Vibe-Trading 打板数据实战一天跑通 kpl_list 从 Token 配置到全历史回补【免费下载链接】Vibe-TradingVibe-Trading: Your Personal Trading Agent项目地址: https://gitcode.com/GitHub_Trending/vi/Vibe-Trading做短线打板数据量化研究时行情库解决不了的问题其实是当天谁封板、几点封的、封单多大、属于什么题材这类带时间戳的榜单快照。Vibe-Trading 项目把 Tushare 的 kpl_list 接口接进了自己的数据技能体系开盘啦每日涨停、跌停、炸板、自然涨停、竞价五类榜单都能按日稳定拉取直接落成可复用的抓取与因子脚本。读完本篇你能从零完成一次完整的开盘啦数据接入配置 Token、跑通单日快照、遍历五个榜单维度并回补出覆盖全历史的连板梯队与题材归因数据集。榜单数据能回答的三个研究问题短线复盘的每日工作可以压缩成三个问题而 kpl_list 一次调用就给出了三者的数据底座当日主线在哪——按theme板块字段对榜单分组看涨停集中在哪些题材高度梯队长什么样——status字段直接标注首板/2连板/3连板按高度排序即得当日晋级结构封板质量如何——lu_time、open_time、last_time、ld_time四个时间字段加封单字段能还原个股当天的封板—开板—回封全过程。 动手前先明确两个使用前提该接口数据次日早上 8:30 才入库它适合次日盘前复盘与信号刷新不适合盘中实时盯盘。⚠️ 数据来自专业打板 App 开盘啦文档明确限定仅用于量化研究商业用途需自行联系数据源官方。按场景取字段时间线与资金强度两组核心拼法每条榜单记录携带 24 个字段逐个背没有意义按研究场景拆分后只剩四组高价值组合。时间线还原把一天拆成封板—开板—回封lu_time是首次涨停时点open_time是开板时点last_time是最后回封时点ld_time则对应跌停场景。一只股票如果全天封死open_time会是空值首次涨停越早、开板次数越少信号通常越强。标记这两个状态只需两行布尔逻辑df[broke_board] df.open_time.notna() df[resealed] df.open_time.notna() df.last_time.notna()输出两列标识前者代表盘中炸过板后者代表炸板后成功回封可直接作为封板质量因子的一阶输入。资金强度画像用封单与主力净额给封板打分limit_order是收盘封单金额lu_limit_order是当日最大封单net_change是主力净额单位元amount为全天成交额free_float给出实际流通盘。封单相对成交额的比例越高板越扎实主力净额为负而封单偏大的组合则要警惕封单撑场面、资金不接力。两条派生列可以这样构造df[seal_ratio] df.limit_order / df.amount df[money_ok] (df.net_change 0) (df.limit_order 0)前者衡量封单厚度后者过滤出真金白银样本均可直接进因子库。题材归因与竞价温度计主线识别和盘前预判题材归因theme 与 lu_desc 支撑主线识别theme是开盘啦归类的板块如锂矿、盐湖提锂lu_desc是该股涨停的原因摘要二者是板块轮动归因的一手素材。按板块统计上榜家数与最高连板高度当日主线和板块内龙头基本一眼可见top_theme (df.groupby(theme) .ts_code.nunique() .sort_values(ascendingFalse))输出为板块上榜家数排名头部两三个板块通常就是当日主线方向。竞价情绪温度计三个字段组合的盘前用法bid_pct_chg竞价涨幅、bid_turnover竞价换手、bid_amount竞价成交额刻画集合竞价阶段的热度再叠加bid_change竞价净额判断高开是资金真抢筹还是情绪脉冲。由于竞价数据随次日 8:30 的榜单一并入库用它复盘昨日竞价强度 → 今日实际表现的传导关系是典型的盘前研究场景。给竞价热度打一个综合分df[bid_heat] (df.bid_pct_chg.rank() df.bid_turnover.rank() df.bid_amount.rank()) / 3输出是按竞价热度排序的当日榜单开盘前最抢手的那批标的会被排在最前。接入前置条件Token、额度与限频一张表在 Vibe-Trading 里Tushare 是 A 股数据链路的默认数据源之一Token 以环境变量TUSHARE_TOKEN声明定义位置见 agent/src/config/env_schema.py设置后数据访问层会自动读取。仓库自带示例脚本 stock_data_example.py 展示了标准初始化方式——优先取项目配置里的 Token取不到再回退到 Tushare 本地缓存import os import tushare as ts pro ts.pro_api(os.getenv(TUSHARE_TOKEN) or ts.get_token())运行后即可得到一个可用的pro实例后续所有榜单调用都经它发出返回统一为 pandas DataFrame日期参数用YYYYMMDD格式代码用ts_code格式如000762.SZ。积分与限频约束决定脚本形态一张表列清约束项数值对脚本的含义单次返回上限8000 条单日全市场榜单通常远低于此按日拉取天然够用历史数据模式按trade_date循环多年回补必须逐日遍历没有批量捷径5000 积分档200 次/分钟1 万次/天调用间加 sleep并控制单日总量8000 积分及以上500 次/分钟总量不限仍建议限速防止账号异常被风控输入参数中唯一需要理解语义的是tag五个取值互斥涨停默认收盘封住涨停跌停收盘封住跌停炸板盘中触及涨停但收盘未封住自然涨停剔除一字板后的换手涨停竞价集合竞价阶段表现异动。从最小可运行到全历史回补四级递进调用Vibe-Trading 将 Tushare 作为 A 股数据链路的标准接入层榜单接口既可独立成脚本也可作为 Agent 研究流程中的数据技能被调用技能入口见 agent/src/skills/tushare/。下面按四级递进拆解 Tushare kpl_list 调用的完整路径。起步两步最小可运行 单日快照第一次调用只验证链路取单日涨停榜并用fields裁剪返回列df pro.kpl_list(trade_date20240927, tag涨停, fieldsts_code,name,trade_date,tag,theme,status)输出为 2024-09-27 全天涨停榜节选如下ts_code name trade_date tag theme status 0 000762.SZ 西藏矿业 20240927 涨停 锂矿、盐湖提锂 首板 1 300399.SZ 天利科技 20240927 涨停 互联网金融、金融概念 首板 ... 129 000069.SZ 华侨城 20240927 涨停 房地产、地产链 2连板从截面就能读出当日主线集中在锂矿、互联网金融、地产链方向且只有少数个股晋级 2 连板。扩到全量分维度遍历与涨停榜单历史回补五个tag是互斥视图循环一次即可拿到当日完整多空全景for tag in [涨停, 炸板, 跌停, 自然涨停, 竞价]: df pro.kpl_list(trade_date20240927, tagtag) df.to_csv(fkpl_20240927_{tag}.csv, indexFalse)本地落盘 5 个 CSV每个视图一份便于下游分别加工。真正的重点是涨停榜单历史回补逐日遍历交易日历把限速、失败跳过、断点续传都写进循环体import time import os import pandas as pd def fetch_kpl_history(pro, trade_dates, tag涨停, sleep0.3): frames [] for d in trade_dates: path fkpl_{d}_{tag}.csv if os.path.exists(path): # 断点续传已完成的日期直接跳过 continue try: df pro.kpl_list(trade_dated, tagtag) df.to_csv(path, indexFalse) frames.append(df) except Exception as e: print(f{d} 拉取失败: {e}) # 记录后跳过重跑自动补 time.sleep(sleep) # 限速避免触及分钟级限额 return pd.concat(frames, ignore_indexTrue)trade_dates可由 交易日历trade_cal接口生成保证只命中真实交易日。运行后你会得到一份多年榜单合并的 DataFrame外加按日落盘的 CSV 序列——中断后重跑无需重新拉取已完成日期断点续传让全历史回补可以放心挂后台跑。进阶组合与避坑从榜单到打板研究全链路研究问题到接口组合的映射kpl_list 只是打板专题数据族的枢纽agent/src/skills/tushare/ 的 references 目录下收录了全部接口的可检索文档按研究问题选组合你想回答的问题推荐接口板块上榜家数、题材内部分层kpl_list kpl_concept_cons每日连板高度梯队与晋级率kpl_liststatus limit_step涨跌停家数、封单金额、炸板统计kpl_list limit_list_d哪些游资席位参与封板hm_list hm_detail机构席位买卖明细top_list top_inst踩坑清单现象、根因与正确做法踩坑现象根因正确做法盘中拉取当日榜单为空或不完整数据次日 8:30 才入库✅ 复盘脚本统一安排在次日 8:30 之后触发自然涨停混入涨停口径家数对不上五个 tag 取值互斥且口径严格脚本中固定 tag 常量混算时单独记录口径全历史回补中途报限频错误5000 积分档每分钟仅 200 次调用间插入 sleep按日拆分并断点续传因子数值量级差出几个数量级金额类字段单位是元比率类字段是百分比入库前统一换算单位并在数据字典中记录口径某日行数异常偏少极端行情逼近单次 8000 条上限用 limit_list_d 的当日行数交叉核对完整性想核对 24 个输入输出字段的完整定义入口在技能目录内的 榜单数据(开盘啦).md.md)它同时是 Agent 加载这份数据时的文档来源与本文的调用路径一一对应。【免费下载链接】Vibe-TradingVibe-Trading: Your Personal Trading Agent项目地址: https://gitcode.com/GitHub_Trending/vi/Vibe-Trading创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考