CNEquity

CNEquity · 中国市场金融数据湖

打破数据垄断，构建属于每个人的本地金融数据集

CNEquity 将 A股股票行情、财务数据、期货合约、公司事件和资金面等多源数据整理为本地 Parquet 数据湖，提供增量采集、失败续跑、质量审计与统一查询。适合量化研究与反复回测、长期积累历史股票数据，为个人研究者和 AI Agent 提供一套完整的本地金融数据方案。

English · 完整文档 · 数据集目录 · 更新日志

cne serve 控制台真实录屏。

快速开始

需要 Python 3.10+（macOS / Linux / Windows），不需要账号或 token。命令行和控制台支持中英文，默认跟随系统语言，export CNE_LANG=zh_CN 可固定为中文。

① 一分钟试用。 用真实数据源抓 5 只股票最近 30 个交易日，建在独立目录里，不影响以后的正式湖：

pip install cnequity
cne init --profile demo   # 约 1 分钟；结束时打印行情表、查询示例和接给 AI 的命令
cne serve --config configs/cnequity.demo.toml   # 在浏览器里打开上面的控制台

② 让 AI 直接查 A 股。 把湖以只读方式接给 Claude、ChatGPT、Codex、Gemini CLI、Cursor、VS Code 等支持 MCP 的客户端（--config 用绝对路径）。以 Claude Code 为例：

claude mcp add cnequity -- cne mcp --config /abs/path/to/configs/cnequity.demo.toml

各家客户端的写法见 MCP 接入指南；ChatGPT 只接公网网址，用 cne mcp --http --token 加隧道接入。然后直接问：「宁德时代最近 30 个交易日的最高收盘价是哪天？」

③ 建正式湖。 沪深京全市场、最近 3 年：

cne init     # 第一次可能需要几个小时；中途断了再运行一次即可续跑，已下载的部分不会重来
             # 开跑前几秒内做网络预检；公司行为等非关键步骤出错不会中断建湖，结束时列出未完成的步骤
cne check    # 检查数据是否完整、可用

from cnequity.query import load

bars = load("daily_bars", symbols=["600519.SH"])
print(bars.tail())

之后每天运行一次 cne run daily 保持更新。想要更长的历史，或了解 init 具体做了什么，见初始化指南。

数据范围

当前开发树注册 55 个数据集：47 个 curated + 8 个 derived，按用途分为 L0–L9。完整字段、主键、历史起点和来源集中在数据集目录与数据源说明。

分钟线、分笔和期货/期权默认关闭；按需启用后仍须检查来源的历史视野与实际覆盖。

展开注册表的主备来源速查（实际路由与历史限制见数据集目录）

登记主备源是数据集元数据；日更 tip、历史回填和显式修复可能走不同路径。请结合来源说明使用。

为什么值得把数据管起来

• 少写重复的数据工程。 代码、字段、分区和增量窗口由数据层管理；中断后保留成功批次，按失败范围续跑。22 条源探针路由帮助诊断可达性（高成本端点需显式选择）。
• 把研究口径说清楚。 原始价与复权因子分开存；历史股票池保留退市身份；财报查询区分严格 PIT 与事后重建。
• 结果有来源，也有版本。 行级 source、data_version、fetched_at 配合不可变数据版本与研究快照，支持复查和重现。
• 数据留在自己手里。 开放的 Parquet 文件，通过 Python、DuckDB、Polars、控制台和只读 MCP 消费。

幸存者偏差：今天的名单不能代替历史股票池

同一等权买入持有策略、同一时间窗口，仅按今天仍在交易的股票回看过去，会漏掉后来退市的标的。下图用历史样本展示两种股票池得到的结果差异：

历史样本仅用于说明股票池口径；图中收益和标的数量不代表当前湖覆盖或未来投资表现。退市股按最后一根可用行情计价，因子及退市覆盖限制见股票池画像。

CNEquity 在数据层保留退市身份，并让复权、历史成分和 PIT 口径进入查询契约，避免下游研究在无意中丢掉这些标的。

能用它研究什么

架构

数据经适配器与批次编排进入 staging，校验后发布为 curated 或 derived 数据；质量审计、Python/SQL 查询、控制台和 MCP 围绕已发布数据工作。图示用于说明职责边界，具体来源协议与启用状态以数据流说明和数据集目录为准。

初始化之后：每日更新

cne run daily

cne schedule install 为当前用户安装定时任务（macOS / Linux / Windows），每个交易日跑这一条，之后跑 cne run maintain 做审计、门禁和元数据备份；也可以自己用系统调度器每天（含周末）运行它：交易日跑行情及其他已启用的日更组，然后更新公告、监管事件和资讯；非交易日只更新事件流。也可以在 cne serve 的操作页完成：打开日更、补抓或回填就能看到将执行的命令，点「启动」即运行；同一页还能为当前用户安装定时日更和收尾补抓，不必复制仓库脚本。验收用 cne check，有缺口或质量 error 时返回非零。

升级版本时：

pip install -U cnequity
cne config upgrade
cne migrate        # 预览旧版本数据还需的一次性修正；确认后加 --apply

cne init 写出的配置继承内置默认值（extends = "builtin"），新版本的调度 step 升级后直接生效，cne config upgrade 只会报告无事可做；旧版本写出的完整配置由它补上新 step（原文件自动备份），或用 cne config upgrade --minimize 一次性改成继承默认值。

继续阅读：初始化、范围与续跑 → 日常运维。

Python、SQL 和 AI agent 共用一份数据

已建立含复权因子的正式湖后：

from cnequity.query import load

bars = load(
    "daily_bars",
    symbols=["600519.SH"],
    start="2024-01-01",
    end="2024-12-31",
    adjust="hfq",
    strict_adj=True,
)
print(bars.select("trade_date", "close", "adj_close", "adj_is_exact"))

cne query --sql "SELECT symbol, max(trade_date) AS last_date FROM daily_bars GROUP BY symbol LIMIT 10"
cne mcp --config /abs/path/to/cnequity.toml

load() 提供复权、PIT 和股票池语义；scan() 提供原始 LazyFrame。MCP 默认只读本地湖，提供描述、代码解析、行情、财报、通用数据集和 SQL 六类工具。客户端配置见 MCP 指南，查询边界见 Python API。

适合与边界

适合持续积累历史、反复查询、检查研究口径和自托管数据的工作。若只需偶尔取一个最新报价，直接调用取数接口通常更轻；已有研究或交易平台也可以把 CNEquity 放在数据层，见选型说明；和 AKShare、Tushare 的区别与配合见对比说明。

• 当前处于 0.x 迭代阶段。本仓库文档对应当前实现，PyPI 稳定版可能落后；升级前核对 cne --version 和更新日志。
• 公共来源的网络可达性、历史深度和发布节奏会变化。基础采集无需 token，部分补充来源需要自备凭证；安装不代表获得所有上游权限。
• fresh 表示新鲜度，不能单独证明历史完整或研究有效。严格 PIT 可能返回空结果，历史股票池可能因证据不足拒绝读取。
• 项目提供数据基础设施，不含回测引擎、交易信号或下单功能。代码采用 Apache-2.0，数据另受上游许可约束，仓库不附带数据湖。

文档与参与

欢迎提交带最小复现的 Issue、文档修正或数据适配 PR。研究引用见 CITATION.cff；安全问题请按安全策略私下报告。

觉得有用？点一个 Star，或把项目分享给同样在维护 A 股数据的人。