CNEquity

CNEquity（中国市场金融数据湖）旨在构建个人可自主持有的本地金融数据集，打破金融数据获取壁垒。项目将股票行情、期货合约、财报、公司事件、资金流等多源金融数据清洗整理为本地Parquet数据湖，自带增量采集、失败续跑、数据质量审计、统一查询能力，适合量化回测、长期历史数据积累，面向个人研究者与AI智能体提供完整本地金融数据方案。

环境与基础特性

运行依赖 Python 3.10+，跨平台支持 macOS / Linux / Windows，无需账号、无需token。命令行与控制台支持中英文，默认跟随系统语言，通过环境变量export CNE_LANG=zh_CN可固定中文界面。

快速上手流程

1. 一分钟演示环境（demo）

pip install cnequity
cne init --profile demo
cne serve --config configs/cnequity.demo.toml

自动拉取5只股票近30个交易日数据，生成独立演示数据湖，启动Web控制台，不干扰正式数据湖。

2. 接入AI Agent（MCP协议）
   将本地数据湖以只读模式接入Claude Code、ChatGPT、Gemini CLI、Cursor、VS Code等支持MCP的客户端。
   Claude Code示例：

claude mcp add cnequity -- cne mcp --config /绝对路径/configs/cnequity.demo.toml

接入完成后可直接用自然语言提问，例如：“宁德时代最近30个交易日的最高收盘价是哪天？”。ChatGPT仅支持公网访问，可搭配cne mcp --http --token加内网隧道使用。

3. 搭建正式全市场数据湖

cne init
cne check

一次性构建沪深京全市场近3年数据集，首次初始化耗时较长，支持断点续跑，已下载数据不会重复拉取；非关键步骤报错不会中断整体建湖流程，结束后列出未完成项。

# Python查询示例
from cnequity.query import load
bars = load("daily_bars", symbols=["600519.SH"])
print(bars.tail())

日常维护：每日执行cne run daily增量更新数据。

数据集分层（L0~L9，共55个数据集，47个整理数据集+8个衍生数据集）

• L0 基础参考：证券主数据、交易日历、交易状态
• L1 行情：日线、指数、复权因子，可选分钟线/分笔、退市事件
• L2 公司事件：公司行为、公告索引、业绩披露预约
• L3 基本面：财报、估值、股本、股东、一致预期
• L4 资金面：北向资金、两融、龙虎榜、大宗交易、资金流向
• L5 结构：行业指数成分、板块成分
• L6 宏观：宏观指标、市场宽度
• L7 舆情与轮动：新闻快讯、市场情绪、板块资金与人气
• L8 风险合规：解禁计划、监管事件
• L9 衍生品：期货期权合约、合约行情、连续合约、Greeks、分钟线

分钟线、分笔、期货期权数据集默认不开启，手动启用后需要自行核对数据源的历史覆盖范围。