ml-resources/LightGBM_Alpha300

Mirror of qusong0627/LightGBM_Alpha300 from ModelScope. All credit to the original authors. Not an official release from them. License unchanged (apache-2.0).

QuantDB 中国 A 股量化数据集

数据集主页：https://www.modelscope.cn/datasets/qusong0627/LightGBM_Alpha300

数据集简介

QuantDB 是一份覆盖中国 A 股全市场的量化研究数据集，时间跨度 2016 年至今，涵盖沪深主板、创业板与科创板约 5500 只标的。数据以 Parquet 格式按交易日分区存储，包含不复权/前复权/后复权三套日线行情、指数行情、财务数据、融资融券、技术指标、估值与盘口情绪指标，以及 L1/L2 因子库和因子宽表（最高 329 列），覆盖换手率、动量、波动率、微观结构、资金流等十余类量化特征，可直接用于多因子模型训练与策略研究。数据本仓库每周末更新，单位口径统一（成交量=股、成交额=万元、价格=元），并附完整字段说明，便于快速上手。

规模与覆盖

维度	数值
时间范围	2016-01-04 至 2026-09-30（2611 个交易日）
标的范围	沪深 A 股（主板 / 创业板 / 科创板），约 5500 只
文件总数	约 74,000 个 Parquet 文件
数据总量	约 56 GB
存储格式	Apache Parquet（列式，含 footer 统计信息）

L2 高频因子与 L1+L2 宽表从 2018 年起覆盖（2123 个交易日）；融资融券数据按 T+1 披露（最新至 2026-09-29）。

目录结构

quantdb/
├── 1_kline_data/                  # K 线行情（V2 按日分区）
│   ├── daily_unadjusted/          #   不复权日线
│   ├── daily_forward/             #   前复权日线（等比前复权）
│   ├── daily_backward/            #   后复权日线（等比后复权）
│   └── index_daily/               #   指数日线（宽基/风格/行业/主题）
├── 2_base_sector/                 # 基础与板块
│   ├── margin_trading/            #   融资融券（V2 按日分区）
│   ├── instrument_detail/         #   合约基础资料（单文件）
│   ├── sector_concept/            #   行业与概念板块成分（单文件）
│   ├── trading_calendar/          #   交易日历（单文件）
│   └── index_weights/             #   指数成分权重（单文件）
├── 3_financial_data/              # 财务数据（V1 逐股文件）
│   ├── balance/                   #   资产负债表
│   ├── income/                    #   利润表
│   ├── cashflow/                  #   现金流量表
│   ├── capital/                   #   股本结构
│   ├── holder_num/                #   股东户数
│   ├── per_share/                 #   每股指标（TTM）
│   ├── pershare_index/            #   每股财务指标与比率
│   └── dividend_factors/          #   分红送配复权因子
├── 4_bond_etf/                    # 债券与 ETF
│   ├── convertible_bond/          #   可转债基础信息（单文件）
│   └── etf_pcf/                   #   ETF 申赎清单 PCF（单文件）
├── 5_technical_derived/           # 衍生指标（V2 按日分区）
│   ├── technical_indicators/      #   技术指标（MA/RSI/KDJ/MACD/波动率等）
│   ├── valuation/                 #   估值指标（PE/PB/PS/市值/股息率）
│   └── market_sentiment/          #   盘口情绪与流动性指标
└── 6_ml_datasets/                 # 机器学习数据集（V2 按日分区）
    ├── features_daily/            #   日线特征宽表（78 列）
    ├── l1_factors/                #   L1 日频因子（119 列）
    ├── l2_factors/                #   L2 高频因子（219 列）
    └── l1_l2_factors/             #   L1+L2 因子合并宽表（329 列）

目录格式说明

V2 按日分区（1_kline_data、5_technical_derived、6_ml_datasets 及 margin_trading）：按交易日组织，每个交易日一个分区目录，分区内为全市场当日数据。

daily_unadjusted/dt=20260930/data.parquet

读取方式（pandas）：

import pandas as pd

df = pd.read_parquet("1_kline_data/daily_unadjusted/dt=20260930/data.parquet")
# 列: symbol, time, open, high, low, close, volume, amount

V1 逐股文件（3_financial_data、快照类单文件）：每只标的一个文件，文件名为 {Symbol}.parquet，内含该标的全部历史（财务数据按报告期，复权因子按除权除息事件）。

字段与单位约定

全数据集统一使用以下单位口径，价格类字段均为人民币元：

字段类别	单位	说明
open / high / low / close	元	不复权为原始价；前复权锚定最新日；后复权锚定首日
volume	股	成交量（指数同样为股，非手）
amount	万元	成交额
total_capital / circulating_capital / free_float_shares	股	总股本 / 流通股本
total_mv / float_mv	元	总市值 / 流通市值
财务表金额字段	元	利润表、资产负债表等金额类字段
财务表每股字段	元/股	每股收益、每股净资产等
margin_trading finance_* 字段	万元	融资余额、融资买入、融资偿还、融资净买入
margin_trading slo_* 字段	股	融券余量、融券卖出、融券偿还、融券净卖出
l2_factors / l1_l2_factors 的 flow 金额列	万元	flow_net/buy/sell_amount 及四档净流入
其余 flow_*、ratio、pct、imbalance 等	无量纲比率	不涉及单位换算

复权口径：daily_forward 为等比前复权（以最新交易日收盘定标，历史恒为正）；daily_backward 为等比后复权（锚定窗口首日，新除权事件不使历史漂移）。技术指标基于后复权序列计算，估值与情绪指标基于不复权真实价计算。

主要数据集字段

K 线（daily_unadjusted / daily_forward / daily_backward / index_daily）

symbol, time, open, high, low, close, volume, amount（index_daily 另含 Category 分类标签）。

融资融券（margin_trading）

symbol, time, finance_balance, slo_volume, finance_buy, slo_sell_volume, finance_repay, slo_repay, finance_net, slo_net

字段间满足恒等式 finance_net = finance_buy - finance_repay、slo_sell_volume = slo_net + slo_repay（可用于数据校验）。

技术指标（technical_indicators）

symbol, time, close 及均线（ma5/10/20/60、ma_gap_*）、RSI、KDJ、MACD、波动率（vol_std_、vol_atr_14）、量能（vol_to_ma、volume_ma_3、amount_ma_5）、收益（future_return_1d~60d、pct_change）、beta_20 等 35 列。

注意：future_return_Nd 为未来 N 日收益，是 ML 标签而非特征；表内其余字段均为历史（过去）口径，可直接作为特征。

估值指标（valuation）

symbol, time, close 与 total_capital, circulating_capital, total_mv, float_mv, net_profit_ttm, revenue_ttm, equity, annual_net_profit, pe_ttm, pe_static, pb, ps_ttm, dividend_rate 共 16 列。

盘口情绪（market_sentiment）

symbol, time, close 与 price_range, upper_shadow, lower_shadow, body_ratio, amount_per_trade, liquidity_score, intraday_vol, gap_up_down, buy_pressure, sell_pressure, momentum_1d/3d, am_pm_trend, volume_concentration 共 17 列。amount_per_trade 单位为元/股（即当日隐含均价）。

财务数据（3_financial_data）

• balance：75 列，资产负债表项目（货币资金、应收、存货、固定资产、总资产、总负债、所有者权益等）
• income：41 列，利润表项目（营业收入、营业成本、各项费用、净利润等）
• cashflow：68 列，现金流量表项目
• capital：10 列，股本结构（总股本、流通股本、限售股本、B/H 股股本）
• holder_num：38 列，股东户数与股东结构
• per_share：10 列，TTM 每股指标（每股收益、每股营收、每股经营现金流等）
• pershare_index：99 列，每股财务指标与盈利能力/成长性比率
• dividend_factors：7 列（time, type, interest, allotPrice, stockBonus, allotment, Symbol），每 10 股口径的分红送配记录，用于复权因子合成

公共列：m_timetag（报告期）、m_anntime（公告日）、m_quarter（季度）、Symbol。

L1 因子（l1_factors，119 列）

symbol, date + 后复权 OHLCV + 110 个日频因子，覆盖换手率、成交额、动量、波动率、技术指标、财务估值、筹码分布、风格、行业、概念等类别，因子名以类别前缀组织（turn_*、amt_*、mom_*、vol_*、tech_*、fun_*、chip_*、style_*、ind_*、concept_*）。

L2 因子（l2_factors，219 列）

symbol, date + 后复权 OHLCV + 211 个高频因子，基于日内逐笔成交与逐笔委托数据计算，覆盖：

• micro_*：微观结构（买卖价差、有效价差、VPIN、订单不平衡、深度、价格冲击等）
• flow_*：资金流（净流入/买入/卖出金额及比率、大中小单结构、撤单率、订单流毒性等）
• vol_*：已实现波动率（RV/RRV/偏度/峰度、日内各时段分解、跳跃等）

L1+L2 宽表（l1_l2_factors，329 列）

symbol, date + 后复权 OHLCV + 110 个 L1 因子 + 211 个 L2 因子，按 (symbol, date) 内连接，OHLCV 取 L1 侧。适合直接用于多因子模型训练，date 与 L2 分区一一对应（2018 年起）。

使用示例

import pandas as pd

# 读取某交易日全市场日线
kline = pd.read_parquet("1_kline_data/daily_unadjusted/dt=20260930/data.parquet")

# 读取某交易日 L2 因子
l2 = pd.read_parquet("6_ml_datasets/l2_factors/dt=20260930/data.parquet")

# 读取单只股票财务数据（逐股 V1 文件）
income = pd.read_parquet("3_financial_data/income/600519.SH.parquet")

# 拼接多交易日 L1 因子
import glob
frames = [pd.read_parquet(p) for p in sorted(glob.glob("6_ml_datasets/l1_factors/dt=*/data.parquet"))]
all_l1 = pd.concat(frames, ignore_index=True)

数据来源与更新

• K 线行情（不复权/前复权/后复权、指数）来自授权券商提供的行情数据；
• 财务指标、股本结构、融资融券等基础数据来自公开披露数据（上市公司公告、交易所披露）；
• 技术指标、估值与盘口情绪及 L1/L2 因子库，基于 K 线（L1 行情）与 L2 高频行情（逐笔成交/委托） 计算。
• 日线、衍生指标与因子库按交易日更新；财务数据按报告期披露更新（最新至 2026 年中报）；融资融券 T+1 披露。
• releases/ 目录包含历史发布清单（manifest.json），记录每次发布的数据对象与版本，可用于审计与增量同步。

许可与免责

数据仅供量化研究与学习使用，不构成任何投资建议。原始行情数据版权归交易所及数据服务商所有，请遵守相关授权条款，勿将数据用于商业再分发。使用者应自行核验数据准确性，本数据集不对因数据错误或遗漏造成的损失承担责任。

历史数据不保证 100% 准确，可能存在缺失、错漏或口径差异。如发现问题，欢迎通过 qusong0627@live.cn 反馈，我们核实后会尽快修复。