A股量化分析工具箱

解决的问题

金融研究里最烦的不是模型，而是数据链路：A股行情、财务、宏观、公告事件分散在不同接口，港股、期货、期权、债券又各有口径；回答“最新值”时还容易把历史数字、财年季度、跨时区交易时点混在一起。A股量化分析工具箱 把这些问题约束成一套路由规范：先判断请求属于取数、方法论还是报告输出，再按数据域选择首选实现，避免同一指标多头拉取、来源打架。

核心能力与关键步骤

• A股数据引擎：围绕 bin/quant.py 处理实时行情、K线、量化筛选、fundamentals、资金流、龙虎榜、板块热度等 A股核心链路。
• 多市场数据层：通过 bin/cn/equity.py、bin/cn/futures.py、bin/cn/options.py、bin/cn/macro.py、bin/cn/research.py 覆盖港股、期货、期权、宏观和业绩预告、解禁、增减持、回购、分红、IPO 等事件数据。
• 研报工作流：在 references/research-workflows/ 中提供年报阅读、可比公司、深度报告、业绩快评、调研纪要、行业研究、晨会纪要、研报摘要等模板，先取数再按章节产出。
• 研究与输出约束：强调检索优先于记忆，关键数据必须带来源和时点；涉及买卖建议时固定附加免责声明；复杂分析优先匹配对应 methodology reference，并使用 scripts/ 中现成技术信号、量化策略和投行校验工具。

适用边界

这套技能更偏向金融数据取数、研究框架和报告组织，不是实时交易下单系统。部分备用数据源需要用户确认启用；不同数据源之间可能存在口径差异，输出时应显式标注来源、统计周期和截止时间。