investment-data

核心用法

investment-data 是一款面向 A 股市场的专业数据获取工具，基于 chenditc/investment_data 开源项目构建。用户可通过 Python API 或命令行两种方式操作：Python 端提供 InvestmentData 客户端类，支持 get_stock_data()()、()、get_index_weights()()、()、get_limit_data()() 等方法进行精细化查询；命令行端则提供 query.py、、query_batch.py、、update_data.py 等脚本，便于批量处理和自动化集成。数据覆盖日终价格（开高低收、成交量额）、涨跌停状态、指数成分权重及前后复权价格，每日自动更新并通过多数据源交叉验证。

显著优点

数据质量可靠：采用 final、Tushare、AKShare、Yahoo 等多源优先级策略，自动修正异常值，包含退市公司历史数据，完整性优于单一数据源。格式兼容性强：原生支持 Qlib 量化框架格式，同时提供 CSV、JSON、Excel 等多种导出格式，降低与现有工作流整合成本。自动化程度高：内置定时更新机制，可通过 OpenClaw cron 配置每日 9:00 自动拉取最新数据，减少人工维护成本。存储与性能优化：约 5GB 的本地化存储设计，查询响应快，适合大规模回测场景。

潜在缺点与局限性

实时性不足：数据为 T+1 日终更新，无法满足高频交易或实时盯盘需求。网络依赖严格：首次下载及日常更新需稳定访问 GitHub API 和 DoltHub，国内网络环境可能需配置代理。可选功能受限：实时数据更新需自备 Tushare Token，免费版有调用频次限制。解压安全风险：使用 tarfile.extractall()() 解压数据文件，虽来源可信但仍存在路径遍历的理论风险。

适合的目标群体

量化研究员与策略开发者、金融数据分析师、高校金融工程师生、个人投资者中的技术派用户。尤其适合已使用 Qlib 框架或需要离线批量处理历史行情数据的场景。

使用风险

存储与性能：需预留 5GB 以上磁盘空间，大规模批量查询时注意内存占用。依赖稳定性：pandas、numpy 等核心库版本需满足最低要求，升级时可能产生兼容性冲突。数据合规性：A 股行情数据受监管约束，商用需确认授权范围，本工具仅提供技术获取能力。环境隔离建议：建议在独立虚拟环境或容器中运行，避免与生产系统共享 Python 环境。

核心功能与定位

investment-data 是一个面向 A 股市场的专业投资数据获取 Skill，基于开源项目 investment_data 构建。该工具提供覆盖沪深京三市的完整行情数据，包括日 K 线（开高低收、成交量额）、涨跌停状态、指数成分权重、前后复权价格等核心字段，数据经多源交叉验证并自动修正异常，每日通过 CI/CD 流程更新，确保研究级数据质量。

显著优势

• 数据完整性：包含退市公司历史数据，解决量化回测中的幸存者偏差问题
• 多格式兼容：原生支持 Qlib 量化框架格式，同时提供 CSV/JSON/Excel 导出
• 零门槛接入：Python API 设计简洁，get_stock_daily() 等接口一行调用；命令行工具支持批量查询与自动化脚本集成
• 灵活配置：可选 Tushare Token 实现实时增量更新，数据存储路径、自动更新时间均可自定义

潜在局限与风险

| 维度 | 说明 |

|------|------|

| 数据延迟 | T+1 更新机制，无法满足实时交易需求 |

| 存储成本 | 全量数据约需 5GB 磁盘空间 |

| 网络依赖 | 需稳定访问 GitHub/DoltHub，国内用户可能需配置代理 |

| 动态加载 | 从 GitHub Release 下载 tar.gz 数据包，存在供应链攻击风险（L1 动态代码加载） |

| 输入验证 | 当前版本股票代码、日期参数缺乏严格格式校验 |

适合人群

• 量化研究者：需高质量历史行情进行因子挖掘与策略回测
• 个人投资者：构建自研分析系统，替代昂贵商业数据终端
• 学术教育：金融工程、计量经济学课程的数据实验环境

常规风险提示

首次使用建议在隔离环境（Docker/虚拟机）中运行，验证下载数据包的 SHA256 完整性后再投入生产环境。TUSHARE_TOKEN 等敏感配置请通过环境变量注入，避免硬编码泄露。