--- title: LightGBM_Alpha300 canonical_url: "https://www.modelscope.cn/datasets/qusong0627/LightGBM_Alpha300" md_url: "https://www.modelscope.cn/datasets/qusong0627/LightGBM_Alpha300.md" repository: qusong0627/LightGBM_Alpha300 chinese_name: "A股票历史数据金融量化数据集300+因子" last_updated: 2026-10-05 license: "Apache License 2.0" storage_size: "57 GB" downloads: 60763696 stars: 82 --- # LightGBM_Alpha300 > LightGBM_Alpha300 - qusong0627 在 ModelScope 开源的数据集。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… qusong0627/LightGBM_Alpha300 是 ModelScope 魔搭社区上的数据集，存储大小 57 GB，采用 Apache License 2.0 许可。 - **Repository**: qusong0627/LightGBM_Alpha300 - **License**: Apache License 2.0 - **Storage size**: 57 GB - **Downloads**: 60763696 - **Stars**: 82 - **Last updated**: 2026-10-05 Source: https://www.modelscope.cn/datasets/qusong0627/LightGBM_Alpha300 --- # QuantDB 中国 A 股量化数据集 > 数据集主页： ## 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）： ```python 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 ```python 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。