1分钟K线 (cn_stock_bar1m)

数据描述: 该表记录了股票市场中各证券的未复权1分钟级行情数据,包括累计后复权因子、开盘价、收盘价、最高价、最低价、成交量和成交金额。高频数据对于进行短线交易分析、算法交易策略的制定和执行具有极高的价值。

文档
数据简介

## 一、数据简介 本表提供 A 股 1 分钟未复权行情,每个标的每 1 分钟一行,包含开盘价、收盘价、最高价、最低价、成交量、成交金额和累计后复权因子。本表按标的存储,适合读取单只或少数股票、时间跨度长的数据。 - 数据起始时间:2005-01-04 - 数据结束时间:2026-10-26 - 数据更新频率:每个交易日 > 注:若起止时间为None,则表示当前没取到数据,请咨询客服 同类数据:`cn_stock_bar1m_c`(内容相同,按日期存储,适合读取全市场、时间跨度短的数据)。不同周期:`cn_stock_bar5m`、`cn_stock_bar15m`、`cn_stock_bar30m`、`cn_stock_bar60m`;附盘口版本:`cn_stock_bar1m_derived`。 ## 二、主键说明 | 关键字 | 释意 | | --- | --- | | date | K 线的结束时间,精确到分钟,不是交易日。以平安银行(000001.SZ)2026-10-22 为例,全天 241 行,第一行 09:25,第二行 09:31,最后一行 15:00。 | | instrument | 股票代码,格式为 `代码.交易所后缀`,如 `000001.SZ` | ## 三、注意事项 - 价格是未复权价,与 `adjust_factor` 相乘得到后复权价。以平安银行(000001.SZ)2026-10-22 为例,收盘价 11.3 乘以 142.070212 等于 `cn_stock_bar1d` 当天的收盘价 1605.39。 - `volume`、`amount` 是这一根 K 线内的成交量和成交额,不是当日累计值。上述示例日全部 K 线的 `volume` 之和等于日线成交量。 - 读取时限定 `instrument` 的速度最快,股票数量越多读取越慢。 - 分钟行情是高频数据,数据量大。读取时同时限定 `instrument` 和 `date` 范围,不要不加限制地读取。 - `date` 范围要带上时分秒,上限写到当天 23:59:59。只写日期会被解析为当天 00:00:00,取不到当天的数据,例如 `end_date=2026-10-22` 取不到 2026-10-22 当天的数据。 - 默认的查询方式单次结果超过 100 MB 会在传输过程中失败。读取前按“行数 × 字段数 × 8 字节”估算,超出时缩小 `instrument` 或 `date` 范围、只选需要的字段,或改用 `engine="aistudio"`。 ## 四、字段说明 | 字段 | 释意 | | --- | --- | | adjust_factor | 累计后复权因子,与未复权价格相乘得到后复权价格 | | open | 开盘价 | | close | 收盘价 | | high | 最高价 | | low | 最低价 | | volume | 成交量 | | amount | 成交金额 | ## 五、数据应用场景 ### 1. 短期技术分析 1 分钟 K 线、均线交叉、布林带等指标可以判断日内的短期走势。比较每分钟的最高价和最低价可以分析短期波动性,也可以识别短期的突破、支撑和阻力等微观价格形态。 ### 2. 量化策略开发 分钟数据适合开发高频交易和短期波动策略。结合成交量和成交金额的变化构建量价分析模型,识别市场的买卖力量。 ### 3. 市场情绪分析 成交量急剧增加并伴随股价上升,可能表明市场情绪升温。结合价格走势分析成交量的突增或萎缩,可以评估参与者的情绪变化。 ### 4. 套利与风险控制 日内套利策略可以依赖分钟级的价差寻找机会,风险控制策略可以用短期波动设定止损止盈点位。 ## 六、示例数据 取 2026-10-19 至 2026-10-26,展示区间内日均成交量最大的股票(000725.SZ)的前 5 行和后 5 行。 | date | instrument | adjust_factor | open | close | high | low | volume | amount | |:--------------------|:-------------|----------------:|-------:|--------:|-------:|------:|---------:|-----------------:| | 2026-10-19 09:25:00 | 000725.SZ | 5.47592 | 5.08 | 5.08 | 5.08 | 5.08 | 3978000 | 2.02082e+07 | | 2026-10-19 09:31:00 | 000725.SZ | 5.47592 | 5.07 | 5.09 | 5.11 | 5.06 | 15304264 | 7.77194e+07 | | 2026-10-19 09:32:00 | 000725.SZ | 5.47592 | 5.09 | 5.09 | 5.09 | 5.08 | 7299900 | 3.71141e+07 | | 2026-10-19 09:33:00 | 000725.SZ | 5.47592 | 5.09 | 5.08 | 5.09 | 5.08 | 3433227 | 1.74541e+07 | | 2026-10-19 09:34:00 | 000725.SZ | 5.47592 | 5.08 | 5.05 | 5.08 | 5.05 | 15472809 | 7.83475e+07 | | 2026-10-26 14:56:00 | 000725.SZ | 5.47592 | 4.86 | 4.88 | 4.88 | 4.86 | 8052360 | 3.92515e+07 | | 2026-10-26 14:57:00 | 000725.SZ | 5.47592 | 4.88 | 4.87 | 4.88 | 4.87 | 4652200 | 2.26857e+07 | | 2026-10-26 14:58:00 | 000725.SZ | 5.47592 | 4.88 | 4.88 | 4.88 | 4.88 | 54300 | 264533 | | 2026-10-26 14:59:00 | 000725.SZ | 5.47592 | 4.88 | 4.88 | 4.88 | 4.88 | 0 | 0 | | 2026-10-26 15:00:00 | 000725.SZ | 5.47592 | 4.87 | 4.87 | 4.87 | 4.87 | 4203100 | 2.04691e+07 |

用例
* 用例1:获取某只股票的某天的分钟数据,并计算5分钟移动平均线 ``` import dai df = dai.query(""" SELECT date, instrument, close, m_ta_sma(close, 5) AS ma_5 FROM cn_stock_bar1m WHERE instrument = '000002.SZ'""", filters={"date": ["2023-12-01","2023-12-02"]} ).df() ``` * 用例2:计算某只股票分钟价格变动百分比. ``` import dai df = dai.query(""" SELECT date, instrument, ((close - open) / open) * 100 as price_change_percentage FROM cn_stock_bar1m WHERE instrument='000001.SZ' ORDER BY date""", filters={"date": ["2023-12-01 09:25:00","2023-12-01 15:00:00"]} ).df() ```
表结构
字段 字段类型 字段描述
adjust_factor double 累计后复权因子
instrument string 证券代码
low double 最低价
high double 最高价
volume int64 成交量
open double 开盘价
amount double 成交金额
close double 收盘价
date timestamp[ns] -

表名:cn_stock_bar1m

起始时间:

最近更新时间: