7000 只 A 股一口气算完 39 项技术指标free-stockdb 本地量化数据引擎完整指南【免费下载链接】free-stockdb面向 A 股日K、分钟K与ETF分钟数据的本地量化引擎集成增量同步、本地缓存、复权、批量查询、回测与指标计算。项目地址: https://gitcode.com/GitHub_Trending/fr/free-stockdbfree-stockdb 是面向 A 股的本地量化数据引擎39 项 A 股技术指标与 5 种指数计算全在本机完成行情落盘本地硬盘全市场回测不再被远程接口限频拖住。它替新手省掉的正是最磨人的那部分——指标公式不用手抄数据不用逐股爬复权不用自己回刷查数算指标全部留在本机离线照样跑。做全市场回测前先认清四个拖慢你的环节先说结论新手卡住的地方通常不在策略代码而在数据工程。如果你曾用在线接口攒过一套全市场数据大概率挨过这四刀公式手写MA、MACD、KDJ 的滚动窗口和参数各不一样得一个个公式敲出来全市场遍历慢pandas 逐股逐窗口滚动单次批量计算动辄数小时逐股请求被限频远程 API 一次只让你拉一只全市场分钟数据实测要 3-5 天复权要回刷分红送转之后得推算复权因子、回刷历史价格又是 1-2 天free-stockdb 的处理方式是把这四件事整体下沉到本地引擎数据同步一次落盘之后 7000 只股票一口气算完指标秒级返回。三步跑通第一次指标计算第一步把环境跑起来Python 环境里执行一次 pybao/安装.py启动本地服务。python pybao/安装.py第二步看一次zb.get()能算什么——两股 × 三指标参数各自独立from zhibiao import zb d zb.get(ma,kdj,macd, [600633, 000007], start20260601, end20260630, frequency1d, n[5,10,20, None, 12,26,9])第三步读结果单股传字符串返回 list多股传列表返回{代码: list}每只股票按日期独立计算无需全市场对齐日期。你可能想问还有没有别的玩法同一查询加一个crossTrue就变成金叉信号筛选把指标名换成zhishu再传method1就是给股票池编一个等权指数。周期也不锁死frequency支持日、周、月 K 和 1/5/15/30 分钟线fq参数让前复权、后复权、不复权随查随选把 7000 代码一次性传入就是全市场批量计算。39 项 A 股技术指标五大类各答一类问题39 项里 38 个是常用技术指标1 个是指数接口zhishu统一走zb.get()这一个入口。按用途分成五类类别指标回答什么问题趋势MA、EMA、SMA、WMA、DMA、EXPMA、TRIX、DMI、DFMA、BBI价格现在朝哪个方向走震荡MACD、KDJ、RSI、WR、CCI、PSY、BIAS、ROC、MTM、DPO超买还是超卖拐点近不近通道BOLL、KTN、TAQ价格有没有跳出正常波动区间量价OBV、VR、EMV、MFI、CR、MASS量能配不配合价格运动综合ATR、ASI、BRAR、XSII、STD、SUM、HHV、LLV、REF波动多大、高低点在哪、基础统计一个不起眼但很实用的小设计MA、EMA、STD、HHV、LLV 这类基础指标可以靠fields参数换计算字段——收盘价、成交量、成交额都行成交量均线这种玩法不用另写代码。 自定义指数编制zhishu 的五种加权方法把一篮子股票代码丢给zhishu它按天合成一条虚拟走势当作这个股票池的指数——行业轮动、风格因子、策略基准都能用。method参数对应五种权重默认起点base1000可按需调整method1等权成分股权重相同最简单的基准method2流通市值加权按流通市值分钟 K 线没有市值字段仅支持日线method3成交额加权按当日成交额反映市场活跃度method4成交量加权按当日成交量分钟级数据可用method5总市值加权按总市值仅支持日线⚡ 金叉信号进阶cross 参数与多指标共振金叉/死叉是选股策略里出现频率最高的判断这里也不用手写在任意指标上加一个cross参数即可。crossFalse默认返回原始数值crossTrue只返回交叉信号1 是金叉、-1 是死叉、0 表示没交叉crosswith_value则数值和信号一起给方便复盘对图。妙处在多指标场景同时传几个指标时cross 字段只在它们全部金叉的那天才为 True相当于内置了一个多因子共振筛子。不只 Python一套指标能力五种入口同一套能力不用绑定在 Python 里。本地服务同时开了五个口子Python SDK 做回测和研究HTTP API 给任意语言集成Excel/WPS 宏做表格分析和选股HTML 页面无代码浏览本地行情AI MCP 让支持 MCP 协议的 AI 工具直接查本机数据协议是自实现的不用额外装 SDK。各入口的示例与说明都放在 调用方式/调用说明.txt 里。 选型速查什么行情看什么指标判趋势方向趋势类打底MA 看方向、MACD/DMI 确认强度适合中低频波段找买卖点震荡类出手KDJ、RSI、WR 判超买超卖适合震荡市确认突破量价类验证OBV、MFI 看量能是否跟上价格控仓位ATR 度量波动BOLL/KTN 划出价格通道编自己的基准zhishu 五选一加权股票池指数即编即用动手之前值得先翻一遍这几个文件README.md 是项目总览pybao/zhibiao.py 是指标模块源码调用方式/python/zb_test.py 有完整调用示例docs/DATA_SOURCE.md 讲数据源与同步协议stockdb.conf 是本地服务配置。free-stockdb 用于软件学习、数据管理与量化研究不构成投资建议。【免费下载链接】free-stockdb面向 A 股日K、分钟K与ETF分钟数据的本地量化引擎集成增量同步、本地缓存、复权、批量查询、回测与指标计算。项目地址: https://gitcode.com/GitHub_Trending/fr/free-stockdb创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
7000 只 A 股一口气算完 39 项技术指标free-stockdb 本地量化数据引擎完整指南【免费下载链接】free-stockdb面向 A 股日K、分钟K与ETF分钟数据的本地量化引擎集成增量同步、本地缓存、复权、批量查询、回测与指标计算。项目地址: https://gitcode.com/GitHub_Trending/fr/free-stockdbfree-stockdb 是面向 A 股的本地量化数据引擎39 项 A 股技术指标与 5 种指数计算全在本机完成行情落盘本地硬盘全市场回测不再被远程接口限频拖住。它替新手省掉的正是最磨人的那部分——指标公式不用手抄数据不用逐股爬复权不用自己回刷查数算指标全部留在本机离线照样跑。做全市场回测前先认清四个拖慢你的环节先说结论新手卡住的地方通常不在策略代码而在数据工程。如果你曾用在线接口攒过一套全市场数据大概率挨过这四刀公式手写MA、MACD、KDJ 的滚动窗口和参数各不一样得一个个公式敲出来全市场遍历慢pandas 逐股逐窗口滚动单次批量计算动辄数小时逐股请求被限频远程 API 一次只让你拉一只全市场分钟数据实测要 3-5 天复权要回刷分红送转之后得推算复权因子、回刷历史价格又是 1-2 天free-stockdb 的处理方式是把这四件事整体下沉到本地引擎数据同步一次落盘之后 7000 只股票一口气算完指标秒级返回。三步跑通第一次指标计算第一步把环境跑起来Python 环境里执行一次 pybao/安装.py启动本地服务。python pybao/安装.py第二步看一次zb.get()能算什么——两股 × 三指标参数各自独立from zhibiao import zb d zb.get(ma,kdj,macd, [600633, 000007], start20260601, end20260630, frequency1d, n[5,10,20, None, 12,26,9])第三步读结果单股传字符串返回 list多股传列表返回{代码: list}每只股票按日期独立计算无需全市场对齐日期。你可能想问还有没有别的玩法同一查询加一个crossTrue就变成金叉信号筛选把指标名换成zhishu再传method1就是给股票池编一个等权指数。周期也不锁死frequency支持日、周、月 K 和 1/5/15/30 分钟线fq参数让前复权、后复权、不复权随查随选把 7000 代码一次性传入就是全市场批量计算。39 项 A 股技术指标五大类各答一类问题39 项里 38 个是常用技术指标1 个是指数接口zhishu统一走zb.get()这一个入口。按用途分成五类类别指标回答什么问题趋势MA、EMA、SMA、WMA、DMA、EXPMA、TRIX、DMI、DFMA、BBI价格现在朝哪个方向走震荡MACD、KDJ、RSI、WR、CCI、PSY、BIAS、ROC、MTM、DPO超买还是超卖拐点近不近通道BOLL、KTN、TAQ价格有没有跳出正常波动区间量价OBV、VR、EMV、MFI、CR、MASS量能配不配合价格运动综合ATR、ASI、BRAR、XSII、STD、SUM、HHV、LLV、REF波动多大、高低点在哪、基础统计一个不起眼但很实用的小设计MA、EMA、STD、HHV、LLV 这类基础指标可以靠fields参数换计算字段——收盘价、成交量、成交额都行成交量均线这种玩法不用另写代码。 自定义指数编制zhishu 的五种加权方法把一篮子股票代码丢给zhishu它按天合成一条虚拟走势当作这个股票池的指数——行业轮动、风格因子、策略基准都能用。method参数对应五种权重默认起点base1000可按需调整method1等权成分股权重相同最简单的基准method2流通市值加权按流通市值分钟 K 线没有市值字段仅支持日线method3成交额加权按当日成交额反映市场活跃度method4成交量加权按当日成交量分钟级数据可用method5总市值加权按总市值仅支持日线⚡ 金叉信号进阶cross 参数与多指标共振金叉/死叉是选股策略里出现频率最高的判断这里也不用手写在任意指标上加一个cross参数即可。crossFalse默认返回原始数值crossTrue只返回交叉信号1 是金叉、-1 是死叉、0 表示没交叉crosswith_value则数值和信号一起给方便复盘对图。妙处在多指标场景同时传几个指标时cross 字段只在它们全部金叉的那天才为 True相当于内置了一个多因子共振筛子。不只 Python一套指标能力五种入口同一套能力不用绑定在 Python 里。本地服务同时开了五个口子Python SDK 做回测和研究HTTP API 给任意语言集成Excel/WPS 宏做表格分析和选股HTML 页面无代码浏览本地行情AI MCP 让支持 MCP 协议的 AI 工具直接查本机数据协议是自实现的不用额外装 SDK。各入口的示例与说明都放在 调用方式/调用说明.txt 里。 选型速查什么行情看什么指标判趋势方向趋势类打底MA 看方向、MACD/DMI 确认强度适合中低频波段找买卖点震荡类出手KDJ、RSI、WR 判超买超卖适合震荡市确认突破量价类验证OBV、MFI 看量能是否跟上价格控仓位ATR 度量波动BOLL/KTN 划出价格通道编自己的基准zhishu 五选一加权股票池指数即编即用动手之前值得先翻一遍这几个文件README.md 是项目总览pybao/zhibiao.py 是指标模块源码调用方式/python/zb_test.py 有完整调用示例docs/DATA_SOURCE.md 讲数据源与同步协议stockdb.conf 是本地服务配置。free-stockdb 用于软件学习、数据管理与量化研究不构成投资建议。【免费下载链接】free-stockdb面向 A 股日K、分钟K与ETF分钟数据的本地量化引擎集成增量同步、本地缓存、复权、批量查询、回测与指标计算。项目地址: https://gitcode.com/GitHub_Trending/fr/free-stockdb创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
平方复杂度无法被常规优化消除｜TaoToken 统一 Key 通道实测)
