Agent skill

Quantdb Fields

QuantDB 字段单位速查手册 — 全部数据集实测验证的单位、口径与陷阱（个股 volume=股/amount=万元、指数 volume=手、L2原始逐笔 l2data/tickdata、technical % vs l1 小数、dividendrate 百分数、PG 前缀 symbol）。用 QuantDB…

AGPL-3.0Auto-check passedBusiness, Finance & HR

Install Quantdb Fields

skills CLI

$ npx skills add qusong0627/QuantMind --skill quantdb-fields -a claude-code

Project install by default; add -g for ~/.claude/skills/.

GitHub CLI

$ gh skill install qusong0627/QuantMind quantdb-fields --agent claude-code

Project scope by default; add --scope user for a personal install. Needs GitHub CLI 2.90.0 or later (public preview).

Manual copy

$ git clone --depth 1 https://github.com/qusong0627/QuantMind.git skills-src && mkdir -p .claude/skills && cp -r skills-src/skills/quantdb-fields .claude/skills/quantdb-fields && rm -rf skills-src

Use ~/.claude/skills/ instead of .claude/skills for a personal install. The folder must contain SKILL.md.

Claude Code skills documentation · loads skills from .claude/skills/

Paste into Claude Code

Install the "quantdb-fields" agent skill from https://github.com/qusong0627/QuantMind/tree/master/skills/quantdb-fields into .claude/skills/quantdb-fields/ in this project. Copy the whole folder (SKILL.md and every file beside it), keep the folder name "quantdb-fields", then confirm the skill loads.

Claude Code copies the folder itself, the same result as the manual copy. Check what it changed before you commit it.

$skill-installer

$skill-installer install https://github.com/qusong0627/QuantMind/tree/master/skills/quantdb-fields

Type this inside Codex. $skill-installer <name> installs a curated skill from openai/skills. The installer writes to $CODEX_HOME/skills (default ~/.codex/skills). Restart Codex if the skill does not show up.

skills CLI

$ npx skills add qusong0627/QuantMind --skill quantdb-fields -a codex

Project install goes to .agents/skills/; add -g for ~/.codex/skills/.

GitHub CLI

$ gh skill install qusong0627/QuantMind quantdb-fields --agent codex

Project scope by default (.agents/skills/); add --scope user for a personal install.

Manual copy

$ git clone --depth 1 https://github.com/qusong0627/QuantMind.git skills-src && mkdir -p .agents/skills && cp -r skills-src/skills/quantdb-fields .agents/skills/quantdb-fields && rm -rf skills-src

Use ~/.agents/skills/ instead of .agents/skills for a personal install.

Codex skills documentation · loads skills from .agents/skills/

Paste into Codex

Install the "quantdb-fields" agent skill from https://github.com/qusong0627/QuantMind/tree/master/skills/quantdb-fields into .agents/skills/quantdb-fields/ in this project. Copy the whole folder (SKILL.md and every file beside it), keep the folder name "quantdb-fields", then confirm the skill loads.

Codex copies the folder itself, the same result as the manual copy. Check what it changed before you commit it.

skills CLI

$ npx skills add qusong0627/QuantMind --skill quantdb-fields -a cursor

Project install goes to .agents/skills/; add -g for ~/.cursor/skills/.

GitHub CLI

$ gh skill install qusong0627/QuantMind quantdb-fields --agent cursor

Project scope by default (.agents/skills/); add --scope user for a personal install.

Manual copy

$ git clone --depth 1 https://github.com/qusong0627/QuantMind.git skills-src && mkdir -p .cursor/skills && cp -r skills-src/skills/quantdb-fields .cursor/skills/quantdb-fields && rm -rf skills-src

Use ~/.cursor/skills/ instead of .cursor/skills for a personal install.

Cursor skills documentation · loads skills from .cursor/skills/, .agents/skills/, .claude/skills/, .codex/skills/

Paste into Cursor

Install the "quantdb-fields" agent skill from https://github.com/qusong0627/QuantMind/tree/master/skills/quantdb-fields into .cursor/skills/quantdb-fields/ in this project. Copy the whole folder (SKILL.md and every file beside it), keep the folder name "quantdb-fields", then confirm the skill loads.

Cursor copies the folder itself, the same result as the manual copy. Check what it changed before you commit it.

gemini skills install

$ gemini skills install https://github.com/qusong0627/QuantMind.git --path skills/quantdb-fields

--scope user (default) or --scope workspace; --path is the subfolder of the repo that holds the skill; --consent skips the security confirmation prompt.

skills CLI

$ npx skills add qusong0627/QuantMind --skill quantdb-fields -a gemini-cli

Project install goes to .agents/skills/; add -g for ~/.gemini/skills/.

GitHub CLI

$ gh skill install qusong0627/QuantMind quantdb-fields --agent gemini-cli

Project scope by default (.agents/skills/); add --scope user for a personal install.

Manual copy

$ git clone --depth 1 https://github.com/qusong0627/QuantMind.git skills-src && mkdir -p .gemini/skills && cp -r skills-src/skills/quantdb-fields .gemini/skills/quantdb-fields && rm -rf skills-src

Use ~/.gemini/skills/ instead of .gemini/skills for a personal install, then run /skills reload.

Gemini CLI skills documentation · loads skills from .gemini/skills/, .agents/skills/

Paste into Gemini CLI

Install the "quantdb-fields" agent skill from https://github.com/qusong0627/QuantMind/tree/master/skills/quantdb-fields into .gemini/skills/quantdb-fields/ in this project. Copy the whole folder (SKILL.md and every file beside it), keep the folder name "quantdb-fields", then confirm the skill loads.

Gemini CLI copies the folder itself, the same result as the manual copy. Check what it changed before you commit it.

GitHub CLI

$ gh skill install qusong0627/QuantMind quantdb-fields

Installs for Copilot at project scope by default; add --scope user for a personal install. Preview a skill first with gh skill preview. Needs GitHub CLI 2.90.0 or later (public preview).

skills CLI

$ npx skills add qusong0627/QuantMind --skill quantdb-fields -a github-copilot

Project install goes to .agents/skills/; add -g for ~/.copilot/skills/.

Manual copy

$ git clone --depth 1 https://github.com/qusong0627/QuantMind.git skills-src && mkdir -p .github/skills && cp -r skills-src/skills/quantdb-fields .github/skills/quantdb-fields && rm -rf skills-src

Use ~/.copilot/skills/ instead of .github/skills for a personal install. Commit .github/skills so cloud agent and code review can use it.

GitHub Copilot skills documentation · loads skills from .github/skills/, .claude/skills/, .agents/skills/

Paste into GitHub Copilot

Install the "quantdb-fields" agent skill from https://github.com/qusong0627/QuantMind/tree/master/skills/quantdb-fields into .github/skills/quantdb-fields/ in this project. Copy the whole folder (SKILL.md and every file beside it), keep the folder name "quantdb-fields", then confirm the skill loads.

GitHub Copilot copies the folder itself, the same result as the manual copy. Check what it changed before you commit it.

skills CLI

$ npx skills add qusong0627/QuantMind --skill quantdb-fields -a opencode

OpenCode documents no install command of its own. Project install goes to .agents/skills/; add -g for ~/.config/opencode/skills/.

GitHub CLI

$ gh skill install qusong0627/QuantMind quantdb-fields --agent opencode

Project scope by default (.agents/skills/); add --scope user for a personal install.

Manual copy

$ git clone --depth 1 https://github.com/qusong0627/QuantMind.git skills-src && mkdir -p .opencode/skills && cp -r skills-src/skills/quantdb-fields .opencode/skills/quantdb-fields && rm -rf skills-src

Use ~/.config/opencode/skills/ instead of .opencode/skills for a personal install.

OpenCode skills documentation · loads skills from .opencode/skills/, .claude/skills/, .agents/skills/

Paste into OpenCode

Install the "quantdb-fields" agent skill from https://github.com/qusong0627/QuantMind/tree/master/skills/quantdb-fields into .opencode/skills/quantdb-fields/ in this project. Copy the whole folder (SKILL.md and every file beside it), keep the folder name "quantdb-fields", then confirm the skill loads.

OpenCode copies the folder itself, the same result as the manual copy. Check what it changed before you commit it.

Facts

Skill name: quantdb-fields
GitHub stars: 1.7k
Token cost: ~3.1k tokens
SKILL.md length: 1,019 words
Files: 1
Skills in repo: 27
Repo updated: Oct 6, 2026
First seen: Oct 7, 2026
Licence: AGPL-3.0

At a glance

Works in 3 steps: 沪/深成交量双口径：逐笔成交 volume 求和，沪 SH = 日线… → tick_data… → 价格=未复权真实成交：有除权除息时与前复权日线差一个复权因子
Business, Finance & HR work in your project
SKILL.md covers 一、通用规则（先记这个）, 二、1_kline_data…, 三、L2… and 四、1_kline_data/index_daily…, plus 9 more sections
Calls python

What it does

Quantdb Fields is an agent skill from qusong0627/QuantMind. QuantDB 字段单位速查手册 — 全部数据集实测验证的单位、口径与陷阱（个股 volume=股/amount=万元、指数 volume=手、L2原始逐笔 l2data/tickdata、technical % vs l1 小数、dividendrate 百分数、PG 前缀 symbol）。用 QuantDB 数据做分析/回测/报告、判断成交量/成交额/股息率/换手率单位、读逐笔委托/成交/十档盘口、排查数据口径不一致时使用。触发词：字段单位、成交量单位、成交额单位、股还是手、万元、股息率、数据口径、L2、逐笔、委托、成交明细、十档盘口、tickdata、wind

Its SKILL.md is about 3.1k tokens, which your agent loads only when the skill is triggered. It is a single SKILL.md file with no bundled scripts.

It sits in Business, Finance & HR. The repository describes itself as: QuantMind（量化大脑）开源版是一款面向个人开发者与投研团队的 AI 原生多市场量化交易平台。深度集成微软 Qlib、RD-Agent 因子演化与 QuantBot全能工作台，提供从 300+ 维因子挖掘、13 种机器学习与深度学习模型工场、Qlib 高性能回测、截面批量推理、7x24… The licence is AGPL-3.0.

When your agent uses it

Business, Finance & HR work in your project

Example prompts

“/quantdb-fields”

Requirements

Python 3

Workflow steps

3 steps, taken from the first numbered list in SKILL.md.

沪/深成交量双口径：逐笔成交 volume 求和，沪 SH = 日线 volume（实测 600714.SH 求和 34825501≈日线 34825500）；
tick_data 单位混源：同一目录内单位不统一——wind_l2_import 导入的（如 20260511）volume=股、amount=万元；
价格=未复权真实成交：有除权除息时与前复权日线差一个复权因子

What it can do on your machine

Read from SKILL.md and the folder at commit 17c9e29. It shows what the files ask for, not the result of running them.

Tool permissions
Pre-approves nothing: there is no allowed-tools line, so your agent's usual permission prompts apply.
From allowed-tools in the SKILL.md frontmatter.
Runs code
Shell commands in SKILL.md call:
- python
From the folder's file list and the shell code blocks in SKILL.md.
Network
No URLs in SKILL.md.
From URLs in SKILL.md, links to its own repository left out.
Credentials
Names no API keys, tokens, secrets or passwords.
From names ending in _API_KEY, _TOKEN, _SECRET, _KEY or _PASSWORD in SKILL.md.

Context cost

Quantdb Fields loads about 3.1k tokens when it runs. Until then it costs about 76 tokens; SKILL.md has 1,019 words of instructions outside code blocks.

Always · name and description, kept in context so the agent knows when to use it: ~76
When it runs · the whole SKILL.md, loaded when a task matches: ~3.1k

Estimates: characters ÷ 4, the usual rule of thumb; real counts depend on the model's tokenizer. Scripts and assets cost tokens only if the agent reads them.

Safety

Auto-check passed

The automated check found no risky patterns in SKILL.md.

Automated static check — not a guarantee. Review scripts before installing. It scans the text of SKILL.md for risky patterns (piping downloads into a shell, reading credential files, hidden Unicode, destructive commands); files beside SKILL.md are not scanned.

SKILL.md

The full file from qusong0627/QuantMind at commit 17c9e29, republished under its AGPL-3.0 licence (© qusong0627). 1,019 words, ~3,150 tokens.

Download SKILL.mdSave it as .claude/skills/quantdb-fields/SKILL.md (or your agent's skills folder).

name: quantdb-fields
description: QuantDB 字段单位速查手册 — 全部数据集实测验证的单位、口径与陷阱（个股 volume=股/amount=万元、指数 volume=手、L2原始逐笔 l2_data/tick_data、technical % vs l1 小数、dividend_rate 百分数、PG 前缀 symbol）。用 QuantDB 数据做分析/回测/报告、判断成交量/成交额/股息率/换手率单位、读逐笔委托/成交/十档盘口、排查数据口径不一致时使用。触发词：字段单位、成交量单位、成交额单位、股还是手、万元、股息率、数据口径、L2、逐笔、委托、成交明细、十档盘口、tick_data、wind

⚙️ 本技能遵循公共运行环境契约（最高优先级，先于本文其余内容执行）：详见 _shared/env-contract.md，执行前先读它。

quantdb-fields — QuantDB 字段单位速查手册

用 QuantDB 数据做任何分析/回测/报告前必读。所有单位均为 2026-08 直接读本地 parquet 实测验证（不是照抄文档）。单位搞错的后果：成交额差 1 万倍、股息率差 100 倍、换手率差 100 倍—— 分析结论全部作废。

一、通用规则（先记这个）

规则	说明
个股 OHLC = 元	开高低收统一为人民币元（与市值同量纲）
个股成交量 = 股	A 股 1 手 = 100 股，但 QuantDB 个股 kline 的 `volume` 单位就是股，不是手
个股成交额 = 万元	`amount = 5828.37` 表示 5828.37 万元（约 5828 万），不是元
指数成交量 = 手	`index_daily.volume` 单位是手（1 手 = 100 股），与个股相反！
市值 = 元	valuation 的 `total_mv/float_mv` 单位是元（工业富联 float_mv ≈ 1.31 万亿）
比例字段 ≈ 小数或 %	没有统一约定，按数据集查下表；% 的字段值 = 百分数（4.06 即 4.06%）
symbol 格式按数据源分	parquet 用后缀 `601138.SH`；PG 的 `stock_daily_latest` 用前缀 `SH601138`
验证公式	个股 `close*volume/amount ≈ 1e4`（股+万元）；指数 ≈ 2e4（手+万元）

二、1_kline_data 日线（daily_forward / daily_backward / daily_unadjusted）

字段	单位	实测依据
`volume`	股	601138 20260814 volume=4704920 股，amount=5828.37 万元，close*volume/amount≈1e4
`amount`	万元	同上（close 66.19 × 470 万股 ≈ 3.1 亿 ≈ 31163 万元，与 amount 同量级吻合）
`open/high/low/close`	元（forward=前复权，backward=后复权，unadjusted=不复权）
单位切换传闻	不存在。20260721 前后 amount 均为万元、volume 均为股。曾有记忆说 20260721 切换到"手/元"，实测已无此切换，按股/万元统一处理

min1/min5：同单位（volume=股、amount=万元），但数据停滞在 2026-07-24，用前先查最新日期。

三、L2 原始逐笔与十档盘口（1_kline_data/l2_data + tick_data，2026-08 新增）

万得(Wind) L2 数据，backend/scripts/wind_l2_import.py 从逐日 7z 压缩包（20260511.7z）导入。 当前实测只有 1 个交易日 20260511（order 1950 + trade 1721 = 3671 文件，部分标的仅其一），用前先查日期覆盖：ls data/quantdb/1_kline_data/l2_data/ | grep -oE '[0-9]{8}' | sort -u。

文件命名：order_{code}_{date}.parquet / trade_{code}_{date}.parquet，code 为下划线格式 000001_SZ（对应后缀 000001.SZ）。time 单位统一为 UTC 毫秒（万得 hhmmssmmm 转 UTC，北京 09:15:00 = 01:15:00 UTC），覆盖 09:15 集合竞价到 15:00 收盘。

逐笔委托 order_

字段	单位/格式	说明
`time`	UTC ms	09:15 集合竞价 → 15:00 收盘
`order_id`	int	交易所委托号（可与 trade_.ask_order_id/bid_order_id 配对）
`channel`	str	委托编号
`order_type`	str	`'0'`=普通委托、`'U'`=撤单、`'1'`=其余
`direction`	str	`'B'`=买 / `'S'`=卖
`price`	元	万得 ×10000 → 元（已归一）；集合竞价未定价委托 price=0
`volume`	股

逐笔成交 trade_

字段	单位/格式	说明
`time`	UTC ms	同上
`trade_id`	int	成交编号
`trade_type`	str	`'C'`=集合竞价成交 / `'0'`=连续竞价
`direction`	str	`'B'`/`'S'`/`' '`（集合竞价段=空格）
`price`	元，未复权	与 `daily_unadjusted` 对齐（实测 000001.SZ 20260511 末笔 11.28 = unadjusted close 11.28）；与 `daily_forward` 前复权 close 有除权差（有分红送转者差数十%）
`volume`	股	⚠️ 沪≈日线量、深≈2×日线量（见坑1）
`ask_order_id` / `bid_order_id`	int	叫卖/叫买序号 → 配对逐笔↔委托

tick_data 十档盘口快照（18 列）

列	单位	说明
`lastPrice/open/high/low/lastClose`	元
`amount`	混源	⚠️ 见坑2
`volume`	混源	当日累计成交量
`pvolume`	笔	连续竞价成交笔数（wind 导入有值）；旧导入=0（可作来源判据）
`askPrice/bidPrice`	array(10)	十档价，元
`askVol/bidVol`	array(10)	十档量，股
`stockStatus`	int	BS 标志
`openInt/settlementPrice/lastSettlementPrice`	—	期货占位字段，A股多为 0

⚠️ 三个必踩的坑

沪/深成交量双口径：逐笔成交 volume 求和，沪 SH = 日线 volume（实测 600714.SH 求和 34825501≈日线 34825500）； 深 SZ ≈ 1.8~2.1× 日线 volume（实测 002830 1.92×、300521 2.11×、000999 1.79×、000001 1.88×）。 → 逐笔求和不能当当日成交量，深市除 ~2 或直接与日线对账。
tick_data 单位混源：同一目录内单位不统一——wind_l2_import 导入的（如 20260511）volume=股、amount=万元；更早 QuantDB tick 同步的（如 20260720）volume=手、amount=元。实测：20260511 最后快照 volume 93186521≈日线 93186520 股、amount 104743.53≈104743.54 万； 20260720 volume 1567304 手×100=156730400 股、amount 1713460189 元=171346.02 万。 → 用前必须拿最后一条快照对账日线，或按 pvolume（0=旧/手·元，>0=wind/股·万元）区分。
价格=未复权真实成交：有除权除息时与前复权日线差一个复权因子（实测 002830.SZ 20260511 L2 末笔 24.08 vs 前复权 close 17.06）；算收益需先统一复权口径。

导入命令（手动增量，不吃 quantdb_daily_sync）

bash

python backend/scripts/wind_l2_import.py --archive /path/to/20260511.7z                      # 全市场
python backend/scripts/wind_l2_import.py --archive ... --symbols 000001.SZ,600519.SH         # 指定标的
python backend/scripts/wind_l2_import.py --archive ... --force                               # 覆盖重导

文件名即日期（20260511.7z → 20260511），流式逐股解压导入、可断点续跑（已存在三件套自动跳过）。容器内 7z 默认 /opt/p7zip-legacy/bin/7z，数据目录自动探测 /data/quantdb 或本地 data/quantdb。

四、1_kline_data/index_daily 指数日线（⚠️ 与个股相反）

字段	单位	实测依据
`volume`	手（×100=股）	上证 000001.SH 20260814 volume=499525600 手 = 499.5 亿股（合理）；close*volume/amount=19808≈2e4
`amount`	万元	99037192 万元 = 9903.7 亿元 ≈ 上证单日成交额 ✓
`close`	点位	3927.18

反推：指数平均股价 = close×100/(close×volume/amount) = close×100/19808 ≈ 19.8 元/股，符合 A 股平均股价，故 volume 必为手。

五、5_technical_derived 技术衍生

valuation（估值）

字段	单位	注意
`close`	元，不复权	601138 close=66.19（与 technical_indicators 的后复权 close=70.05 不同）
`total_mv / float_mv`	元	float_mv=1313480468277.96 ≈ 1.31 万亿 ✓
`total_capital / circulating_capital`	股	19844092284 股 ≈ 198.4 亿股
`net_profit_ttm / revenue_ttm / equity / annual_net_profit`	元
`pe_ttm / pe_static / pb / ps_ttm`	倍
`dividend_rate`	%（百分数值）	0.148 = 0.148%！公式 = 近一年每10股派息/10/close×100。601138: 0.98/10/66.19×100=0.1481 ✓；600519: 51.98/10/1341.99×100=0.3873 ✓。把它当小数会差 100 倍
`dividend_rate` 口径切换	20260814 起	此前为小数口径（每10股派息/不复权close，如 0.98/65.60=0.01494）；20260814 起切换为百分数口径（×100）。同字段历史不连续，跨 20260814 分析需 ×10 归一

technical_indicators（技术指标）

字段	单位	陷阱
`close`	后复权	601138=70.05，与不复权 66.19 不同；凡基于 close 算的指标都是后复权口径
`volume_ma_3/5`	股
`amount_ma_5`	万元
`pct_change`	%	1.4717 = 1.47%
`future_return_1d / future_return_20d`	未来 N 日收益（标签）	2026-09 由 `return_Nd` 改名；勿当历史动量或过滤条件（标签泄漏）。历史动量用 `pct_change` / l1 `mom_ret_*`
`vol_std_20`	%	4.0578 = 4.06%（l1 里同名字段是小数 0.0406，差 100 倍！）
`vol_atr_14`	元	3.58 元（l1 同名字段也是元，一致）
`macd_hist / rsi_14 / kdj_*`	原始指标值	与 l1 一致

market_sentiment（市场情绪）

字段	单位
`close`	不复权
`turnover_rate` 等比率	小数（0.02 = 2%）
`momentum_*`	%（百分数值）

六、6_ml_datasets 因子

features_daily（技术+估值合并表，78 列，2026-09 起新增 30 列）

基础 46 个数值列单位与 technical_indicators / valuation 一致；新增 30 列全部以字符串存储，用前先转数值：

字段	单位	实测/注意
`dividend_rate`	小数口径（无 ×100）	与 valuation 不同！公式 = 每10股派息/不复权close（0.98/66.19=0.0148），从未切换口径。valuation 20260814 起是它的 10 倍。特征快照 generate_feature_snapshots.py 已 ×10 归一到百分数口径
`total_mv / float_mv / pe / pb 等`	与 valuation 完全一致	实测 601138 全部 ✓
`total_cap_yi / float_mv_yi`	亿元	实测 `×1e8/total_mv=1.000`、`×1e8/float_mv=1.000`（与本表 `total_mv/float_mv`（元）差 1e8）
`free_float_shares`	万股（自由流通股本）	`×1e4` 转股；000001.SZ=816056.58 万股≈81.6 亿股（自由流通 < 流通股本，勿与 `circulating_capital` 混用）
`hs_turnover`	%（换手率）	如 0.43 / 1.71，max≈76
`zaf`	%（当日涨跌幅）	与 `pct_change` 高度一致（corr=0.986，-0.93 vs -0.928）
`seal_strength`	无量纲（封板强度，≈1.0 封住）	如 1.02
`ever_zt_count` / `year_zt_days`	计数（整数）	曾涨停次数 / 年内涨停天数
`ipo_price`	元	发行价
`zt_price` / `dt_price`	元（基于不复权价）	涨停价/跌停价；⚠️ 与表内前复权 close 不同口径（勿直接比；000001.SZ: zt=13.04/dt=10.67 vs 前复权 close=18.16）
`beta_now`	无量纲（beta）	与 `beta_20` corr≈0.71（窗口/口径不同）
`dyna_pe` / `static_pe_ttm`	倍	⚠️ 含负哨兵（实测 -686 / -897），亏损股勿直接用
`div_yield`	%（百分数值）	5.14=5.14%；与本表 `dividend_rate`（小数 0.0508）差 100 倍
`pb_mrq`	倍	≈`pb`（`pb_mrq/pb` median=1.000）
`list_date`	字符串 `YYYYMMDD`	如 '19910403'
`industry_code / industry_name`	字符串	128 细分行业（X5001 / 全国性银行）
`sector_code`	字符串	如 881386
`region_area_code / region_area_name`	字符串	32 地区板块（18 / 深圳板块）
`main_business`	中文文本	主营业务
`in_hs300 / is_hsgt / is_margin / is_kcb_creatable / is_st / is_quit_risk / is_hk`	字符串 `'0'/'1'`	标记位（转 int 后再过滤/统计）

Show full SKILL.md (355 more words)Show less

l1_factors（一级因子，decimal 为主）

字段	单位
收益率类 `mom_ret_*`	小数（0.0147 = 1.47%）
`vol_std_*`	小数（0.0406 = 4.06%；与 technical_indicators 的 % 版本差 100 倍）
`vol_atr_14`	元（3.55 元）
`fun_total_mv`	ln(市值元) —— 用时要 exp()
分位数/percentile 字段	0~1 小数
`liq_* / fun_turnover / fun_mv`	部分日期为 None，注意补缺

l2_factors（二级因子，flow 金额注意）

字段	单位	实测依据
`flow_net_amount / flow_buy/sell / flow_super/large/medium/small_net`	万元（2026-09 起）	与同表 `amount` 同量纲：`flow_net_amount/amount≈flow_net_ratio`；此前为元（`flow/(amount×1e4)≈ratio`）
`flow_*_ratio`	小数
`vol_turnover_total`	股	与 kline volume 完全相等 ✓
分区	已恢复日更	⚠️ top 少数净流入可能厂商同值封顶

读入归一：backend/shared/quantdb_flow_units.py 自动把万元→元（兼容旧分区），下游再 /1e8→亿、×1e-6→百万元。

flow 灌入口径（update_sdl_complete_pipeline.py）：假定源为元时 /1e6→百万元；新版万元源须先 ×1e4。

七、PG 表 stock_daily_latest（API 服务数据源）

列	单位 / 格式	实测依据
`symbol`	前缀格式 `SH601138`（不是 601138.SH）	suffix 查询 0 行，prefix 查询 1072 万行
`volume`	股	601138 max_volume=633217088 股
`amount`	万元	601138 amount=5828.37，max_amount=3306339（万元）
`float_mv / total_mv`	元	float_mv=7095151630 元
`turnover_rate / flow_net_amount / main_flow`	NULL（未灌）	风险评分里"缺少换手率"由此而来
`volume_ratio_5`	倍（0.934）

八、research API 换算表（/research/features 等接口返回）

API 层 _UNIT_SCALES 把部分字段缩放后输出（L2 金额先归一为元）：

输出字段	缩放	输出单位	例
`totalMv / floatMv`	×1e-8	亿元
`mainFlow / flowNetAmount / flowLargeNet / flowMediumNet / flowSmallNet / flowSuperNet`	×1e-6	百万元	统一口径
`turnoverRate`	—	% 小数

九、3_financial_data 财务数据

数据集	字段	单位
`balance / income / cashflow`	各科目	元
`capital`	股本	股
`holder_num`	股东户数	户
`dividend_factors`	`interest`	每10股派息（元）——600519 每10股派 51.98 元，601138 派 0.98 元。算每股股息要 /10
`dividend_factors`	`stockBonus / stockGift / allotNum`	每10股送/转/配股数
`dividend_factors`	`dr`	除权因子（复权用）

十、2_base_sector

数据集	字段	单位	注意
`instrument_detail`	`Symbol`	后缀 601138.SH	HqDate 停滞 20260720，市值/估值滞后
	`J_zgb / FreeLtgb`	万股（1984409.25 万股 = 198.4 亿股）	与 valuation 的 circulating_capital(股) 差 1e4
	`J_yysy / J_jly / J_zzc` 等 J_*	万元（25107808 万 = 251 亿）	与 financials 的元差 1e4
	`Zsz / Ltsz`	亿元（11211.91 亿 ✓）
	`J_mgsy`	元（2.14 元/股）
	`fHSL`	不明（0.56，非换手率%，与自算 0.74% 不符），别当换手率用
	`TotalBVol`	不明（43555，量级像手，但远小于全天量）	L2 快照字段，非全天
	`DYRatio`	不可靠（600519=4.15 vs 真实 0.39%），别当股息率，用 valuation.dividend_rate
	`Yield`	不明（6078.44），勿用
`index_weights`	`Weight`	%	文件名 `000300.SH.parquet` 不是 `000300.parquet`
`trading_calendar`	`TradingDate`	YYYYMMDD int

十一、其他数据集

数据集	字段	单位	状态
`margin_trading`	`finance_*`	万元
	`slo_volume / slo_net`	股
`hsgt_north`	`holding_quantity` 股 / `holding_value` 元 / 比率 %		停滞 2024-08（北向改季度披露后）

十二、已知数据缺口（2026-08 实测）

min1/min5 分钟线停更（最新 2026-07-24）
~~l2_factors 分区停更~~ —— 已恢复（2026-08-19 实测至 20260818）
hsgt_north 北向明细停更（2024-08，改季度披露所致）
instrument_detail HqDate 滞后（20260720）
dt=20260729~20260802 个股日线有同步缺口（非交易日+同步中断） 5b. valuation dt=20260813 只有 101 行（同步缺口，dividend_rate 全 NaN），features_daily 同日 5543 行正常
technical_indicators / features_daily 的 future_return_*（旧 return_*）是未来收益标签，勿当历史动量过滤
stock_daily_latest 的 turnover_rate/flow_net_amount/main_flow 常为 NULL
l2_data 原始逐笔仅 20260511 单日 —— 万得按日 7z 手动导入（wind_l2_import.py），非自动日更
tick_data 单位混源 —— wind=股/万元，旧同步=手/元，对账前勿直接用

十三、分析前检查清单

确认数据源是 parquet 还是 PG/API（单位体系不同）
symbol 格式匹配数据源（parquet 后缀 / PG 前缀）
成交量：个股=股，指数=手
成交额：万元（API 输出已缩放为亿/百万）
波动率：technical_indicators 是 %，l1 是小数（差 100 倍）
股息率：valuation.dividend_rate 是 % 百分数值（0.148=0.148%），不是小数
close 口径：technical_indicators 是后复权，valuation 是不复权
市值：parquet 是元，instrument_detail 是亿元/万股，API 是亿元
财务：financials 是元，instrument_detail J_* 是万元
用前查数据最新日期（分钟线、l2、hsgt 都可能已停更）
L2 原始逐笔（l2_data）：先查日期覆盖（当前仅 20260511 单日），价格是未复权，逐笔求和沪≈日线量/深≈2×，别当成交量
tick_data：先拿最后一条快照对账日线（wind=股/万元 vs 旧同步=手/元，单位混源）

Files

Just SKILL.md in skills/quantdb-fields of qusong0627/QuantMind.

Open the folder on GitHubat commit 17c9e29

Compare with similar skills

Quantdb Fields next to the 5 skills that share the most tags, products or categories with it. Stars are the repository's; “used in” counts other GitHub owners with a copy.

Quantdb Fields compared with similar skills
Skill	Stars	Used in	Tokens	Auto-check	Licence	Repo updated
Quantdb Fields this skillqusong0627/QuantMind	1.7k	—	~3.1k	Automated safety check: Pass	AGPL-3.0	yesterday
Technical Analysttradermonty/claude-trading-skills	3k	5 repos	~4.6k	Automated safety check: Pass	MIT	yesterday
Creating Financial ModelsChen-zexi/open-ptc-agent	730	4 repos	~1.3k	Automated safety check: Pass	MIT	8 mo ago
Theme Detectortradermonty/claude-trading-skills	3k	2 repos	~4.9k	Automated safety check: Pass	MIT	yesterday
Stock APIzhangxiangliang/stock-api	2k	—	~507	Automated safety check: Pass	MIT	today
Itr Walakaranb192/itr-wala	871	—	~3.6k	Automated safety check: Pass	MIT	3 days ago

Similar skills

Technical Analyst
tradermonty/claude-trading-skills
This skill should be used when analyzing weekly price charts for stocks, stock indices, cryptocurrencies, or forex pairs.
3k GitHub starsUsed in 5 repos~4.6k tokens
Business, Finance & HRAuto-check passed
Creating Financial Models
Chen-zexi/open-ptc-agent
This skill provides an advanced financial modeling suite with DCF analysis, sensitivity testing, Monte Carlo simulations, and scenario planning for investment decisions
730 GitHub starsUsed in 4 repos~1.3k tokens
Business, Finance & HRAuto-check passed
Theme Detector
tradermonty/claude-trading-skills
Detect and analyze trending market themes across sectors. An agent skill from tradermonty/claude-trading-skills.
3k GitHub starsUsed in 2 repos~4.9k tokens
Business, Finance & HRAuto-check passed
Stock API
zhangxiangliang/stock-api
Fetch real-time stock quotes, K-line (candlestick) history, and search symbols for China A-shares, Hong Kong, and US markets.
2k GitHub stars~507 tokensUpdated today
Business, Finance & HRAuto-check passed
Itr Wala
karanb192/itr-wala
File Indian income tax returns (ITR) for FY 2025-26 / AY 2026-27.
871 GitHub stars~3.6k tokensUpdated 3 days ago
Business, Finance & HRAuto-check passed
Tushare Data
zillionare/zillionare
面向中文自然语言的 Tushare 数据研究技能。用于把“看看这只股票最近怎么样”“帮我查财报趋势”“最近哪个板块最强”“北向资金在买什么”“给我导出一份行情数据”这类请求，转成可执行的数据获取、清洗、对比、筛选、导出与简要分析流程。适用于 A 股、指数、ETF/基金、财务、估值、资金流、公告新闻、板块概念与宏观数据等研究场景。
318 GitHub starsUsed in 2 repos~2.3k tokens
Business, Finance & HRAuto-check passed

Questions about Quantdb Fields

What does Quantdb Fields do?

QuantDB 字段单位速查手册 — 全部数据集实测验证的单位、口径与陷阱（个股 volume=股/amount=万元、指数 volume=手、L2原始逐笔 l2data/tickdata、technical % vs l1 小数、dividendrate 百分数、PG 前缀 symbol）。用 QuantDB…. Quantdb Fields is an agent skill from qusong0627/QuantMind.

When should I use Quantdb Fields?

Quantdb Fields fits situations like: business, Finance & HR work in your project.

How do I install Quantdb Fields in Claude Code?

Run `npx skills add qusong0627/QuantMind --skill quantdb-fields -a claude-code`. Or copy the skill folder (skills/quantdb-fields in qusong0627/QuantMind) into .claude/skills/quantdb-fields in your project. Claude Code loads it when a task matches its description.

How do I install Quantdb Fields in Codex?

Run `npx skills add qusong0627/QuantMind --skill quantdb-fields -a codex`. Or copy the skill folder (skills/quantdb-fields in qusong0627/QuantMind) into .agents/skills/quantdb-fields in your project. Codex loads it when a task matches its description.

Can I use Quantdb Fields in Cursor, Gemini CLI or GitHub Copilot?

Cursor, Gemini CLI, GitHub Copilot and OpenCode also load SKILL.md folders. With the skills CLI, run `npx skills add qusong0627/QuantMind --skill quantdb-fields -a cursor` (or -a gemini-cli, github-copilot or opencode for the others). To copy it by hand, put the folder in .cursor/skills/quantdb-fields, .gemini/skills/quantdb-fields, .github/skills/quantdb-fields and .opencode/skills/quantdb-fields in your project.

What does Quantdb Fields need to run?

Going by SKILL.md and its folder, Quantdb Fields needs the command-line tools its instructions call (python). Our summary lists: Python 3.

Does Quantdb Fields access the network?

SKILL.md contains no URLs. Any network use would come from the scripts or tools the agent runs. This is read from the text; nothing was executed.

Is Quantdb Fields safe to install?

Our automated static check of SKILL.md found no risky patterns, such as piping downloads into a shell, reading credential files or hidden Unicode. It is not a guarantee. Review the folder before installing.

What licence does Quantdb Fields use?

Quantdb Fields is published under the AGPL-3.0 licence (the repository's licence). It allows redistribution, so the full SKILL.md is shown on this page.

How many tokens does Quantdb Fields use?

About 3.1k tokens (SKILL.md is roughly 13k characters). Agents keep only the skill's name and description in context until a task matches; then they load SKILL.md in full.

What are the alternatives to Quantdb Fields?

Skills that share tags, products or a category with Quantdb Fields: Technical Analyst (tradermonty/claude-trading-skills, 3k stars), Creating Financial Models (Chen-zexi/open-ptc-agent, 730 stars), Theme Detector (tradermonty/claude-trading-skills, 3k stars) and Stock API (zhangxiangliang/stock-api, 2k stars). The comparison table on this page puts their stars, adoption, token cost, safety result and licence side by side.

Who maintains Quantdb Fields?

qusong0627 (a GitHub user) maintains it in qusong0627/QuantMind, which has 1,711 GitHub stars. The repository holds 27 skills in this directory. The repository was last updated on October 6, 2026.

Source: qusong0627/QuantMind on GitHub. Facts on this page come from the repository at the commit we read; the author's words are quoted as theirs.

Install Quantdb Fields

Facts

At a glance

What it does

When your agent uses it

Example prompts

Requirements

Workflow steps

What it can do on your machine

Tool permissions

Runs code

Network

Credentials

Context cost

Safety

SKILL.md

quantdb-fields — QuantDB 字段单位速查手册

一、通用规则（先记这个）

二、1_kline_data 日线（daily_forward / daily_backward / daily_unadjusted）

三、L2 原始逐笔与十档盘口（1_kline_data/l2_data + tick_data，2026-08 新增）

逐笔委托 order_

逐笔成交 trade_

tick_data 十档盘口快照（18 列）

⚠️ 三个必踩的坑

导入命令（手动增量，不吃 quantdb_daily_sync）

四、1_kline_data/index_daily 指数日线（⚠️ 与个股相反）

五、5_technical_derived 技术衍生

valuation（估值）

technical_indicators（技术指标）

market_sentiment（市场情绪）

六、6_ml_datasets 因子

features_daily（技术+估值合并表，78 列，2026-09 起新增 30 列）

l1_factors（一级因子，decimal 为主）

l2_factors（二级因子，flow 金额注意）

七、PG 表 stock_daily_latest（API 服务数据源）

八、research API 换算表（/research/features 等接口返回）

九、3_financial_data 财务数据

十、2_base_sector

十一、其他数据集

十二、已知数据缺口（2026-08 实测）

十三、分析前检查清单

Files

Compare with similar skills

Similar skills

More from qusong0627/QuantMind

Related

Questions about Quantdb Fields