Vibe-Trading Tushare stk_auction 开盘竞价成交接口实战从 9:25 全市场快照到竞价抢筹选股【免费下载链接】Vibe-TradingVibe-Trading: Your Personal Trading Agent项目地址: https://gitcode.com/GitHub_Trending/vi/Vibe-TradingVibe-Trading 仓库内置的 Tushare 数据源技能里stk_auction接口打板专题提供当日个股与 ETF 的集合竞价成交截面单次最大 8000 行覆盖量比、换手率、竞价金额等字段可支撑盘前竞价抢筹扫描与打板晋级预判的完整研究链路。9:25 开盘价出炉你只有 4 分钟窗口早盘集合竞价 9:15 开始申报9:25 交易所按最大成交量原则撮合出开盘价。做竞价抢筹或打板研究的人通常就在 9:25–9:29 这 4 分钟里拉全市场竞价快照谁在竞价阶段放量、高开多少、成交金额多大直接决定盘中第一笔下单的方向。这正是 Vibe-Trading 仓库 Tushare 技能中打板专题数据分类下的stk_auction接口要解决的每日 9:25–9:29 之间获取当日集合竞价成交数据仓库接口文档开盘竞价成交(当日).md)。注意它和盘后更新的历史竞价接口stk_auction_o返回 OHLCV vwap用于因子回测不是同一个数据源——stk_auction只服务盘中决策错过就要等下一个交易日。三步跑通第一次调用装依赖、配 Token、发一次请求三步就能拿到数据。仓库内 Tushare 技能总览 的快速上手一节有完整说明Token 在项目里统一走环境变量TUSHARE_TOKENschema 定义于 agent/src/config/env_schema.py标准初始化写法可参考 stock_data_example.py。pip install tushare -i https://pypi.tuna.tsinghua.edu.cn/simple export TUSHARE_TOKENyour_tokenimport os import tushare as ts # 优先读环境变量本地已记录过 token 时自动回退 token os.getenv(TUSHARE_TOKEN) or ts.get_token() pro ts.pro_api(token) # 不传任何参数 拉当日全市场显式指定 fields 减小返回体 df pro.stk_auction(fieldsts_code,trade_date,vol,price,amount,turnover_rate,volume_ratio) print(df)返回是 pandas DataFrame一天约 6500 行股票和 ETF 混在同一个截面里ts_code trade_date vol price amount turnover_rate volume_ratio 0 600071.SH 20250218 8700 23.240 202188.00 0.003090 0.150628 1 300053.SZ 20250218 53300 13.750 732875.00 0.008388 0.230996 2 159558.SZ 20250218 18700 1.211 22645.70 NaN NaN 3 600879.SH 20250218 195900 9.190 1800320.00 0.005938 0.373839 6 300616.SZ 20250218 142700 14.370 2050600.00 0.091494 1.184760 7 836957.BJ 20250218 300 12.310 3693.00 0.000702 0.012952代码后缀区分市场.SH沪市、.SZ深市、.BJ北交所ETF如159558.SZ也在其中。四个入参自由组合九类字段各管一段四个入参全部可选可以任意组合不传参拉当日全市场传trade_date拉指定日start_dateend_date按区间回补受单次 8000 行上限约束传ts_code对自选池逐个扫描。入参类型必选作用ts_codestrN股票代码如600071.SHtrade_datestrN交易日期YYYYMMDDstart_datestrN开始日期end_datestrN结束日期输出字段与它的坑字段类型说明ts_codestr股票代码trade_datestr数据日期volint成交量股priceint成交均价元amountfloat成交金额元pre_closefloat昨收价元turnover_ratefloat换手率%volume_ratiofloat量比float_sharefloat流通股本万股字段之间有三组隐含关系决定了你拿到截面之后先做什么清洗amount ≈ vol × price成交金额是量与均价的乘积两者对不上时优先怀疑数据异常不必另行验证。量比是抢筹核心指标volume_ratio衡量当日竞价成交量相对近期同期均量的放大倍数数值大于 1 说明竞价阶段资金明显进场配合(price - pre_close) / pre_close算出的竞价高开幅度就是盘前第一套筛选逻辑。ETF 缺两个字段基金类标的的turnover_rate、volume_ratio返回 NaN。全市场快照做聚合统计前建议直接按代码段过滤掉159/51/56开头的代码或者用fillna(0)兜底否则均值类指标会被拉偏。单位不统一vol是股、price是元、float_share是万股。做市值或换手类聚合计算前先统一单位否则差 1 万倍的错误很难排查。金额下限过滤样例里123039.SZ竞价金额只有 2395 元这类流动性极差的标的会污染排序建议设一个最低amount阈值比如 500 万再进候选池。从单日快照到按日回补单次调用跑通之后需求自然变成两个盘前每天自动抓当日快照盘后按日回补历史。全市场单日约 6500 行一次能拉完跨日回补就必须按日循环。import time import pandas as pd import tushare as ts FIELDS ts_code,trade_date,vol,price,amount,pre_close,turnover_rate,volume_ratio,float_share def fetch_auction_days(pro, days: list[str], fields: str FIELDS, pause: float 0.3) - pd.DataFrame: days 为 YYYYMMDD 交易日列表按日循环 限速避免触发限流 frames [] for day in days: df pro.stk_auction(trade_dateday, fieldsfields) print(f{day}: {len(df)} rows) frames.append(df) time.sleep(pause) return pd.concat(frames, ignore_indexTrue) def trading_days(start: str, end: str) - list[str]: 用 trade_cal 生成交易日序列自动跳过周末与节假日 cal pro.trade_cal(exchangeSSE, start_datestart, end_dateend, is_open1) return sorted(cal[cal_date].tolist()) hist fetch_auction_days(pro, trading_days(20250201, 20250228))想更细可以在循环里对ts_code逐个拉取同一套函数直接复用于自选池扫描。交易日历用 Tushare 技能里的 trade_cal 文档 即可仓库预检逻辑在 agent/src/preflight.py 处理 Token 连通性检查。往打板策略方向走stk_auction和 涨跌停和炸板数据limit_list_d提供封单金额fd_amount、炸板次数open_times、涨停股票连板天梯limit_step天然配套竞价截面出候选池昨日涨停统计做晋级筛选而 股票开盘集合竞价数据stk_auction_o与 股票收盘集合竞价数据stk_auction_c负责盘后历史回测三者构成竞价数据的完整闭环。落地方向与避坑清单基于字段组合四个可以直接动手的方向竞价量比选股volume_ratio 1.5且竞价高开幅度可控price对pre_close的涨幅落在目标区间抓资金抢筹信号。资金强度排序按amount降序看全市场竞价成交分布识别当日主攻方向turnover_rate高开低走的标的警惕竞价出货。打板候选预筛对昨日涨停股limit_list_d在 9:25–9:29 窗口内扫描竞价量比与高开幅度配合limit_step连板数做晋级预判。微结构因子入库把竞价amount占全日成交比例、竞价均价price与开盘后价位的缺口加工成因子接入回测框架。避坑清单⚠️ 当日数据只在 9:25–9:29 可取盘前定时任务应锚定 9:25 之后触发错过即等下一交易日。单次最大 8000 行单日全市场一次拉完没问题历史回补务必按日拆分避免静默丢行。权限独立本接口是单独开权限的数据已开通股票分钟权限的账号自动获得无权限调用会直接返回权限类错误。ETF 的turnover_rate、volume_ratio是 NaN聚合前先过滤或补齐。单位vol为股、price为元、float_share为万股聚合计算前先统一。低流动性标的竞价金额几千元级别建议用amount下限过滤后再进排序。下一步很明确先跑通单日全市场快照确认返回 6500 行左右的量级再叠加量比阈值、竞价金额下限和高开幅度过滤然后按日回补一个月的竞价数据落成一张可回测的竞价因子表。【免费下载链接】Vibe-TradingVibe-Trading: Your Personal Trading Agent项目地址: https://gitcode.com/GitHub_Trending/vi/Vibe-Trading创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考