CNEquity

快速开始 · 数据集目录 · 研究 Recipes · 接入 AI Agent

CNEquity 开源、免注册、自托管。它不负责给出交易信号，而是把分散在不同来源、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，并且说明每一行从哪里来、何时采到、截至哪一天可用。

为什么要一个数据湖

发出一次 API 请求通常不是最费事的部分。真正困难的是长期保持研究口径一致：

• 多源一致性：字段、代码体系、更新节奏和可回补范围并不相同；
• 历史可复现：每次研究都现场拉取，结果会随上游变化而漂移；
• Universe 完整性：用今天的股票名单回看过去，会自动删掉后来退市的股票；
• PIT 语义：财报、公告和估值必须按当时实际可获得的日期查询；
• 复权与交易状态：如果每个研究脚本各自处理，口径很快就会分叉。

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。

与 AkShare、Tushare、Qlib 有什么不同

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。

更完整的逐项比较见项目对比。

30 秒试玩

需要 Python 3.10+，无需 token、积分或账号：

pip install cnequity
cne demo

cne 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 doctor                 # 环境体检：不需要配置，也不需要网络
cne sources probe --only tdx_protocol --config configs/cnequity.demo.toml

完全无法连接 TDX 时，运行 cne demo --sample，可离线验证安装、Parquet 落盘和查询链路。合成行全部标记为 source=mock，不可用于研究。

能力一览

全部本地运行，不需要注册、token 或积分。

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.SH

数据运维页面

建好湖之后，日常要确认的是覆盖有没有跟上、哪里断了、上次审计留下了什么。cne serve 打开只读控制台：

cne serve                 # http://127.0.0.1:8787

_{示意截图，图中标有 ILLUSTRATIVE DEMO；完整覆盖热力不是对当前生产湖的声明。}

概览页给出健康状态、Fresh / Stale 计数、覆盖热力和行动项。另外三个页面分别看数据集契约与水位、跑批时间线，以及审计 findings、跨源比对和隔离区。控制台不写湖：采集、重试和清理仍走 CLI，页面只显示该复制的命令。非回环地址必须加 --token。

能回答哪些问题

常用查询：

from cnequity.query import load