north = hsgt_realtime()
hgt_close = df_north["hgt_yi"].dropna().iloc[-1] if not df_north.empty else 0
sgt_close = df_north["sgt_yi"].dropna().iloc[-1] if not df_north.empty else 0
print(f"\n北向收盘累计: 沪股通 {hgt_close} 亿 / 深股通 {sgt_close} 亿")

# V3.0: 叠加行业对比，看哪些行业资金在流入
comp = industry_comparison(10)
print("\n行业涨幅 TOP 5:")
for r in comp["top"][:5]:
    print(f"  {r['name']}: {r[]}% 涨跌")

---

Layer 4: 资金面 / 筹码层（V3.0 新增）

4.1 融资融券明细

def margin_trading(code: str, page_size: int = 30) -> list[dict]:
    """
    融资融券明细（日级）。
    返回: [{date, rzye(融资余额), rzmre(融资买入), rqye(融券余额), ...}]
    """
    data = eastmoney_datacenter(
        "RPTA_WEB_RZRQ_GGMX",
        filter_str=f'(SCODE="{code}")',
        page_size=page_size,
        sort_columns="DATE", sort_types="-1",
    )
    rows = []
    for row in data:
        rows.append({
            "date": str(row.get("DATE", ""))[:10],
            "rzye": row.get("RZYE", 0),       # 融资余额(元)
            "rzmre": row.get("RZMRE", 0),      # 融资买入额
            "rzche": row.get("RZCHE", 0),      # 融资偿还额
            "rqye": row.get("RQYE", 0),        # 融券余额(元)
            "rqmcl": row.get("RQMCL", 0),      # 融券卖出量
            "rqchl": row.get("RQCHL", 0),      # 融券偿还量
            "rzrqye": row.get("RZRQYE", 0),    # 融资融券余额合计
        })
     rows


data = margin_trading()
 d  data[:]:
    ()

4.2 大宗交易

def block_trade(code: str, page_size: int = 20) -> list[dict]:
    """
    大宗交易记录。
    返回: [{date, price, vol, amount, buyer, seller, premium_pct}]
    """
    data = eastmoney_datacenter(
        "RPT_DATA_BLOCKTRADE",
        filter_str=f'(SECURITY_CODE="{code}")',
        page_size=page_size,
        sort_columns="TRADE_DATE", sort_types="-1",
    )
    rows = []
    for row in data:
        close = row.get("CLOSE_PRICE") or 0
        deal_price = row.get("DEAL_PRICE") or 0
        premium = ((deal_price / close - 1) * 100) if close else 0
        rows.append({
            "date": str(row.get("TRADE_DATE", ""))[:10],
            "price": deal_price,
            "close": close,
            "premium_pct": round(premium, 2),
            "vol": row.get("DEAL_VOLUME", 0),
            "amount": row.get("DEAL_AMT", 0),
            "buyer": row.get("BUYER_NAME", ""),
            "seller": row.get("SELLER_NAME", ),
        })
     rows


data = block_trade()
 d  data[:]:
    ()

4.3 股东户数变化

def holder_num_change(code: str, page_size: int = 10) -> list[dict]:
    """
    股东户数变化（季度级）。
    返回: [{date, holder_num, change_num, change_ratio, avg_shares}]
    """
    data = eastmoney_datacenter(
        "RPT_HOLDERNUMLATEST",
        filter_str=f'(SECURITY_CODE="{code}")',
        page_size=page_size,
        sort_columns="END_DATE", sort_types="-1",
    )
    rows = []
    for row in data:
        rows.append({
            "date": str(row.get("END_DATE", ""))[:10],
            "holder_num": row.get("HOLDER_NUM", 0),
            "change_num": row.get("HOLDER_NUM_CHANGE", 0),
            "change_ratio": row.get("HOLDER_NUM_RATIO", 0),  # 环比%
            "avg_shares": row.get("AVG_FREE_SHARES", 0),     # 户均持股
        })
    return rows

# 用法
data = holder_num_change("600519")
for d in data[:5]: