# ashare-data

A股数据抓取工具，股票列表、交易日历使用 AKShare，日线行情使用 BaoStock，其余部分按功能分别使用通达信本地缓存或 AKShare，保存到 MySQL 数据库。

## 功能概览

| 数据类型 | 说明 | 数据来源 |
|---------|------|---------|
| 股票列表 | 沪深A股代码、名称、上市日期 | AKShare |
| 交易日历 | 1990年至今的交易日列表 | AKShare |
| 日线行情 | 开高低收、成交量/额、振幅、涨跌幅、换手率（前复权，限沪深 A 股） | BaoStock 日线接口 |
| 新浪1分钟数据 | 最近 1 分钟K线（开高低收、成交量/额） | AKShare 新浪接口 |
| 指数日线 | 上证/沪深300/中证500/中证1000/科创50/深证成指/创业板指/中小板指 | 通达信本地缓存 |
| 涨跌停统计 | 每日主板（10%）/ 科创创业板（20%）涨跌停数量 | stock_daily 汇总 |
| 概念板块 | 通达信本地概念板块缓存 | 通达信本地缓存 |

**初始化说明**：首次运行 `--stock-info` / `--trading-day` 时会自动从 AKShare 拉取并写入数据库；`--daily` 现在改为 BaoStock 日线接口，只写 `stock_daily`；`--daily-no-data-only` 仅更新 `stock_no_data`；`--sector` / `--index` / `--intraday` 仍按通达信本地缓存工作，不再依赖 `hsjday.zip` 这类旧的日线初始化包。

## 快速开始

### 1. 环境要求

- Python >= 3.10
- MySQL >= 8.0

### 2. 安装依赖

```bash
pip install pymysql sqlalchemy pyyaml pandas requests baostock akshare
```

> 说明：当前只需要 `pymysql`、`sqlalchemy`、`pyyaml`、`pandas`、`requests`、`baostock` 等基础依赖。
> 如需使用 `--sina-min1` 命令，还需要 `akshare`。
> 通达信分钟缓存刷新已自动按最多 100 只股票一批拆分。注意通达信客户端原生只支持刷新 `1m/5m` 本地缓存。

> 仅 `--sector` / `--index` / `--intraday` 等命令需要通达信本地目录，默认读取 `config.yaml` 里的 `tdx.dir`。

### 3. 配置数据库

> ⚠️ **安全提示**：`config.yaml` 包含数据库密码，**必须**保留在 `.gitignore` 中（本仓库已默认忽略）。请勿在提交前删除此规则。如曾不慎提交真实密码，参见 [TODO.md](./TODO.md) "清理 git 历史中的明文密码"。

复制配置文件并修改 MySQL 连接信息：

```bash
cp config.example.yaml config.yaml
```

编辑 `config.yaml`：

```yaml
mysql:
  host: "localhost"
  port: 3306
  user: "root"
  password: "your_password"
  database: "ashare"
  charset: "utf8mb4"

fetch:
  delay: 0.1    # 请求间隔(秒)
  retry: 2      # 失败重试次数
  workers: 1    # 并发线程数

tdx:
  dir: "C:\\new_tdx64"  # 通达信安装目录
```

确保 MySQL 中已创建对应数据库：

```sql
CREATE DATABASE ashare CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;
```

### 4. 运行

```bash
# 1. 先抓取股票列表（数据来源: AKShare）
python -m src.main --stock-info

# 2. 抓取交易日历（数据来源: AKShare）
python -m src.main --trading-day --start-date 20100101 --end-date 20261231

# 3. 抓取全历史日线行情（数据来源: BaoStock 日线接口，限沪深 A 股）
python -m src.main --daily --start-date 20260521  --end-date 20260521

# 4. 日常增量更新日线（数据来源: BaoStock 日线接口，限沪深 A 股；只写 stock_daily）
python -m src.main --daily

# 4.1 仅更新停牌/无数据记录，不写 stock_daily（数据来源: BaoStock 日线接口，限沪深 A 股）
python -m src.main --daily-no-data-only --start-date 20100101 --end-date 20260517

# 5. 下载新浪 1 分钟数据并写入 stock_min1（数据来源: AKShare 新浪接口，默认 2010 至今）
python -m src.main --sina-min1

# 6. 下载新浪 1 分钟数据并指定区间（数据来源: AKShare 新浪接口）
python -m src.main --sina-min1  --start-date 20260501 --end-date 20260517  --symbol 600519

# 7. 抓取概念板块及成分股（数据来源: 通达信本地缓存）
python -m src.main --sector

# 8. 汇总每日涨跌停统计（数据来源: stock_daily 汇总）
python -m src.main --market-daily
```

### 5. 命令行参数说明

```
数据抓取选项:
  --stock-info       抓取A股股票列表（数据来源: AKShare）
  --trading-day      抓取交易日历（数据来源: AKShare）
  --daily            抓取日线行情（数据来源: BaoStock 日线接口；限沪深 A 股；增量，自动分析数据缺口，已完整自动跳过；只写入 stock_daily，不更新 stock_no_data）
  --daily-no-data-only 仅更新 stock_no_data（数据来源: BaoStock 日线接口；限沪深 A 股；不写入 stock_daily）
  --sina-min1        抓取新浪 1 分钟数据并写入 stock_min1（数据来源: AKShare 新浪接口；默认全市场、默认 2010 至今，可配合 --symbol / --start-date / --end-date）
  --sector           抓取概念板块及成分股（数据来源: 通达信本地缓存；增量，本地板块已齐全时跳过）
  --market-daily     汇总每日涨跌停统计（数据来源: stock_daily 聚合）
  --symbol           指定单只或多个股票代码，逗号分隔；不传则抓取全市场，供 --sina-min1 使用

日期过滤（对日线行情、交易日历、新浪1分钟生效；新浪1分钟默认 2010 至今）:
  --start-date       开始日期，格式 YYYYMMDD
  --end-date         结束日期，格式 YYYYMMDD
```

## 数据库表结构

### stock_info — 股票基本信息

| 字段 | 类型 | 说明 |
|------|------|------|
| code | VARCHAR(10) PK | 股票代码 |
| name | VARCHAR(50) | 股票名称 |
| ipo_date | DATE | 上市日期 |

### stock_daily — 日线行情（前复权）

| 字段 | 类型 | 说明 |
|------|------|------|
| code | VARCHAR(10) | 股票代码 |
| date | DATE | 交易日期 |
| open | FLOAT NOT NULL | 开盘价 |
| close | FLOAT NOT NULL | 收盘价 |
| high | FLOAT NOT NULL | 最高价 |
| low | FLOAT NOT NULL | 最低价 |
| volume | FLOAT NOT NULL | 成交量 |
| turnover | FLOAT NOT NULL | 成交额 |
| amplitude | FLOAT NOT NULL | 振幅% |
| pct_change | FLOAT NOT NULL | 涨跌幅% |
| change | FLOAT NOT NULL | 涨跌额 |
| turnover_rate | FLOAT NOT NULL | 换手率% |

联合主键：`(code, date)`

### trading_day — 交易日历（AKShare）

| 字段 | 类型 | 说明 |
|------|------|------|
| date | DATE UQ | 交易日期 |

### stock_no_data — 停牌/无数据记录

| 字段 | 类型 | 说明 |
|------|------|------|
| code | VARCHAR(10) | 股票代码 |
| date | DATE | 停牌/无数据日期 |

联合主键：`(code, date)`

### stock_min5 — 分钟K线

| 字段 | 类型 | 说明 |
|------|------|------|
| code | VARCHAR(10) | 股票代码 |
| datetime | DATETIME | 时间 |
| open | FLOAT | 开盘价 |
| high | FLOAT | 最高价 |
| low | FLOAT | 最低价 |
| close | FLOAT | 收盘价 |
| volume | FLOAT | 成交量 |
| amount | FLOAT | 成交额 |

联合主键：`(code, datetime)`

### stock_min1 — 1分钟K线

| 字段 | 类型 | 说明 |
|------|------|------|
| code | VARCHAR(10) | 股票代码 |
| datetime | DATETIME | 时间 |
| open | FLOAT | 开盘价 |
| high | FLOAT | 最高价 |
| low | FLOAT | 最低价 |
| close | FLOAT | 收盘价 |
| volume | FLOAT | 成交量 |
| amount | FLOAT | 成交额 |

联合主键：`(code, datetime)`

### stock_concept — 概念板块及成分股

| 字段 | 类型 | 说明 |
|------|------|------|
| code | VARCHAR(10) | 股票代码 |
| concept_code | VARCHAR(20) | 概念板块代码 |
| concept_name | VARCHAR(100) | 概念板块名称 |

联合主键：`(code, concept_code)`

### index_daily — 指数日线行情

| 字段 | 类型 | 说明 |
|------|------|------|
| code | VARCHAR(10) | 指数代码 |
| date | DATE | 交易日期 |
| open | FLOAT | 开盘价 |
| high | FLOAT | 最高价 |
| low | FLOAT | 最低价 |
| close | FLOAT | 收盘价 |
| volume | FLOAT | 成交量 |
| amount | FLOAT | 成交额 |
| pct_change | FLOAT | 涨跌幅% |

联合主键：`(code, date)`

### market_daily — 每日涨跌停统计

| 字段 | 类型 | 说明 |
|------|------|------|
| date | DATE PK | 交易日期 |
| limit_up_10 | INT | 涨停数（10% 主板） |
| limit_up_20 | INT | 涨停数（20% 科创板/创业板） |
| limit_down_10 | INT | 跌停数（10% 主板） |
| limit_down_20 | INT | 跌停数（20% 科创板/创业板） |

> 阈值：涨停 `pct_change >= 9.8`（主板）或 `>= 19.5`（20% 板块）；跌停反向。当前可通过 `python -m src.main --market-daily` 运行 `src/fetchers/market_daily.py` 提供的 `fetch_market_daily()`。

## 项目结构

```
ashare-data/
├── config.yaml             # MySQL 连接配置（.gitignore）
├── config.example.yaml     # 配置文件模板
├── pyproject.toml          # 项目元数据
├── requirements.txt        # 运行依赖
├── README.md               # 项目说明（当前文档）
├── TODO.md                 # 已知问题与待办事项
├── src/
│   ├── __init__.py
│   ├── config.py           # 配置读取模块（YAML + 环境变量 ASHARE_CONFIG）
│   ├── log.py              # 统一 logging（控制台 + logs/ashare.log 按日滚动）
│   ├── db.py               # SQLAlchemy 模型 + 批量 upsert
│   ├── main.py             # 命令行入口
│   └── fetchers/
│       ├── __init__.py
│       ├── stock_list.py   # 股票列表（AKShare）
│       ├── trading_day.py  # 交易日历（AKShare）
│       ├── daily.py        # 日线行情（BaoStock）
│       ├── index.py        # 主要指数日线
│       ├── market_daily.py # 每日涨跌停统计（从 stock_daily 聚合）
│       ├── sina_minute.py   # 新浪 1 分钟数据（AKShare）
│       └── sector.py       # 概念板块及成分股（通达信本地）
├── tests/                  # pytest 测试（66 个用例，纯函数 + mock）
├── benchmarks/             # 并发度压测脚本（不在 CI 跑，需真实 MySQL+外网）
└── gzl/                    # 选股脚本（独立子项目，可选）
    ├── Selector.py
    └── select_stock.py
```

## 设计说明

- **数据源分工**：股票列表、交易日历使用 AKShare；日线行情使用 BaoStock；概念板块、指数日线、分钟线等仍按功能读取通达信本地缓存；新浪 1 分钟数据使用 AKShare 新浪接口。
- **线程安全**：通达信本地客户端调用集中在 `src/fetchers/tdx_client.py`。
- **去重写入**：所有表通过 `db.batch_upsert()` 走 MySQL `INSERT ON DUPLICATE KEY UPDATE`，重复执行不会产生重复数据。
- **全量增量**：所有模块均支持增量更新——日线按交易日对比找缺口，概念板块在本地已齐全时跳过；新浪 1 分钟数据支持按日期过滤后落库。
- **停牌识别**：日线行情若两端已覆盖、内部仍有缺口，则视为停牌，不再重抓。
- **表结构初始化**：`init_db()` 只负责建表。
- **进程内缓存**：`get_stock_codes()` / `get_ipo_dates()` 缓存全量股票代码与上市日期，避免重复扫库。
- **日志**：所有代码通过 `from src.log import get_logger` 输出；控制台 + `logs/ashare.log`（按日滚动，保留 7 天）双输出，通过 `ASHARE_LOG_LEVEL=DEBUG` 切换级别。

## 运行测试

```bash
pip install pytest          # 或 pip install -e ".[dev]"
pytest -v
```

- 当前 66 个用例全部通过，覆盖：
- `daily._ak_hist_to_rows` / `daily._fill_derived_fields`
- `daily._fetch_one_stock` BaoStock 日线读取
- `daily.fetch_daily` BaoStock 日线抓取与落库
- `intraday._tdx_market_data_to_rows` / `intraday.fetch_intraday` 通达信分钟抓取
- `market_daily._is_20pct` 主板/创业板/科创板/北交所判定
- `tdx_blocks.load_infoharbor_blocks` 通达信本地板块缓存解析
- `sector._fetch_concept_list` / `sector._fetch_concept_stocks` 通达信本地概念板块解析
- `sector.fetch_sector` 概念板块增量跳过逻辑
- `src.log.get_logger` 命名空间、handler 幂等、env 控制 level

## 性能压测

```bash
python -m benchmarks.bench_daily --codes 200 --days 30 --workers 1,2,4,8
```

会依次以指定的并发档位跑一遍真实抓取并输出 speedup 表，用于确定 `fetch.workers` 的最优档位。详见 [benchmarks/README.md](./benchmarks/README.md)。

## 选股子项目 `gzl/`

`gzl/` 目录是独立的选股策略原型（依赖 `scipy` + 本地 CSV，不读 MySQL）。当前与主项目 `src/` 解耦，**不参与** `python -m src.main` 的任何流程。后续是否合并到 `src/strategies/` 见 [TODO.md](./TODO.md)。