数据字典

QuantDB 涵盖 A 股量化研究所需的全部数据字段。以下按分类说明每个字段的含义、类型、单位和典型用法。

股票代码格式

QuantDB 统一使用 {6位数字}.{市场后缀} 格式：

复权类型说明

单位说明

1. 行情 K 线数据

日线数据包含三种复权类型（前复权、后复权、不复权），以及 1 分钟/5 分钟分时数据。

1.1 日线字段（daily_unadjusted / daily_forward / daily_backward）

用法示例

# 查询前复权日线
df = client.query_kline("600519.SH", adj_type="forward",
    start_date="2026-01-01", end_date="2026-07-22")

# 计算 20 日均线
df["ma20"] = df["close"].rolling(20).mean()

# 计算日收益率
df["return"] = df["close"].pct_change()

# 筛选涨停股（涨幅 >= 9.9%）
limit_up = df[df["close"] / df["close"].shift(1) - 1 >= 0.099]

1.2 分钟线字段（min1_kline / min5_kline）

分钟线字段与日线相同，但 trade_date 列包含具体时间（HH:MM:SS）。仅提供不复权数据，复权需自行用除权因子合成。

1.3 指数日线字段（index_daily）

指数行情数据，字段与个股日线类似。

2. Tick 分笔数据

逐笔成交明细，含五档买卖盘。文件名格式：{SYMBOL}_{YYYYMMDD}.parquet

用法示例

# 查询某日 Tick 数据
df = client.query_tick("000001.SZ", trade_date="2026-07-20")

# 计算买卖价差
df["spread"] = df["ask_price"].apply(lambda x: x[0]) - df["bid_price"].apply(lambda x: x[0])

# 计算大单（单笔成交 > 100 万元）
df["big_order"] = df["amount"].diff() > 1000000

3. 基础与板块数据

3.1 合约基础资料（instrument_detail）

3.2 板块成分（sector_concept）

3.3 指数成分权重（index_weights）

3.4 交易日历（trading_calendar）

3.5 融资融券（margin_trading）

4. 财务数据

财务数据来自 QMT，字段全部使用业务名（如 revenue, net_profit），无需对照表。

4.1 资产负债表（balance）

4.2 利润表（income）

4.3 现金流量表（cashflow）

4.4 股本表（capital）

4.5 每股指标（pershare_index）

4.6 除权复权因子（dividend_factors）

用法示例

# 读取财务数据
df = client.load_as_df("3", "balance", symbol="600519.SH")

# 计算资产负债率
df["debt_ratio"] = df["tot_liab"] / df["tot_assets"]

# 筛选高 ROE 股票
roe_df = client.load_as_df("3", "pershare_index", symbol="600519.SH")
high_roe = roe_df[roe_df["du_return_on_equity"] > 0.15]  # ROE > 15%

5. ETF / 可转债

5.1 ETF 申赎清单（etf_pcf）

5.2 ETF 成分股（etf_components）

5.3 可转债（convertible_bond）

6. 技术衍生指标

6.1 技术指标（technical_indicators）

基于前复权日线计算的技术指标，每只股票一个文件。

用法示例

# 读取技术指标
df = client.load_as_df("5", "technical_indicators", symbol="600519.SH")

# 金叉策略：MA5 上穿 MA20
df["golden_cross"] = (df["ma5"] > df["ma20"]) & (df["ma5"].shift(1) <= df["ma20"].shift(1))

# RSI 超卖策略
oversold = df[df["rsi_14"] < 30]

# MACD 金叉
df["macd_golden"] = (df["macd_dif"] > df["macd_dea"]) & (df["macd_dif"].shift(1) <= df["macd_dea"].shift(1))

6.2 盘口情绪（market_sentiment）

7. 估值指标

基于财务数据和行情数据预计算的估值指标，日线粒度。

用法示例

# 读取估值数据
df = client.load_as_df("5", "valuation", symbol="600519.SH")

# 筛选低估值股票
low_pe = df[df["pe_ttm"] < 20]

# 计算估值分位数
df["pe_percentile"] = df["pe_ttm"].rolling(252).apply(lambda x: x.rank(pct=True).iloc[-1])

# 高股息策略
high_dividend = df[df["dividend_rate"] > 0.03]  # 股息率 > 3%