A股数据湖

别再每次重拉、自己拼复权了。 一行命令把能按天自动更新的 A 股研究湖落到本地 Parquet——多源进同一契约，行级可溯源。

真数上手：pip install → asl demo，几分钟出可复权日线
日更能挂着跑：水位 / 失败重试 / 质量审计；作者自用每天自动跑
研究口径一次定好：复权 · universe · PIT；38 个注册数据集，日线可回溯到约 2001

CLI：asl · 包名：ashare_lake · 只做数据层（回测和信号留给下游）· 可选分钟线（1m / 5m，默认关）

30 秒拿到真数

需要能访问 TDX 行情主机（大陆出口更稳）。5 只流动性股票 × 约 30 个交易日；独立目录，不会变成全市场湖。demo 只落日线——下面表里的其它数据集要走自建湖。

pip install ashare-lake
asl demo
# 可选：asl demo --intraday   # 再看一根完整 1m 会话

asl demo：分阶段拉数并打印样例日线

from ashare_lake.query import load

bars = load("daily_bars", data_root="data/ashare-lake-demo", adjust="hfq")

asl query --config configs/ashare-lake.demo.toml --sql "
  SELECT symbol, trade_date, close, volume, source
  FROM daily_bars
  WHERE symbol = '600519.SH'
  ORDER BY trade_date DESC
  LIMIT 10
"

asl query：带 source 溯源列的日线

TDX 不通时先 asl servers test。也可 asl demo --symbols 600519.SH,000001.SZ --days 10。

macOS / Linux / Windows（PowerShell、cmd）命令通用；venv 与调度见 installation / runbook。

自建日更湖

首次 asl init 会回填（耗时长、占磁盘）；之后日常增量 + 读取。load() 默认读 cwd 下 configs/ashare-lake.toml 的 data.root。

默认不含分钟线。 asl init / asl run daily 只跑日频与基本面等主路径；1m / 5m 需显式开启（见下节）。

pip install ashare-lake
# macOS / Linux：
asl config init --data-root /Users/you/ashare-lake
# Windows：asl config init --data-root D:/ashare-lake
# macOS / Windows 默认 workers=1；Linux 示例模板为 8
asl init          # 建目录 + 首次回填
asl run daily     # 之后每个交易日（不含分钟线）
asl status

from ashare_lake.query import load

bars = load(
    "daily_bars",
    start="2020-01-01", end="2025-12-31",
    adjust="hfq",              # None | "qfq" | "hfq"
    universe="all_a",
)
roe = load("financial_statement_items", items=["roe"], as_of="2024-04-30")

Python load()：从本地 curated Parquet 读日线

asl query --sql "
  SELECT symbol, trade_date, adj_close
  FROM daily_bars_adj
  WHERE trade_date >= '2025-01-01'
"

demo 线：data/ashare-lake-demo/ + configs/ashare-lake.demo.toml（查数要带该 --config）。
日更线：asl config init 写出的 configs/ashare-lake.toml。两条线互不覆盖。

无 extras：pip install ashare-lake 装齐运行时数据源。全量回填后建议按回填验收再挂调度。

可选：分钟线（1m / 5m）

默认关闭，也不在 asl run daily 里——全市场 1m 约 35MB/日、8.4GB/年。TDX 约只留 95 个交易日的 1m、491 个交易日的 5m；更早窗口为空，无法靠回填拉长。磁盘与耗时见 runbook。

在 configs/ashare-lake.toml 里打开：

[minute_bars]
enabled = true
scope = "index:000300.SH"     # 或 watchlist / all
frequencies = ["1m", "5m"]    # 5m 是唯一有较长历史的频率

# 一次性种子（可续跑；--symbols 可只拉几只、不必改配置）
asl backfill minute_bars_5m --start 2024-08-01 --end 2026-07-31
asl backfill minute_bars --start 2026-05-01 --symbols 600519.SH,000001.SZ

# 日更：单独一组，不要塞进默认 daily
asl run daily --group intraday

from ashare_lake.query import load

m5 = load("minute_bars_5m", start="2026-07-01", symbols=["600519.SH"], adjust="hfq")

架构

ashare-lake 架构：数据源 → ASL Daily Pipeline → staging/curated/derived → load()/DuckDB/Polars

落盘布局（日更湖的 data.root 下）：

{data_root}/
  curated/   {dataset}/{partition}=v/part-*.parquet
  derived/   adj_factors/...
  staging/   本次 run 原始落地（compact 后可清理）
  meta/      manifest、quality findings、水位、on-demand 缓存
  duckdb/    ashare-lake.duckdb

有什么数据

下表覆盖注册表全部 38 个数据集（35 curated + 3 derived，与 domain/datasets.py 同步）。
英文名即 load() 的第一个参数；字段见 schema，编排与主源见 catalog。

类别	数据集（`load()` 名 · 中文）
基础参考	`instruments` 证券主数据 · `trading_calendar` 交易日历 · `trading_status` 交易状态（停复牌 / ST）
行情	`daily_bars` 日线（未复权） · `index_bars` 指数日线 · `minute_bars` 1 分钟线（可选） · `minute_bars_5m` 5 分钟线（可选） · `commodity_bars` 商品期货主连（可选） · `adj_factors` 复权因子（派生） · `delisting_events` 退市事件（派生）
公司事件	`corporate_actions` 公司行为（除权除息） · `announcement_index` 公告索引 · `earnings_disclosure_schedule` 业绩披露预约
基本面 / 估值	`financial_statement_items` 财务报表科目（PIT） · `valuation_metrics` 估值指标 · `analyst_consensus` 分析师一致预期
资金面	`fund_flow` 个股资金流 · `margin_trading` 融资融券 · `northbound_flows` 北向资金流向 · `northbound_holdings` 北向持股 · `dragon_tiger` 龙虎榜 · `block_trades` 大宗交易 · `institutional_holdings` 机构持股
结构 / 行业	`sector_members` 板块成分 · `index_constituents` 指数成分 · `industry_members` 行业分类成分 · `industry_index` 行业指数（派生）
宏观	`macro_indicators` 宏观指标 · `market_breadth` 市场宽度 · `economic_calendar` 经济日历（占位，源已下线）
舆情 / 轮动	`sentiment_scores` 情绪评分 · `hot_rank` 人气榜 · `sector_bars` 板块行情 · `sector_fund_flow` 板块资金流 · `news_headlines` 新闻标题 · `flash_news_wire` 7×24 快讯
风险	`share_unlock_schedule` 解禁日程 · `regulatory_events` 监管事件

另有 on-demand（不进 curated 主路径）：stock_news、research_reports 等，见 catalog。

定位：与同类差异

AkShare / efinance 解决「怎么拉数」；Tushare 解决「云端宽表」；Qlib / vn.py 解决「研究/交易平台」。
ashare-lake 专做中间层：多源进同一契约，落成可日更、可溯源、可审计的本地 Parquet 湖。详见 comparison。

你在意什么	ashare-lake	AkShare / efinance	Tushare Pro	Baostock	Qlib / vn.py
本地可续跑的数据底座	湖 + 日更编排（水位 / 重试 / audit）	只拉到内存，编排自管	云端积分，非自建湖	会话拉数，无湖	绑在平台数据子系统里
数据从哪来、能否复查	行级溯源 + 写前 schema 校验	通常无统一契约	平台字段	无湖契约	视模块
多源交叉核验	主源 curated + 备源 snapshot，可 diff，不静默顶替	单次单源调用	单平台	单源	视配置
研究口径是否稳定	`load()` 契约：复权组合 / universe / PIT `as_of`	自己拼	自己拼	自己拼	平台口径
源挂了会怎样	fail batch，暴露问题，可按批 retry	看调用方	看平台	看调用方	视模块
能否单独当研究数据底座	能（湖 + 日更 + `load()`）	否，还需自建落盘/编排	云端表，非自建湖	否，会话拉数	能，但绑平台

已知限制

幸存者偏差：退市股需 asl delisted backfill + repair；未补齐前收益序列要打折看
海外网络：部分 HTTP / 板块回填依赖大陆出口；行情 demo 需 TDX 可达
日内视野：TDX 约保留 95 个交易日的 1m、491 个交易日的 5m；更早窗口为空——见 catalog
年/月分区（如 index_bars）：优先 asl query / load()，避免 hive 分区标签撞真日期——见 lake-layout

更多见 runbook、排障、legal。

项目状态

个人项目：issue / PR 欢迎，响应尽力而为。贡献指南 · 安全策略。文档中文为主；CHANGELOG 与 ADR 为英文。

文档

完整索引：docs/README.md。常用入口：安装 · 快速开始 · 数据集目录 · Runbook · CLI。

许可

代码 MIT。落盘行情 / 公告仍受上游条款约束；仓库不附带数据湖，也不授予再分发权 legal。