行业日线数据 (cn_stock_industry_bar1d)

数据描述: 该表详细记录了不同行业的日线行情数据,包括根据不同计算方式(算术平均、总股本加权平均、流通股本加权平均)得出的昨收盘价、开高低收(均为后复权处理以消除分红、配股等对价格的影响)、成交量、成交笔数、成交金额、涨跌幅以及换手率等。能够帮助投资者分析分析行业的趋势和市场表现。

文档
数据简介

## 一、数据简介 本表提供行业的后复权日行情。行业取中信(cs)和申万 2021 版(sw2021)的三级行业,每个行业、每个交易日、每种计算方式各一行,包含昨收盘价、开盘价、收盘价、最高价、最低价、成交量、成交笔数、成交金额、涨跌幅和换手率。 行业的价格由成分股 `cn_stock_bar1d` 的后复权价格按权重加权平均得到,不是以基点为起点的指数点位,价格水平会随成分股的构成变化。同样口径的未复权行情见 `cn_stock_industry_real_bar1d`。 - 数据起始时间:2005-01-04 - 数据结束时间:2026-10-30 - 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 ## 二、主键说明 | 关键字 | 释意 | | --- | --- | | date | 交易日 | | instrument | 行业代码,取中信和申万 2021 版的三级行业代码,如 `402010`、`480301`。本表没有行业分类标准字段,需要区分时到 `cn_stock_industry_component` 中按 `industry_level3_code` 查询对应的 `industry` | | method | 计算方式:1 为算术平均,2 为总股本加权平均,3 为流通股本加权平均 | ## 三、字段口径 | 字段 | 口径 | | --- | --- | | open / high / low / close | 行业成分股当日后复权开盘价、最高价、最低价、收盘价的加权平均。`method` 为 1 时是简单平均,为 2 时权重是成分股总股本(`cn_stock_shares.total_shares`)占比,为 3 时权重是成分股流通 A 股(`cn_stock_shares.a_float_shares`)占比 | | pre_close | 同一 `instrument`、同一 `method` 上一个交易日的 `close` | | change_ratio | 涨跌幅,小数形式,即 `close / pre_close - 1` | | volume | 成交量,成分股当日成交量之和。三种 `method` 取值相同 | | deal_number | 成交笔数,成分股当日成交笔数之和。三种 `method` 取值相同 | | amount | 成交金额,成分股当日成交金额之和。三种 `method` 取值相同 | | turn | 成分股当日成交金额之和除以成分股总股本之和,单位是元/股,不是成交量与股本的比值,不能当作通常意义的换手率,取值可以大于 1。三种 `method` 取值相同 | ## 四、注意事项 - 以中信三级行业 402010 在 2026-10-22 为例,该行业有 9 只成分股,成分股收盘价(后复权)的简单平均与 `method` 为 1 的 `close` 一致,均为 262.566360。 - 价格是成分股价格的加权平均,行业成分股的变化会影响价格水平,`close` 的变化不等于成分股涨跌幅的加权平均。 - 同一行业代码在不同 `method` 下价格水平不同,比较涨跌幅时应固定 `method`。 - 2005-01-04 是本表第一个交易日,该日 `pre_close` 与 `close` 差异过大,`change_ratio` 不宜使用。以 402010、`method` 为 1 为例,`pre_close` 为 10.246748,`close` 为 40.715716,`change_ratio` 为 2.973526;该日 `method` 为 1 的 `change_ratio` 最大值为 676.22908。 - 2005 年至 2011 年以及 2014 年,每年有 1 至 8 行 `method` 为 1 的记录,`change_ratio` 与 `close / pre_close - 1` 不一致。 - `close` 为空的记录共 3601 行(每种 `method` 各自相同),最近一次在 2026-04-29;`turn` 为空的记录有 80 行(每种 `method` 各自相同)。 ## 五、示例代码 ```python import dai dai.query(""" SELECT * FROM cn_stock_industry_bar1d WHERE instrument='402010' AND method=3 """, filters={"date": ["2024-01-01", "2024-10-01"]}).pl() ``` ## 六、示例数据 取 2026-10-24 至 2026-10-31,按交易日、行业代码、计算方式排序,展示前 5 行和后 5 行。 | date | instrument | method | pre_close | open | close | high | low | volume | deal_number | amount | change_ratio | turn | |:--------------------|-------------:|---------:|------------:|---------:|---------:|---------:|---------:|----------:|--------------:|------------:|---------------:|-----------:| | 2026-10-26 00:00:00 | 101010 | 1 | 105.337 | 105.881 | 108.71 | 109.477 | 105.16 | 549389375 | 564576 | 6.42793e+09 | 0.0320292 | 0.0258295 | | 2026-10-26 00:00:00 | 101010 | 2 | 40.6781 | 40.6914 | 42.3575 | 42.5573 | 40.503 | 549389375 | 564576 | 6.42793e+09 | 0.0412844 | 0.0258295 | | 2026-10-26 00:00:00 | 101010 | 3 | 41.2687 | 41.3036 | 42.9441 | 43.1425 | 41.0766 | 549389375 | 564576 | 6.42793e+09 | 0.0405968 | 0.0258295 | | 2026-10-26 00:00:00 | 102010 | 1 | 24.5207 | 24.6007 | 24.8352 | 25.2726 | 24.0964 | 476585498 | 293314 | 2.32134e+09 | 0.0128232 | 0.0172981 | | 2026-10-26 00:00:00 | 102010 | 2 | 24.2253 | 24.2219 | 25.0565 | 25.1962 | 24.1232 | 476585498 | 293314 | 2.32134e+09 | 0.0343133 | 0.0172981 | | 2026-10-30 00:00:00 | 770301 | 2 | 174.606 | 173.26 | 172.19 | 176.289 | 168.92 | 7251394 | 21812 | 5.70197e+08 | -0.0138389 | 0.63402 | | 2026-10-30 00:00:00 | 770301 | 3 | 134.048 | 133.269 | 133.073 | 135.837 | 130.512 | 7251394 | 21812 | 5.70197e+08 | -0.00727171 | 0.63402 | | 2026-10-30 00:00:00 | 770302 | 1 | 31.1165 | 31.0089 | 30.7935 | 31.6549 | 30.5782 | 5931250 | 1075 | 1.70595e+07 | -0.0103806 | 0.00954381 | | 2026-10-30 00:00:00 | 770302 | 2 | 31.1165 | 31.0089 | 30.7935 | 31.6549 | 30.5782 | 5931250 | 1075 | 1.70595e+07 | -0.0103806 | 0.00954381 | | 2026-10-30 00:00:00 | 770302 | 3 | 31.1165 | 31.0089 | 30.7935 | 31.6549 | 30.5782 | 5931250 | 1075 | 1.70595e+07 | -0.0103806 | 0.00954381 |

用例
* 用例1:比较两个不同行业在相同时间段的市场表现 ``` import dai df = dai.query(""" SELECT date, instrument, method, close FROM cn_stock_industry_bar1d WHERE (instrument = '101010' OR instrument = '102010') ORDER BY date,instrument""", filters={"date": ["2023-01-01", "2023-12-31"]} ).df() ``` * 用例2:分析某日所有行业的涨跌幅,找出表现最好和最差的行业 ``` import dai df = dai.query(""" SELECT instrument, change_ratio FROM cn_stock_industry_bar1d ORDER BY change_ratio DESC""", filters={"date": ["2023-03-10"]} ).df() ```
表结构
字段 字段类型 字段描述
pre_close double 昨收盘价(后复权)
__PARTITION__ int64 -
change_ratio double 涨跌幅(后复权)
method int8 计算方式(1-算术平均; 2-总股本加权平均; 3-流通股本加权平均)
close double 收盘价(后复权)
deal_number int32 成交笔数
instrument string 行业代码
high double 最高价(后复权)
date timestamp[ns] -
amount double 成交金额
volume int64 成交量
turn double 换手率
open double 开盘价(后复权)
low double 最低价(后复权)

表名:cn_stock_industry_bar1d

起始时间:

最近更新时间: