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"], start="20260601", end="20260630", frequency="1d", 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cross=True就变成金叉信号筛选；把指标名换成zhishu再传method=1，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base=1000，可按需调整：method=1等权：成分股权重相同，最简单的基准method=2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method=3成交额加权：按当日成交额，反映市场活跃度method=4成交量加权：按当日成交量，分钟级数据可用method=5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。cross=False（默认）返回原始数值；cross=True只返回交叉信号，1 是金叉、-1 是死叉、0 表示没交叉；cross="with_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"], start="20260601", end="20260630", frequency="1d", 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cross=True就变成金叉信号筛选；把指标名换成zhishu再传method=1，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base=1000，可按需调整：method=1等权：成分股权重相同，最简单的基准method=2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method=3成交额加权：按当日成交额，反映市场活跃度method=4成交量加权：按当日成交量，分钟级数据可用method=5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。cross=False（默认）返回原始数值；cross=True只返回交叉信号，1 是金叉、-1 是死叉、0 表示没交叉；cross="with_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