A 股投研 Agent

主题

01 — 数据层 (Data Layer) ​

价格数据 + 基本面数据 + 数据质量保证 + 估值/估计

目标 (Goal) ​

为 A 股投研 Agent 提供一个可信、可追溯、可扩展的数据底座。无下单需求，重点在数据质量和分析友好性。

数据范围：

  • 行情/价格数据：日线、分钟线、复权、停牌、ST 状态
  • 基本面数据：财报三表、关键比率（P/E、P/B、ROE、ROIC 等）
  • 估值与一致预期 (Estimates)：卖方一致预期 EPS、目标价、评级分布
  • 元数据：行业分类（申万 / 中信）、指数成分、股本变动、分红送配

待研究的 Repos / 数据源 ​

一手数据源 (Primary Sources) ​

实时/行情类 ​

  • [ ] easyquotation — 多渠道实时行情
  • [ ] eltdx — 通达信本地数据读取
  • [ ] pytdx3 — 通达信协议 Python 客户端

落库/ETL 参考 ​

  • [ ] tdx2db — 通达信 → 数据库的 ETL 思路
  • [ ] tdx-local2 — 本地化方案

每个 repo 在评审时要回答的两个问题：

  1. 它用了什么 data source？ (Tushare / akshare / 通达信本地 / 爬虫 / 其他)
  2. 它怎么把数据流通到上层？ (内存 / SQLite / Parquet / Postgres / TS DB)

关键决策点 (Open Questions) ​

Q1. 主数据源选型 ​

  • A) Tushare 单源：质量高、统一、要钱；fundamental + estimates 都有
  • B) akshare 单源：免费、聚合多源，但稳定性、口径一致性需要验证
  • C) 混合：Tushare 做 fundamental 和 estimates，akshare/通达信本地做行情冗余
  • D) 本地通达信为主：免费、低延迟，但 fundamental 与 estimates 缺口大

→ 建议：方案 C。理由是 fundamental/estimates 必须高质量且口径一致（Tushare 强项），行情类多一个免费源做交叉验证。

Q2. 数据质量保证机制 ​

  • 复权口径（前复权 / 后复权 / 不复权）由谁定？落库存哪一种？
  • 如何检测财报修正、追溯调整？
  • 一致预期数据（EPS estimates）的来源时间戳怎么存？
  • 跨源对账：同一字段两个源不一致怎么办？

Q3. 数据层分多少层 (Scalable Layering) ​

建议至少分 4 层：

  1. Raw 层 — 原始抓取，按源分区，永不修改 (audit trail)
  2. Normalized 层 — 字段标准化、单位统一、复权口径统一
  3. Curated 层 — 跨源对账、修正后的 "truth"，给 Agent 用
  4. Feature 层 — 派生指标（ratios、滚动估值、行业分位数）

→ 需要确认这 4 层是否符合需求，或者要不要再分。

Q4. 存储介质 ​

  • 价格：Parquet (列存) + DuckDB？还是直接 Postgres + TimescaleDB？
  • 财报：关系型必选（关联多）
  • Estimates：时序属性强，建议 Timescale 或 Parquet by snapshot date

与上层的接口 (Interface to Agent Layer) ​

数据层对 Agent / Skill 暴露的应该是 schema 稳定的查询接口，不是裸 SQL：

  • get_price(code, start, end, adjust='qfq')
  • get_fundamentals(code, period, statement)
  • get_consensus(code, as_of_date)

理由：屏蔽底层数据源切换，Agent 不用知道是 Tushare 还是 akshare。

下一步 ​

  1. 用户挑 1-2 个最关心的 repo（建议 Tushare + tdx2db），我深度 fetch 分析
  2. 确认 Q1 主数据源选型
  3. 确认 Q3 分层方案
  4. 写正式的 design spec

Internal documentation

© 2026