七日关注人气排名因子 (alpha_7ri_focus_data)

数据描述： ###### 七日关注人气排名因子 · 使用说明 脚本：xuangu_7ri_focus.py（与本文件同目录）　｜　定时：每天 21:00（run_7ri_focus_daily.bat） 本文只讲「怎么用」。字段口径看 a_7ri_focus_表结构.md，完整设计看 a_7ri_focus_文档.md， 代码内部逻辑看 a_7ri_focus_代码介绍.md。 1. 这个脚本做什么 一句话：「7日关注」方案的全部股票

文档
数据简介

因子定位 七日关注人气排名因子（alpha_7ri_focus）是一个人气/关注度排名型因子。 思路：取东方财富条件选股「7日关注」方案（方案 id xc13e6afaf46c200b3c9）的结果集， 该方案本身就是「近 7 日被用户加入自选的热度排名」的选股模板——条件文本为 7日关注排名1名-4650名；不要ST股及不要退市股;不要北交所;不要科创板;， 即在全市场人气榜里剔除 ST / 退市 / 北交所 / 科创板后取前 4650 名。 取值：factor = -stockrank，其中 stockrank = 页面**「7日关注排名」**列（1 = 人气最高）。 因排名越小人气越高，取负号以满足平台约定 factor_direction = 1（因子值越大越看多）。 示例日值域 factor ∈ [-4650.0, -1.0]，非稀疏（每个口径日约 4189 只全部有值）。 跨日可比性：stockrank 是全市场口径的绝对名次（1~4650，含跳号）， 因此同一只票在不同交易日的 factor 可直接纵向比较（排名是否上升）， 便于做「人气变化」类的时序加工。 本脚本不做本地因子回测。IC/IR、分层收益、多空绩效等因子分析一律不在本地计算， 由 AIStudio 平台的因子分析流程（AlphaMiner）在提交后基于因子数据源完成。

用例
读取产物 import pandas as pd df = pd.read_csv("a_7ri_focus.csv", encoding="utf-8-sig") print(df.dtypes) print(df.shape) # 单日示例：(4189, 4) print(df.columns.tolist()) # ['date', 'instrument', 'name', 'stockrank'] print(df["date"].max()) # 2026-09-16 print(sorted(df["stockrank"])[:3], sorted(df["stockrank"])[-3:]) [1, 2, 3] [4648, 4649, 4650] 因子面板口径复核 panel = df.assign(factor=-df["stockrank"].astype("float64")) print(panel["factor"].min(), panel["factor"].max()) # -4650.0 -1.0import pandas as pd df = pd.read_csv("a_7ri_focus.csv", encoding="utf-8-sig") print(df.dtypes) print(df.shape) # 单日示例：(4189, 4) print(df.columns.tolist()) # ['date', 'instrument', 'name', 'stockrank'] print(df["date"].max()) # 2026-09-16 print(sorted(df["stockrank"])[:3], sorted(df["stockrank"])[-3:]) [1, 2, 3] [4648, 4649, 4650] 因子面板口径复核 panel = df.assign(factor=-df["stockrank"].astype("float64")) print(panel["factor"].min(), panel["factor"].max()) # -4650.0 -1.0
表结构
字段 字段类型 字段描述
instrument string -
date timestamp[ns] -
factor double -

表名：alpha_7ri_focus_data

起始时间：

最近更新时间：

数据平台