企业官网建设流程全解析

Vibe-Trading 实战：基于 Tushare margin 接口构建融资融券交易汇总数据分析流水线

【免费下载链接】Vibe-Trading"Vibe-Trading: Your Personal Trading Agent"项目地址: https://gitcode.com/GitHub_Trending/vi/Vibe-Trading

融资融券交易汇总（接口margin）是观察 A 股杠杆资金动向的核心数据源，它按交易所维度汇总每日融资买入、融资偿还、融券卖出与各类余额，直接支撑市场情绪研判、板块轮动追踪与系统性风险监控。本文以 Tushare 官方接口文档 融资融券交易汇总 为骨架，结合 Vibe-Trading 仓库中 Tushare Skill 的实际配置方式、同系列接口与情绪分析应用，完整讲解该接口的参数语义、返回字段、计算口径、权限限制与批量拉取实战，帮助你直接将其接入自己的量化数据流水线。

一、接口概述：定位、数据来源与权限门槛

margin接口用于获取沪深京三市每日融资融券交易汇总数据，即把全市场所有融资融券标的按交易所聚合为每日一行。它与同目录下的明细接口互补：

完整接口清单（含 ID、分类、描述）记录在 SKILL.md 的数据接口列表中，margin归入「股票数据 / 两融及转融通」分类。

关于该接口需要记住三个硬性约束：

• 限量：单次请求最大返回4000 行数据，超出部分需要按日期循环分页拉取；
• 权限：2000 积分可获得本接口权限，积分越高权限越大（更高积分通常对应更宽松的调用频次与总量限制）；
• 数据来源：融资融券数据从证券交易所网站直接获取，提供了有记录以来的全部汇总和明细数据。根据交易所网站提示，数据根据券商申报的数据汇总，由券商保证数据的真实、完整、准确。

二、输入参数详解：四种筛选维度

margin接口的全部输入参数均为可选（必选列均为 N），支持按交易日、日期区间与交易所任意组合筛选：

使用要点：

• 单日查询：直接传trade_date，返回当日全部交易所的汇总行（每交易所一行）；
• 区间查询：传start_date/end_date，适合一次拉取多日数据，但要受 4000 行上限约束；
• 单所筛选：叠加exchange_id可只取特定交易所，例如只看上交所（SSE）的融资融券余额，既缩小返回体积，也是规避 4000 行上限的常用手段；
• 日期格式务必统一为YYYYMMDD，与 Tushare 全站参数格式约定一致（SKILL.md 中「参数格式说明」明确：日期为 YYYYMMDD，股票代码为 ts_code 格式，返回 pandas DataFrame）。

三、输出参数详解：九个字段的业务含义

接口返回 9 个字段，覆盖融资（rz 前缀）与融券（rq 前缀）两条业务线：

理解这组字段的关键在单位与口径：

• 金额类字段（rzye、rzmre、rzche、rqye、rzrqye）单位均为元，从样例数据可见其数值量级为e+11（数千亿元），读作时应除以 1e8 换算为亿元便于展示；
• 数量类字段（rqmcl、rqyl）单位为股/份/手：标的证券为股票时按股、为基金时按份、为债券时按手（该单位说明同时出现在明细文档 融资融券交易明细 中）；
• rzrqye（融资融券余额）=rzye+rqye，是全市场杠杆资金规模的直接量度。

四、快速上手：Token 配置与两种调用方式

在 Vibe-Trading 仓库中，Tushare 的 Token 通过环境变量TUSHARE_TOKEN配置，其声明位于 env_schema.py（tushare_token: str = Field(alias="TUSHARE_TOKEN", default="")）。配置方式有两种：

# 方式一：命令行环境变量 export TUSHARE_TOKEN=your_token # 方式二：项目配置中心（等价于写入 TUSHARE_TOKEN 环境变量） # 详见 agent/src/api/settings_routes.py 中 token 的保存与注入逻辑

示例脚本 股票数据获取示例 给出了标准的初始化模式——优先读取项目配置中心的 Token，缺失时回退到 tushare 本地记录的 Token：

import os import tushare as ts import pandas as pd from src.config.accessor import get_env_config token = get_env_config().data.tushare_token or ts.get_token() pro = ts.pro_api(token)

初始化pro实例后，margin接口支持两种等价调用方式：

# 方式一：直接方法调用 df = pro.margin(trade_date='20180802') # 方式二：通用 query 接口 df = pro.query('margin', trade_date='20180802', exchange_id='SSE')

返回值为 pandas DataFrame。以trade_date='20180802'为例，原始数据样例为：

trade_date exchange_id rzye rzmre rzche \ 0 20180802 SZSE 3.495054e+11 1.347549e+10 1.463921e+10 1 20180802 SSE 5.311746e+11 1.484584e+10 1.573947e+10 rqye rqmcl rzrqye 0 1.083380e+09 24418046.0 3.505888e+11 1 6.029618e+09 83721012.0 5.372042e+11

可见 2018-08-02 当天深市（SZSE）融资余额约 3495 亿元、沪市（SSE）约 5312 亿元，两者相加即为当日全市场融资余额。建议在读取后对trade_date统一做字符串到datetime的转换，并将金额列除以 1e8 转换为「亿元」单位以便可视化。

五、批量拉取实战：突破 4000 行上限

单次请求最多返回 4000 行，而 A 股 2010 年至今约 3700+ 个交易日，按交易所展开约 1 万行以上，因此多日期历史回补必须循环拉取。推荐两种策略：

策略一：按交易日逐日拉取（最稳健）

import tushare as ts pro = ts.pro_api() def fetch_margin_by_day(start_date: str, end_date: str): """逐日拉取，每天一次请求，天然规避 4000 行上限。""" import pandas as pd from tushare.util import dateu as _ # 仅示意，实际可用交易日历接口生成日期序列 frames = [] # 用 trade_cal 接口生成 A 股交易日序列，再逐日请求 cal = pro.trade_cal(exchange='SSE', start_date=start_date, end_date=end_date, is_open='1') for day in cal['cal_date'].tolist(): df = pro.margin(trade_date=day) if df is not None and not df.empty: frames.append(df) return pd.concat(frames, ignore_index=True) margin_all = fetch_margin_by_day('20240101', '20241231')

策略二：按日期区间 + 交易所拆分（请求数更少）

单日两市最多 3 行（SSE/SZSE/BSE），4000 行上限意味着单次请求可覆盖上千个交易日。若只需单一交易所，可放心使用大区间：

# 单所大区间：上交所 2024 全年一次拉取 df = pro.margin(exchange_id='SSE', start_date='20240101', end_date='20241231') # 跨所全量时，再对每个交易所分别拉取后 concat import pandas as pd parts = [] for ex in ('SSE', 'SZSE', 'BSE'): parts.append(pro.margin(exchange_id=ex, start_date='20240101', end_date='20241231')) df = pd.concat(parts, ignore_index=True).sort_values(['trade_date', 'exchange_id'])

实战建议：以exchange_id为主拆分维度、以日期区间为次拆分维度，既能把每次返回控制在限额内，又便于按交易所建分区表。拉取后注意两点：一是BSE（北交所）纳入两融体系的时间较晚，早期日期没有对应记录属正常现象；二是节假日无交易日数据，拼接结果中天然缺行。

六、数据口径与统计规则：理解余额是如何算出来的

要正确解读字段，必须掌握交易所的汇总口径。文档「说明」部分明确给出了四组递推公式：

本日融资余额(元) = 前日融资余额 + 本日融资买入 - 本日融资偿还额 本日融券余量(股) = 前日融券余量 + 本日融券卖出量 - 本日融券买入量 - 本日现券偿还量 本日融券余额(元) = 本日融券余量 × 本日收盘价 本日融资融券余额(元) = 本日融资余额 + 本日融券余额

这组公式有三个值得注意的推论：

1. 融资余额是存量而非流量：它反映的是「截至当日收盘全市场借来的资金还剩多少」，因此跨日对比要关注净变化量（融资净买入 =rzmre - rzche），而非原始余额本身；
2. 融券余额依赖收盘价：rqye不是直接申报值，而是「融券余量 × 当日收盘价」的估值，因此同一天融券余量不变时，个股价格波动也会引起融券余额变化——解读时要分清是「量的变化」还是「价的变化」；
3. 2014-09-22 起口径扩大：自该日起，「融资融券交易总量」数据包含调出标的证券名单的证券的融资融券余额。也就是说，标的调出两融名单后其存量余额仍被计入汇总，历史对比跨过这一日期时要注意口径跳变，避免把口径变化误读为资金面变化。

另外，转融资（slb_len）接口的样例显示其金额单位为亿元（字段ob/cb为期初/期末余额），与margin接口的「元」不同，跨接口对账时务必先统一单位（参见 转融资交易汇总）。

七、在 Vibe-Trading 中的实战应用：从数据到信号

融资融券汇总数据在 Vibe-Trading 中并不只是孤立的数据源，而是被纳入情绪分析与板块轮动等研究链路：

1. 杠杆资金情绪信号（情绪分析 Skill）

情绪分析 的「融资融券信号（A股）」章节给出了基于这些字段的研判框架：

• 融资余额：底部企稳后连续增加是看多信号；高位加速增加则需警惕过热（历史极端值如 2015 年牛市顶部约 2.27 万亿、2018 年熊市底部约 0.76 万亿）；
• 融资净买入：连续 5 天净买入看多，连续 5 天净卖出看空；
• 融券余额：大幅增加后回落代表空头回补（偏多）；突然大增则提示有人集中做空；
• 融资/融券比：比值回落后反弹偏多，极端高位提示杠杆过热；
• 经验法则：融资余额月增/月减超 10% 分别触发过热与恐慌警示。

用margin汇总数据落地这些规则非常直接：rzye的周环比/月环比对应「融资余额变化率」，rzmre - rzche对应「融资净买入」，rqye对应「融券余额」。同时注意该 Skill 中特别提醒：融资融券数据为 T+1 日公布，存在滞后，信号落地时需错位对齐交易日期，避免未来函数。

2. 板块与市场轮动的杠杆验证（行业轮动 Skill）

行业轮动 将「融资余额变化」作为杠杆资金方向指标纳入轮动因子库，用于验证趋势强度：融资余额持续流入通常与指数上行互相印证，反之则提示趋势资金动能减弱。汇总数据的交易所粒度恰好适合做「沪市 vs 深市」的杠杆结构对比，结合margin_detail的个股粒度可下钻到具体标的。

3. 与其他数据源的交叉验证

• 两融数据同样由东方财富 Skill 提供免费免鉴权入口get_margin_trading（见 Eastmoney Skill），可与 Tushare 的margin/margin_detail做双源交叉校验，发现某个源数据缺失或异常时自动降级到另一源（数据路由层在 contenteditable="false">【免费下载链接】Vibe-Trading"Vibe-Trading: Your Personal Trading Agent"项目地址: https://gitcode.com/GitHub_Trending/vi/Vibe-Trading