rootSunc/CNEquity

解决的问题

CNEquity 解决了构建和维护可靠、长期的中国市场金融数据集的难题。它通过提供一个本地、版本化的数据湖，处理增量更新、错误恢复和数据质量审计，消除了重复的数据工程工作，确保研究人员和 AI 智能体拥有一致、可复现的数据。

工作原理

它充当本地数据基础设施，从各种公共来源获取金融数据（股票价格、财务报告、公司事件等），并将它们组织成结构化的基于 Parquet 的数据湖。用户可以通过 Python API、SQL 查询或通过 Model Context Protocol (MCP) 将数据湖连接到 AI 智能体（如 Claude 或 ChatGPT）来与这些数据交互，从而允许 AI 直接在本地数据集上执行复杂的金融分析。

适用人群

该项目专为个人金融研究人员、量化分析师以及构建 AI 驱动金融智能体的开发人员设计，他们需要一个稳定、自托管且历史准确的数据集来进行回测和分析。

亮点

• 全面的数据覆盖： 管理 55 个数据集，涵盖从基础市场数据和财务报表到情绪评分和衍生工具。
• AI 就绪： 原生支持 Model Context Protocol (MCP)，使 LLM 能够安全地查询本地金融数据。
• 研究级完整性： 保留历史背景（例如退市股票、时点财务报告），以防止常见的生存者偏差等研究陷阱。
• 稳健的工程设计： 具备自动增量更新、故障恢复和数据质量检查功能，确保本地数据湖保持最新和准确。
• 灵活的访问方式： 支持通过 Python、SQL 或内置的基于 Web 的控制台进行查询。