QuantMind 2.0 数据中心

标准量化数据集下载

QuantDB —— 覆盖中国 A 股全市场的量化研究数据集，时间跨度 2016 年至今，涵盖沪深主板、创业板与科创板约 5500 只标的。以 Parquet 按交易日分区存储，包含三套日线行情、指数行情、财务数据、融资融券、技术指标、估值与盘口情绪指标，以及 L1/L2 因子库与因子宽表（最高 329 列）。

QuantDB 中国 A 股量化数据集
标准 Parquet 格式（约 60 GB / 7.4 万文件）· 2016 年至今 · 约 5500 只标的 · 支持 DuckDB、Pandas、Qlib 毫秒级极速读取
魔搭社区一键下载

规模与覆盖

维度 数值
时间范围 2016-01-04 至 2026-09-18（2604 个交易日）
标的范围 沪深 A 股（主板 / 创业板 / 科创板），约 5500 只
文件总数 约 74,000 个 Parquet 文件
数据总量 约 60 GB
存储格式 Apache Parquet（列式，含 footer 统计信息）

L2 高频因子与 L1+L2 宽表从 2018 年起覆盖（2116 个交易日）；融资融券数据按 T+1 披露（最新至 2026-09-17）。数据每月更新。

6 大标准量化数据层级

数据严格按量化投研工业标准进行 6 层解耦与结构化存储；行情、衍生指标与机器学习数据集按交易日分区（V2），财务与快照类为逐股文件（V1）。

quantdb 目录规范结构
quantdb/
├── 1_kline_data/                  # K 线行情（按日分区）
│   ├── daily_unadjusted/          #   不复权日线
│   ├── daily_forward/             #   前复权日线（等比前复权）
│   ├── daily_backward/            #   后复权日线（等比后复权）
│   └── index_daily/               #   指数日线（宽基/风格/行业/主题）
├── 2_base_sector/                 # 基础与板块
│   ├── margin_trading/            #   融资融券（按日分区）
│   ├── instrument_detail/         #   合约基础资料（单文件）
│   ├── sector_concept/            #   行业与概念板块成分（单文件）
│   ├── trading_calendar/          #   交易日历（单文件）
│   └── index_weights/             #   指数成分权重（单文件）
├── 3_financial_data/              # 财务数据（逐股文件）
│   ├── balance/                   #   资产负债表
│   ├── income/                    #   利润表
│   ├── cashflow/                  #   现金流量表
│   ├── capital/                   #   股本结构
│   ├── holder_num/                #   股东户数
│   ├── per_share/                 #   每股指标（TTM）
│   ├── pershare_index/            #   每股财务指标与比率
│   └── dividend_factors/          #   分红送配复权因子
├── 4_bond_etf/                    # 债券与 ETF
│   ├── convertible_bond/          #   可转债基础信息（单文件）
│   └── etf_pcf/                   #   ETF 申赎清单 PCF（单文件）
├── 5_technical_derived/           # 衍生指标（按日分区）
│   ├── technical_indicators/      #   技术指标（MA/RSI/KDJ/MACD/波动率等）
│   ├── valuation/                 #   估值指标（PE/PB/PS/市值/股息率）
│   └── market_sentiment/          #   盘口情绪与流动性指标
└── 6_ml_datasets/                 # 机器学习数据集（按日分区）
    ├── features_daily/            #   日线特征宽表（78 列）
    ├── l1_factors/                #   L1 日频因子（119 列）
    ├── l2_factors/                #   L2 高频因子（219 列）
    └── l1_l2_factors/             #   L1+L2 因子合并宽表（329 列）

按日分区示例：daily_unadjusted/dt=20260918/data.parquet；逐股文件示例：3_financial_data/income/600519.SH.parquet（数据集内代码为后缀式）。

数据层级明细说明

目录名称 数据模块 文件格式 时间范围 应用场景
1_kline_data 不复权 / 前复权 / 后复权日线、指数日线 Parquet 2016 年至今 量化回测、技术分析、指数跟踪
2_base_sector 融资融券、合约资料、行业概念、交易日历、指数权重 Parquet / JSON 全历史 股票池筛选、行业中性化、基准对齐
3_financial_data 三大报表、股本、股东户数、每股指标、分红因子 Parquet 按报告期 基本面选股、价值投资、复权计算
4_bond_etf 可转债基础信息、ETF PCF 申赎清单 Parquet 全历史 ETF 套利、可转债轮动与固收+ 策略
5_technical_derived 技术指标、估值、盘口情绪与流动性 Parquet 2016 年至今 择时信号生成、估值分析、短线情绪跟踪
6_ml_datasets L1 / L2 因子与 L1+L2 宽表（最高 329 列） Parquet 2016 年至今（L2 / 宽表 2018 年起） AI 模型训练、Alpha 因子挖掘、Qlib 回测

字段与单位约定

全数据集统一单位口径，价格类字段均为人民币元：

字段类别 单位 说明
open / high / low / close 元 不复权为原始价；前复权锚定最新日，后复权锚定首日
volume 股 成交量（指数同样为股，非手）
amount 万元 成交额
total_capital / circulating_capital / free_float_shares 股 总股本 / 流通股本
total_mv / float_mv 元 总市值 / 流通市值
财务表金额 / 每股字段 元 · 元/股 利润表、资产负债表等金额类字段
margin_trading finance_* / slo_* 万元 · 股 融资余额等金额为万元，融券余量等为股
l2_factors / l1_l2_factors 的 flow 金额列 万元 flow 净流入及四档净流入

复权口径：daily_forward 为等比前复权（以最新交易日收盘定标），daily_backward 为等比后复权（锚定窗口首日）；技术指标基于后复权序列计算，估值与情绪指标基于不复权真实价计算。注意 technical_indicators 中的 future_return_Nd 为未来 N 日收益，是 ML 标签而非特征。

数据加载与使用示例

1. 获取数据并放置到标准目录

推荐：魔搭社区一键同步初始化数据（ModelScope 数据集）：部署后到【管理后台】→【数据管理】点击【初始化数据】即可一键拉取全量历史行情与预计算因子，支持文件级断点续传（预计 1–3 小时），数据集见 魔搭社区，无需手动下载放置。

2. 使用 Pandas / DuckDB 极速读取

python
import pandas as pd
import duckdb

# 读取某交易日全市场不复权日线（按日分区）
kline = pd.read_parquet("data/quantdb/1_kline_data/daily_unadjusted/dt=20260918/data.parquet")
print(kline.tail())

# 读取某交易日 L2 高频因子
l2 = pd.read_parquet("data/quantdb/6_ml_datasets/l2_factors/dt=20260918/data.parquet")

# 读取单只股票财务数据（逐股 V1 文件，代码为后缀式）
income = pd.read_parquet("data/quantdb/3_financial_data/income/600519.SH.parquet")

# DuckDB 秒级查询某交易日 L1+L2 因子宽表（最高 329 列）
con = duckdb.connect()
df = con.execute("""
    SELECT symbol, close, mom_ret_5d, vol_std_20
    FROM 'data/quantdb/6_ml_datasets/l1_l2_factors/dt=20260918/data.parquet'
    ORDER BY mom_ret_5d DESC
    LIMIT 20
""").df()
print(df)

数据更新与维护

  • 数据集更新：魔搭 ModelScope 数据集每月更新，附 releases/manifest.json 发布清单，记录每次发布的数据对象与版本，便于审计与增量同步。
  • 在线增量：部署 QuantMind 服务的用户支持每日盘后自动同步当天最新行情与预计算因子；亦可到【管理后台】→【数据管理】→【初始化数据】一键全量拉取（支持断点续传）。
  • 数据来源：行情与基础数据来自通达信客户端盘后数据；L2 高频因子由逐笔成交 / 委托原始数据计算；财务数据按报告期披露，融资融券按 T+1 披露。
  • 代码口径：Parquet 数据集内股票代码为后缀式（如 600519.SH）；平台 API / 数据库 / 前端为前缀式（如 SH600519），两层之间由 StockCodeUtil 显式转换。
  • 免责声明：数据仅供量化研究与学习使用，不构成任何投资建议；原始行情数据版权归交易所及数据服务商所有，请遵守相关授权条款，勿将数据用于商业再分发。