hello245m/free-stockdb

原文摘要

面向 A 股日K、分钟K与ETF分钟数据的本地量化引擎，集成增量同步、本地缓存、复权、批量查询、回测与指标计算。 [07-27]经过众多用户几个月测试，bug已基本消除，即将提供mac和linux版本！ free-stockdb 本地量化数据引擎 面向 A 股日K、分钟K与 ETF 分钟、tick级数据的本地量化引擎。free-stockdb 将数据同步、清洗、复权、组织为可直接用于批量查询、批量计算研究的数据底座。 ❤️双击更新 -> 双击启动 -> 直接调用。 下载地址1 数据本地落盘，研究不再依赖远程接口。 本地优先 增量同步 数据支持(按需) 本地指标计算 五种调用方式 数据在用户磁盘 只处理变化数据 日/周/月/1/5/15/30分钟/tick 39 种指标、5 种指数 Python / HTTP / Excel / HTML / MCP flowchart TB A["数据更新：同步、清洗、复权、增量"] --> B["free-stockdb 本地数据与计算引擎"] B --> C["Python SDK"] B --> D["HTTP API"] B --> E["Excel / WPS"] B --> F["HTML 网页"] B --> G["AI MCP"] 同步后的查询、计算、回测和接口都使用本机数据，不与远程请求链路耦合。 为什么需要本地数据引擎 全市场批量回测的瓶颈不是策略代码，而是数据工程。以全市场 7000+ 股票分钟线回测为例，远程 API 方案的真实工作量： 环节 在线 API 方案的真实耗时 free-stockdb 数据下载 全市场分钟数据逐股请求，受限频/积分/IP 风控约束，实测需要 3-5 天 ；爬虫方案批量拉取封号/限频 通过 sync_url.txt 配置数据源，Zstd 压缩传输，增量同步，断点续传 数据清洗 处理停牌、退市、代码变更、缺失补拉、时间排序， 1-2 天 同步流程自动完成 复权处理 获取分红送转数据、推算复权因子、历史回刷， 1-2 天 内置完整复权因子，查询时写时计算 存储设计 选型数据库、设计表结构、建索引、批量入库、优化查询， 1-3 天 定制 C++ 时序引擎，开箱即用 指标计算 编写 MA/MACD/KDJ 等公式、pandas 全市场遍历极慢（单次数小时）， 2-3 天 内置 39 指标 + 5 指数，Rust 计算核心比 pandas 快 3 倍， 数秒完成 板块映射 爬取概念/行业数据、构建双向索引、持续维护， 1-2 天 内置申万一二三级 + 1200 概念板块， bk.get() 毫秒查询 接口对接 Python/HTTP/Excel/AI 各自对接维护， 1-2 天 五种调用方式统一内置 合计 最少 10-15 个工作日才能跑通第一个全市场策略 30 分钟内从零到可运行…