想要同时一次性分析5000只股票半年数据目前没有任何一个sdk可以做到更别说数据api限速限流网络io光数据拉取就得耗费一天时间还不算回测时间。而量化需要的恰恰就是批量读取和批量计算。于是准备在本地搭建一个本地量化数据库。光是下载数据就耗费了3天3夜网络错误ip封禁积分不足头疼不已最后还缺失很多数据复权和检查还得花2天。然后每日的数据采集维护又是一个无休止的工作。慢慢编写量化代码回测又涉及到批量计算读取pandas 格式归一化更是大到无法想象的工作量。后面发现一个开源项目free-stockdb作为一个本地股票数据工作流几乎把最难的本地集成工作都做了。几分钟就完成至少一个月的工作。原生集成数据源 每日自动更新的全市场股票数据不用逐股请求接口数据库 高性能 C 股票专用数据库服务不用设计表、建库、入库或优化查询计算库 已处理的历史行情、复权、39 种指标、5 种指数计算不用维护因子或 DataFrame 计算链路更新库 高速增量同步不重复下载全量数据支持断点续传、版本校验和完整性校验查询库 get_data() 批量查询zb.get() 批量计算bk.get() 股票与板块双向映射依赖库 无需注册、登录、token、无需dll、pip、爬虫、定时任务或自建数据库对比之后的评分一、free-stockdb 分项得分本地量化数据工作流能力9.5数据更新与自主可控9查询与批量计算性能9.5上手/零代码开发体验9数据来源合规透明度3 (公益项目非全品类数据来源交易所/longbrige官方api接口)长期供应链跨平台可持续性7平均分7.83/10二、某股票sdk Pro 分项得分本地量化数据工作流能力4需要自己搭库、写存储逻辑无内置本地时序引擎数据更新与自主可控3纯云端平台关停则全部失效无法本地自建替代链路查询与批量计算性能3API限流、网络延迟大批量遍历效率极低上手/零代码开发体验2必须Python、pip、token、写代码小白无法直接使用数据来源合规透明度1商业化抓取、大规模、全品类实时数据风险点很高长期供应链跨平台可持续性8商业团队运维、全平台支持、社区生态成熟平均分3.50/10运行评估运行了大于大约一个月非常稳定每日更新速度很快,约10-20m/s2分钟就能更新每日数据然后无限调用。本地是一个2mb大小的exe程序看过作者回复:为什么是闭源exe有好也不好。我比较认同因为现在github上面非常多的项目1小时套壳写完开源readme却写得无所不能因为这些没有核心算法当然没有必要闭源。原文是首先极简设计理念不允许有复杂的流程自己编译自己修改的费时费力的工作。与作者“使用很单纯复杂在底层”观念相违背。其次极速接入理念官方宣传的是0依赖双击即用接入成本控制到2分钟内。甚至mcp协议都是内置集成pip包都是直接提取的pyd单文件无需安装打开即用。还有极快运行理念每个模块全是原生rust改写并且只提供一个极速优化的接口行情bk.get计算zb.get数据get_data完全批量计算速度比pandas这类c通用dataframe还要快3倍以上。最后: 也是最关键的一个点作为一个追求细节极简的公益产品开源将会导致大批量的套壳收费项目改得乱七八糟。