企业官网建设流程全解析

Vibe-Trading × Tushare stk_auction：A股集合竞价数据与打板选股的从零到可用实战指南

【免费下载链接】Vibe-Trading"Vibe-Trading: Your Personal Trading Agent"项目地址: https://gitcode.com/GitHub_Trending/vi/Vibe-Trading

9:25，开盘集合竞价的撮合结果出来，个股全天的开盘定位已经定下。做打板、做竞价抢筹的人，第一眼看的就是这份当日竞价成交快照。本文带你把 Vibe-Trading 仓库里的 Tushare 接口stk_auction从零跑通：怎么装依赖、配 Token、拉单日数据、写批量采集脚本，最后把字段变成打板筛选逻辑。

先拿到数据：当日竞价数据怎么拿，最小可运行路径

stk_auction的数据窗口是每天 9:25–9:29，这个时段能取到当日全市场个股和 ETF 的集合竞价成交。拿数据只有三步：

1. 装依赖（推荐清华镜像源）并配置 Token；
2. 初始化pro接口实例；
3. 一行调用取当日快照。

Token 配置：

pip install tushare -i https://pypi.tuna.tsinghua.edu.cn/simple export TUSHARE_TOKEN=your_token

在 Vibe-Trading 里，TUSHARE_TOKEN通过环境变量 schema 统一管理，字段定义在 env_schema.py，预检逻辑在agent/src/preflight.py。官方示例脚本 stock_data_example.py 展示了标准初始化方式，初始化后一行调用即可：

import os import tushare as ts token = os.getenv('TUSHARE_TOKEN') or ts.get_token() pro = ts.pro_api(token) # 取 2025-02-18 当日集合竞价成交，显式指定字段可减小返回体 df = pro.stk_auction( trade_date='20250218', fields='ts_code,trade_date,vol,price,amount,turnover_rate,volume_ratio', ) print(df.head())

返回就是 pandas DataFrame。不传任何参数时，返回当日全市场竞价成交；传trade_date取指定日期。

数据字典：stk_auction 的输入参数与输出字段一次看懂

输入参数（4 个全可选，可自由组合）

组合规则：不传参数取当日全市场（单次最多8000 行）；传trade_date取指定日；传start_date+end_date按区间拉取（受8000 行上限约束，建议按日循环）；传ts_code只扫单只标的。

输出字段（9 个）

字段间换算关系，直接可用于策略计算：

• amount ≈ vol × price，可用来校验数据自洽；
• volume_ratio= 当日竞价成交量均量 / 过去若干日同期均量，是判断资金抢筹意愿的核心指标；
• turnover_rate反映竞价阶段筹码换手强度，可辅助区分竞价抢筹 vs 竞价出货。

用 2025-02-18 的官方样例看三行，事实一目了然：

注意：ETF 标的（159/5 开头代码）不返回turnover_rate与volume_ratio，基金没有传统意义的换手率概念，样例里就是 NaN；处理时按代码段过滤或用fillna(0)兜底。样例里123039.SZ竞价金额仅 2395.54 元，属于流动性极差的标段，研究时建议设金额下限。

相邻接口：当日快照 vs 盘后历史，别混用

仓库"打板专题数据"与"特色数据"下共三套竞价接口，容易混淆：

分工很清晰：stk_auction用于盘中决策（盘前抢筹、竞价异动捕捉），stk_auction_o/stk_auction_c用于盘后复盘（历史因子回测）。两个历史接口单次最大返回10000 行，同样支持ts_code/trade_date/start_date/end_date四个入参，可与本文采集框架共用。

从字段到信号：把竞价数据变成打板选股的 4 个方向

字段到手，落地就四条流水线，每条都是"字段组合 + 一个判断阈值"：

1. 竞价量比放大 + 高开幅度可控：volume_ratio显著放大（如> 1.5），同时用(price - pre_close) / pre_close计算高开幅度并设上限，量比放大而高开不过激的标的最像资金抢筹信号。
2. 竞价金额排序看主攻方向：按amount排序观察全市场竞价成交额分布，可设5000 万作为"高关注度"过滤线；turnover_rate高开低走的标的要警惕竞价出货。
3. 昨日涨停股竞价预筛：与打板专题的 涨跌停和炸板数据（limit_list_d，提供首封时间、炸板次数、连板数limit_times、封单金额fd_amount）联动——在 9:25–9:29 窗口内扫描昨日涨停股的竞价量比与高开幅度，配合连板天梯做晋级预判。
4. 微结构因子入库：把"竞价成交金额占全日成交比例""竞价价格 vs 开盘后价格缺口"加工成因子，接入 Vibe-Trading 的因子回测与策略研究框架，与盘后历史的stk_auction_o/stk_auction_c拼出完整竞价生命周期。

工程细节：8000 行上限下的竞价量比批量采集

三个工程点，跑批量前必须知道：

1. 单次上限 8000 行：全市场单日约6500 行，目前一次能拉完；数据量增长后按日期或代码分批循环，避免静默丢行。
2. 权限与限流：该接口为单独开权限数据，已开通股票分钟权限的用户自动获得，无权限调用会返回权限类错误；循环请求建议每次间隔约0.3 秒，避免触发限流。
3. 单位坑：vol单位是股、price单位是元、float_share单位是万股，做金额类聚合前统一单位，否则差 3 个数量级。

可直接运行的按日循环采集函数：

import time import pandas as pd def fetch_auction_between(pro, start_date, end_date, ts_code="", pause=0.3): """按日循环抓取日期区间内的集合竞价成交数据""" from tushare.util import dateu fields = ("ts_code,trade_date,vol,price,amount," "pre_close,turnover_rate,volume_ratio,float_share") frames, day = [], start_date while day <= end_date: frames.append(pro.stk_auction(trade_date=day, ts_code=ts_code, fields=fields)) print(f"{day}: {len(frames[-1])} rows") day = dateu.get_next(day) # 自动跳过周末与节假日 time.sleep(pause) # 控制请求频率，避免触发限流 return pd.concat(frames, ignore_index=True) hist = fetch_auction_between(pro, '20250201', '20250228', ts_code='600071.SH')

dateu.get_next依赖交易日历跳节假日；需要更精确控制时，可结合 交易日历（trade_cal）先生成交易日序列再循环。

避坑自查清单：取 stk_auction 数据前必过的 6 问

📌 跑之前把这 6 个问题过一遍：

1. 错过 9:25–9:29 窗口怎么办？当日数据仅该时段可取，错过只能等下一交易日。盘前定时任务（cron 或 CI 定时器）应锚定9:25 之后、9:30 连续竞价开始前触发。
2. 代码后缀怎么区分市场？.SH上交所、.SZ深交所、.BJ北交所；ETF 混在同一个 DataFrame 里（如159558.SZ），只研究个股时先按后缀过滤。
3. 部分行为何出现 NaN？turnover_rate和volume_ratio对 ETF 不返回，属正常现象；统计前按代码段过滤或fillna(0)兜底，不要把 NaN 当成 0 参与量比排序。
4. 无权限调用会怎样？返回权限类错误而非空数据。本接口是单独开权限的数据，已开通股票分钟权限的用户自动获得，否则需先在 Tushare 平台申请。
5. 为什么单次最多 8000 行？接口硬性限量。全市场数据量接近上限时，按日或按代码分批循环，别让截断悄悄发生。
6. 单位对了吗？vol股、price元、float_share万股。竞价金额聚合、竞价占全日成交比例这类计算，先把单位统一再动手。

写在最后

stk_auction是 A 股打板与竞价研究中唯一的"当日竞价实时截面"数据源：8000 行单次上限、4 个灵活入参、9 个输出字段，既撑得起盘前全市场快照，也能按代码扫自选池。下一步就两件事：先跑通单日数据（trade_date+fields各传一次），再依次叠加量比> 1.5、竞价金额> 5000 万、高开幅度阈值这三层过滤，你就有了一套可回测的竞价因子。接口总入口参考 Tushare 技能总览，其余入参细节以仓库内文档为准。

【免费下载链接】Vibe-Trading"Vibe-Trading: Your Personal Trading Agent"项目地址: https://gitcode.com/GitHub_Trending/vi/Vibe-Trading