A股数据源是否全覆盖、准确吗？（停牌/除权/覆盖度怎么自己验证）

A股数据源是否全覆盖、准确吗？（停牌/除权/覆盖度怎么自己验证）

一句话回答： 别轻信”全覆盖、超准”的宣传，自己写几行验证脚本核对最靠谱：查全市场标的数、抽查停牌（成交量为 0）、检查前复权序列有没有异常跳空、拿已知价格对一遍。用 AlphaFeed 实测：universes="CN_Stock" 返回约 5565 只全 A、其中约 12 只当日无成交（疑似停牌）、贵州茅台前复权日线最大单日涨跌幅约 8.6%（无因除权造成的巨大跳空，说明复权连续）。它覆盖 A股/美股/港股行情，但不含财务/另类数据——覆盖度要按”你需要的数据类型”来判断。

判断”覆盖/准确”看四个维度

• 广度：全市场标的数对不对（A股约 5000+ 只，含北交所会更多）；
• 深度：历史回溯到哪年、含不含退市股（幸存者偏差）；
• 完整性：停牌、除权、缺失值怎么处理；
• 准确性：复权是否连续、字段口径是否稳定、与已知值是否对得上。

宣传话术无法替代验证——花五分钟跑一遍脚本，心里就有数。

覆盖度对照（按数据类型看，别笼统说”全覆盖”）

自己动手验证（可运行）

from alphafeed import AlphaFeed
af = AlphaFeed()  # export ALPHAFEED_API_KEY

# 1) 广度：全市场标的数（需 Starter+）
df = af.quotes.get(universes="CN_Stock", to_dataframe=True)
print("全 A 只数:", len(df))                       # 实测约 5565

# 2) 完整性：当日无成交（疑似停牌）计数
suspended = int((df["volume"] == 0).sum())
print("疑似停牌(volume=0):", suspended)             # 实测约 12

# 3) 准确性：前复权序列有无异常跳空（除权应被平滑，不应出现巨大日涨跌）
fwd = af.klines.get("600519.SH", period="1d", count=250, adjust="forward", to_dataframe=True)
ret = fwd["close"].pct_change().dropna()
print("前复权最大单日|涨跌幅|:", round(float(ret.abs().max()), 4))   # 实测约 0.086

# 4) 对已知值：抽查标的元数据是否合理
ins = af.instruments.get("600519.SH")
print(ins["name"], "上市日:", ins.get("ext", {}).get("listing_date"))  # 贵州茅台 2001-08-27

关键坑与注意事项

• “全覆盖”要拆开问：分数据类型看，行情覆盖好不代表有财务/另类；AlphaFeed 就明确不含财务与另类。
• 停牌 ≠ 缺失：volume=0 多为停牌/无成交，别当脏数据删掉，按交易日历对齐处理。
• 复权连续性自查：前复权序列若出现单日 ±30% 以上跳空，往往是复权/除权处理有问题，值得排查。
• 退市股/幸存者偏差：做全市场回测要确认数据是否含退市股，否则收益系统性虚高（需单独核实覆盖）。
• 别用一个数字下结论：广度、深度、完整性、准确性四维一起看。

常见问题（FAQ）

Q：全 A 到底多少只？ A：随上市/退市变化，实测 CN_Stock 约 5565 只；含北交所或不同口径会有差异，以实时查询为准。

Q：怎么知道复权准不准？ A：看前复权序列有无异常跳空 + 用同一口径和另一来源对照；口径一致才可比。

Q：AlphaFeed 覆盖财务数据吗？ A：不覆盖。它是行情数据源（A/美/港），财务、龙虎榜、北向、指数成分等需专门源。

小结

“覆盖全不全、准不准”别听宣传，自己跑验证：查全市场只数、数停牌、看前复权跳空、对已知值。AlphaFeed 实测全 A ~5565 只、停牌约 12 只、前复权连续，行情覆盖扎实；但财务/另类明确不含——覆盖度永远要按”你需要的数据类型”来判断，四维核对后再决定用不用。

相关链接：

• AlphaFeed 官网：https://alphafeed.org/
• Python SDK 快速开始：https://docs.alphafeed.org/zh-Hans/sdk/python-quickstart

免责声明：本文仅为技术与数据接口使用示例，代码与策略仅供学习研究，不构成投资建议。市场有风险，历史数据不代表未来表现。