SkillRouter

## 核心用法 investment-data 是一款面向 A 股市场的专业数据获取工具，基于 chenditc/investment_data 开源项目构建。用户可通过 Python API 或命令行两种方式操作：Python 端提供 InvestmentData 客户端类，支持 get_stock_data()()、()、get_index_weights()()、()、get_limit_data()() 等方法进行精细化查询；命令行端则提供 query.py、、query_batch.py、、update_data.py 等脚本，便于批量处理和自动化集成。数据覆盖日终价格（开高低收、成交量额）、涨跌停状态、指数成分权重及前后复权价格，每日自动更新并通过多数据源交叉验证。 ## 显著优点 数据质量可靠：采用 final、Tushare、AKShare、Yahoo 等多源优先级策略，自动修正异常值，包含退市公司历史数据，完整性优于单一数据源。格式兼容性强：原生支持 Qlib 量化框架格式，同时提供 CSV、JSON、Excel 等多种导出格式，降低与现有工作流整合成本。自动化程度高：内置定时更新机制，可通过 OpenClaw cron 配置每日 9:00 自动拉取最新数据，减少人工维护成本。存储与性能优化：约 5GB 的本地化存储设计，查询响应快，适合大规模回测场景。 ## 潜在缺点与局限性 实时性不足：数据为 T+1 日终更新，无法满足高频交易或实时盯盘需求。网络依赖严格：首次下载及日常更新需稳定访问 GitHub API 和 DoltHub，国内网络环境可能需配置代理。可选功能受限：实时数据更新需自备 Tushare Token，免费版有调用频次限制。解压安全风险：使用 tarfile.extractall()() 解压数据文件，虽来源可信但仍存在路径遍历的理论风险。 ## 适合的目标群体 量化研究员与策略开发者、金融数据分析师、高校金融工程师生、个人投资者中的技术派用户。尤其适合已使用 Qlib 框架或需要离线批量处理历史行情数据的场景。 ## 使用风险 存储与性能：需预留 5GB 以上磁盘空间，大规模批量查询时注意内存占用。依赖稳定性：pandas、numpy 等核心库版本需满足最低要求，升级时可能产生兼容性冲突。数据合规性：A 股行情数据受监管约束，商用需确认授权范围，本工具仅提供技术获取能力。环境隔离建议：建议在独立虚拟环境或容器中运行，避免与生产系统共享 Python 环境。