data/
├── raw/                          # 原始数据
│   ├── a_stock_daily/           # A股日线行情数据（待下载）
│   │   ├── 2010/                # 按年分区
│   │   ├── 2011/
│   │   └── ...
│   ├── financial_reports/       # 财报数据（待下载）
│   ├── stock_info/              # 股票基础信息
│   └── data_sources/           # 数据源配置
├── processed/                    # 处理后数据
│   ├── a_stock_daily/           # 清洗后的日线数据
│   ├── financial_indicators/    # 财务指标计算数据
│   ├── stock_info/              # 标准化股票信息
│   └── quality_reports/         # 数据质量报告
└── running_data/                # 运行数据
    ├── update_logs/             # 更新日志
    └── config/                  # 运行配置

数据结构

基础信息数据字段

symbol: 股票代码
name: 股票名称
industry: 所属行业
market: 市场类型
list_date: 上市日期
total_market_cap: 总市值
circulating_market_cap: 流通市值

日线数据字段

date: 交易日期
open/high/low/close: 开高低收价格
volume: 成交量
amount: 成交额
adj_factor: 复权因子

🚀 使用说明

1. 数据访问

import pandas as pd

# 读取基础信息
basic_info = pd.read_csv("raw/stock_info/stock_basic_info_raw_*.csv")

# 读取日线数据（按年分区）
daily_2024 = pd.read_parquet("raw/a_stock_daily/2024/*.parquet")

2. 数据更新

# 运行日线数据下载
python3 scripts/data_acquisition/a_stock_daily_data.py

📊 数据质量

完整性检查

交易日连续性
价格数据完整性
成交量一致性

准确性验证

价格逻辑检查
数据格式统一
异常值检测

🔧 技术架构

数据采集

使用AKShare开源库
批量并行下载
自动错误重试

数据处理

Parquet列式存储
Snappy压缩
时间分区索引

数据维护: 赵云（数据工程将军） 最后更新: 2026-03-26 20:02:10