港股数据本地化应用指南从港股通标的到港股F10的数据清单对多数把股票数据重心放在A股的研究者来说港股是绕不开又最容易踩坑的一块主板几千只标的再加上窝轮、牛熊证这类A股没有的特色品种港股数据是三个市场里结构最复杂的。难点不在拿不到数据而在机制不同——交易时段错开、没有涨跌停、港币计价、休市日历独立。这份港股数据清单按使用者场景推进同时充当一份跨市场股票数据的衔接手册。全文只讨论数据方法不构成任何投资建议。一、为什么港股数据需要本地化三个机制差异决定了港股数据的处理不能照搬A股股票数据的那套习惯。第一是交易日历差异。港股有独立的休市安排圣诞、复活节、佛诞日等假期与A股不同历史上台风还常触发临时休市近年虽已改为恶劣天气下维持交易安排与A股依然不同。用A股的交易日历去对齐港股数据会凭空多出断点。第二是汇率口径。港股以港币计价结算把港股数据与人民币资产放进同一张表比较时货币口径必须先统一否则所有跨市场结论都带着汇率噪音。第三是盘口机制差异。港股没有涨跌停限制最小变动价位按价格分档实行 T0 回转交易行情形态、成交流速都与A股股票数据明显不同。还有一个容易被忽略的细节港股盘口按经纪席位拆分展示与A股按委托聚合的方式不同同一个价格档位背后的信息结构并不一样。研究时依赖的股票数据字段并不完全对齐直接照搬A股的处理流程会静默出错这也是本地股票数据流程需要做字段级校验的原因。机制差异叠加几千只标的的数量规模让在线接口逐只回补的成本高到不现实本地化是唯一划算的路径。以 ig50 这类本地股票数据方案为例331 个数据集覆盖A股含基金、港股、美股全市场行情 3 秒更新港股实时行情 2 秒落盘所有股票数据以 JSON 文本文件存在本地没有 API 限流数据自主可控。二、港股数据清单总览四层结构按用途把港股数据分成四层列表层圈标的、行情层看价格、逐笔层看微观、F10层看基本面每一层都落进本地股票数据目录对应明确的接口路径与更新频率。列表层base/gphk这是整份股票数据清单的第一层。字段包括股票或指数代码、名称、是否指数、是否主板、是否创业板、是否港股通。每天 0 点更新把主板几千只标的、创业板标的与主要指数收进同一份列表。是否港股通这个字段是跨市场研究的入口后面单独展开。行情层实时行情与历史K线行情层是港股数据里更新最快的一层。实时行情接口路径 time/hk/real/{股票或指数代码}2 秒落盘是股票数据里少见的更新节奏。历史K线路径 time/hk/history/trade/{代码}/{级别}短分时约 4 万根日线及以上级别提供全历史。逐笔层time/hk/real/trace逐笔层是港股数据里颗粒度最细的部分。逐笔成交接口路径 time/hk/real/trace/onebyone/{代码}记录每一笔成交的方向与数量成交明细接口路径 time/hk/real/trace/timedeal/{代码}按时间序列给出成交明细。这一层是研究盘口行为与流动性的原料。F10层time/hk/f10 系列涵盖 dividend 分红派息、equitychange 股权变更、holder 股东、finmainindex 财务主要指标、rating 投资评级、corporateevent 公司事件、manager 管理层、warrant 窝轮、cbbc 牛熊证等模块是港股基本面的主体数据。层次接口路径更新频率核心内容主要用途列表层base/gphk每天0点是否港股通、是否主板、是否创业板圈定标的池行情层time/hk/real、time/hk/history/trade实时2秒落盘实时报价、短分时4万根、日线全历史盯盘与复盘逐笔层time/hk/real/trace盘中持续逐笔成交、成交明细微观结构研究F10层time/hk/f10 系列定期分红、股东、财务指标、评级、窝轮、牛熊证基本面研究再把A股与港股数据机制差异放进同一张表处理股票数据时该改哪里一目了然。对比维度A股港股交易时段上午9:30-11:30、下午13:00-15:00上午9:30-12:00、下午13:00-16:00另有开市前竞价与收市竞价涨跌停制度主板10%创业板与科创板20%无涨跌停限制结算货币人民币港币最小变动价位股票统一0.01元按价格分档从0.001港元到5港元不等回转交易T1T0这张对照表的价值不在背下来而在每接一个新流程时逐条过一遍凡是在A股依赖涨跌停、T1、统一最小变动价位的处理逻辑搬到港股数据上都要重新设计。三、场景一维护一份港股通标的观察池跨市场研究最常见的起点是圈出港股通标的。港股通标的500多只在主板几千只标的中只占一小部分但成交活跃、与A股联动最强绝大多数跨市场股票数据研究的标的池都从这里开始。先说结论观察池的价值不在大而在状态准确。500 多只港股通标的的全量快照体积并不大本地存储毫无压力没有必要为了省空间牺牲历史状态。列表层的是否港股通字段直接给出了标记但要用好它必须理解标的池的动态属性港股通标的池定期调整指数成分与市值变化会带来调入调出今天的是否港股通只反映今天的状态。把港股通标记当成随时间变化的序列而不是一个静态开关是维护这份观察池的核心心法。三条实战建议每天 0 点同步 base/gphk 落盘除了保留最新列表把每日快照也存下来未来才能还原任一天的港股通标的池状态。建一条变更日志记录每个标的调入调出港股通的日期跨市场事件研究的样本点就来自这条日志。被调出港股通的标的港股数据的删除要格外谨慎历史记录继续保留用时间区间标记它属于标的池的起止日期。四、场景二盘中实时监控与快照留存第二个场景是盘中盯盘。港股实时行情 2 秒落盘加上没有 API 限流意味着可以给整个观察池同时保持高频快照而不必在几百只标的里做取舍。股票数据从在线查询转为本地文件这是港股数据本地化之后最直观的变化JSON 文本落盘后监控脚本或 AI Agent 可以直接读取不需要额外的转换层。对把本地股票数据做成自动流水线的团队来说2 秒落盘的节奏足以支撑日内级别的统计快照序列还能用来复盘开盘竞价与尾盘竞价的博弈这些时段的数据在日常研究里最容易被忽视。三条实战建议快照按日期分目录存放文件名带时间戳收盘后把当日快照串成日内序列归档。港股午间休市时段快照自然断开属于正常现象做日内统计时按交易时段切分。监控字段里把是否港股通一并带上观察池内外的行情异动可以分开归因。五、场景三个股复盘与逐笔成交研究第三个场景是个股复盘。历史K线短分时约 4 万根对活跃标的能覆盖数十个交易日日线及以上是全历史回溯成本低。逐笔成交与成交明细则把复盘从价格层面下探到每一笔成交。复盘港股数据的合理顺序是先用日线定位事件日再用短分时看当日节奏最后用逐笔成交研究关键时段的买卖行为。与A股股票数据不同的还有收市竞价港股收盘阶段采用竞价机制尾盘成交口径与连续竞价不同对比两地股票数据的尾盘行为时要先对齐口径。在本地股票数据体系里逐笔层体积最大落盘前先定好观察范围再谈粒度。三条实战建议逐笔数据体量大只对重点标的落盘观察池整体保留行情快照即可。用成交明细统计大单出现时点配合港股通持股数据看资金属性。逐笔成交的方向字段是研究流动性的关键落盘时不要省略。六、场景四基本面研究与港股特色品种第四个场景围绕 F10 层展开。这九个模块构成了港股数据的 F10 层与A股大体对应但最后两个是港股特色A股没有对应物。F10模块接口简写核心内容与A股的对应关系分红派息f10/dividend派息记录、除净日对应分红送配股权变更f10/equitychange股本结构变动对应股本结构股东f10/holder主要股东持股对应股东数据财务主要指标f10/finmainindex收入利润与比率对应财务指标投资评级f10/rating券商评级汇总对应研报评级公司事件f10/corporateevent公司事件记录对应公告事件管理层f10/manager董事与高管对应高管信息窝轮f10/warrant窝轮发行与街货数据A股无对应物牛熊证f10/cbbc牛熊证发行与回收数据A股无对应物窝轮是发行商发行的权证有引申波幅、街货量等特有字段牛熊证带强制回收机制价格行为与正股的距离直接相关。研究港股而不用窝轮牛熊证数据等于放弃了港股市场里最活跃的一类交易品种的信息。把它们与正股行情放在同一份股票数据目录里联动分析才有完整的原料。窝轮与牛熊证虽不在港股通标的范围内却是观察正股情绪的放大器。对本地股票数据体系而言F10 层更新频率低、体积小适合整表定期落盘。七、跨场景的四条实战建议第一汇率换算统一口径。全流程固定用一个汇率快照日所有港股数据换算成同一种货币后再进入统计不要逐日混用不同日期的汇率。第二港股通标的调整前后做好衔接。标的池每期调整都会改变观察范围进出记录写进变更日志历史标记保留跨期统计时按当期口径分别计算每一次进出台的港股通事件本身就是一份时间序列值得单独留档。第三财报披露节奏与A股不同。港股没有强制季报中报与年报的披露期限也和A股不一致跨市场对比财务指标时按报告期对齐不要按自然季度硬凑。第四假期日历差异导致的数据断点。圣诞、复活节等假期都会造成港股数据缺口与A股数据做联合统计前先对两个市场的股票数据做交易日历对齐。八、用本地数据引擎搭建港股观察流的落地步骤第一步列表层打底。每天 0 点把 base/gphk 同步进 ig50 的本地数据目录保留是否港股通字段与每日快照同步维护变更日志。第二步圈定观察池。以 500 多只港股通标的为基础加上自选的非通标的形成跨市场研究的标的池。第三步盘中快照。实时行情 2 秒落盘把港股数据的盘中轨迹完整留在本地收盘后串成日内序列归档重点时段保留更细粒度。第四步重点下钻。对重点个股补逐笔成交与 F10 数据窝轮牛熊证数据与正股同目录存放。第五步跨市场衔接。与A股的本地股票数据目录统一规范与字段命名交易日历取交集汇率统一口径让两地股票数据可以在同一套流程里流转。五步跑完港股观察流就接入了与A股同一套数据节奏定时更新、自动落盘、随时回溯。九、结语港股数据的价值取决于清单是否完整、口径是否统一。列表层圈标的、行情层看价格、逐笔层看微观、F10层看基本面四个层次配齐再处理好汇率、日历、港股通调整这三个衔接点港股研究就能与A股研究共用一套本地化流程。ig50 这类本地数据引擎在其中扮演的角色是把四个层次的股票数据更新全部收回本地331 个数据集、3 秒全市场行情更新、JSON 文本落盘、没有 API 限流本地股票数据每沉淀一天下一次跨市场研究就少一分取数的成本。清单在手港股数据才从一次次零散的查询变成一套可积累的本地股票数据资产。资料参考ig50gitee开源地址github开源地址 港股数据本地化应用指南从港股通标的到港股F10的数据清单 IG50免费开源股票数据API接口
港股数据本地化应用指南从港股通标的到港股F10的数据清单对多数把股票数据重心放在A股的研究者来说港股是绕不开又最容易踩坑的一块主板几千只标的再加上窝轮、牛熊证这类A股没有的特色品种港股数据是三个市场里结构最复杂的。难点不在拿不到数据而在机制不同——交易时段错开、没有涨跌停、港币计价、休市日历独立。这份港股数据清单按使用者场景推进同时充当一份跨市场股票数据的衔接手册。全文只讨论数据方法不构成任何投资建议。一、为什么港股数据需要本地化三个机制差异决定了港股数据的处理不能照搬A股股票数据的那套习惯。第一是交易日历差异。港股有独立的休市安排圣诞、复活节、佛诞日等假期与A股不同历史上台风还常触发临时休市近年虽已改为恶劣天气下维持交易安排与A股依然不同。用A股的交易日历去对齐港股数据会凭空多出断点。第二是汇率口径。港股以港币计价结算把港股数据与人民币资产放进同一张表比较时货币口径必须先统一否则所有跨市场结论都带着汇率噪音。第三是盘口机制差异。港股没有涨跌停限制最小变动价位按价格分档实行 T0 回转交易行情形态、成交流速都与A股股票数据明显不同。还有一个容易被忽略的细节港股盘口按经纪席位拆分展示与A股按委托聚合的方式不同同一个价格档位背后的信息结构并不一样。研究时依赖的股票数据字段并不完全对齐直接照搬A股的处理流程会静默出错这也是本地股票数据流程需要做字段级校验的原因。机制差异叠加几千只标的的数量规模让在线接口逐只回补的成本高到不现实本地化是唯一划算的路径。以 ig50 这类本地股票数据方案为例331 个数据集覆盖A股含基金、港股、美股全市场行情 3 秒更新港股实时行情 2 秒落盘所有股票数据以 JSON 文本文件存在本地没有 API 限流数据自主可控。二、港股数据清单总览四层结构按用途把港股数据分成四层列表层圈标的、行情层看价格、逐笔层看微观、F10层看基本面每一层都落进本地股票数据目录对应明确的接口路径与更新频率。列表层base/gphk这是整份股票数据清单的第一层。字段包括股票或指数代码、名称、是否指数、是否主板、是否创业板、是否港股通。每天 0 点更新把主板几千只标的、创业板标的与主要指数收进同一份列表。是否港股通这个字段是跨市场研究的入口后面单独展开。行情层实时行情与历史K线行情层是港股数据里更新最快的一层。实时行情接口路径 time/hk/real/{股票或指数代码}2 秒落盘是股票数据里少见的更新节奏。历史K线路径 time/hk/history/trade/{代码}/{级别}短分时约 4 万根日线及以上级别提供全历史。逐笔层time/hk/real/trace逐笔层是港股数据里颗粒度最细的部分。逐笔成交接口路径 time/hk/real/trace/onebyone/{代码}记录每一笔成交的方向与数量成交明细接口路径 time/hk/real/trace/timedeal/{代码}按时间序列给出成交明细。这一层是研究盘口行为与流动性的原料。F10层time/hk/f10 系列涵盖 dividend 分红派息、equitychange 股权变更、holder 股东、finmainindex 财务主要指标、rating 投资评级、corporateevent 公司事件、manager 管理层、warrant 窝轮、cbbc 牛熊证等模块是港股基本面的主体数据。层次接口路径更新频率核心内容主要用途列表层base/gphk每天0点是否港股通、是否主板、是否创业板圈定标的池行情层time/hk/real、time/hk/history/trade实时2秒落盘实时报价、短分时4万根、日线全历史盯盘与复盘逐笔层time/hk/real/trace盘中持续逐笔成交、成交明细微观结构研究F10层time/hk/f10 系列定期分红、股东、财务指标、评级、窝轮、牛熊证基本面研究再把A股与港股数据机制差异放进同一张表处理股票数据时该改哪里一目了然。对比维度A股港股交易时段上午9:30-11:30、下午13:00-15:00上午9:30-12:00、下午13:00-16:00另有开市前竞价与收市竞价涨跌停制度主板10%创业板与科创板20%无涨跌停限制结算货币人民币港币最小变动价位股票统一0.01元按价格分档从0.001港元到5港元不等回转交易T1T0这张对照表的价值不在背下来而在每接一个新流程时逐条过一遍凡是在A股依赖涨跌停、T1、统一最小变动价位的处理逻辑搬到港股数据上都要重新设计。三、场景一维护一份港股通标的观察池跨市场研究最常见的起点是圈出港股通标的。港股通标的500多只在主板几千只标的中只占一小部分但成交活跃、与A股联动最强绝大多数跨市场股票数据研究的标的池都从这里开始。先说结论观察池的价值不在大而在状态准确。500 多只港股通标的的全量快照体积并不大本地存储毫无压力没有必要为了省空间牺牲历史状态。列表层的是否港股通字段直接给出了标记但要用好它必须理解标的池的动态属性港股通标的池定期调整指数成分与市值变化会带来调入调出今天的是否港股通只反映今天的状态。把港股通标记当成随时间变化的序列而不是一个静态开关是维护这份观察池的核心心法。三条实战建议每天 0 点同步 base/gphk 落盘除了保留最新列表把每日快照也存下来未来才能还原任一天的港股通标的池状态。建一条变更日志记录每个标的调入调出港股通的日期跨市场事件研究的样本点就来自这条日志。被调出港股通的标的港股数据的删除要格外谨慎历史记录继续保留用时间区间标记它属于标的池的起止日期。四、场景二盘中实时监控与快照留存第二个场景是盘中盯盘。港股实时行情 2 秒落盘加上没有 API 限流意味着可以给整个观察池同时保持高频快照而不必在几百只标的里做取舍。股票数据从在线查询转为本地文件这是港股数据本地化之后最直观的变化JSON 文本落盘后监控脚本或 AI Agent 可以直接读取不需要额外的转换层。对把本地股票数据做成自动流水线的团队来说2 秒落盘的节奏足以支撑日内级别的统计快照序列还能用来复盘开盘竞价与尾盘竞价的博弈这些时段的数据在日常研究里最容易被忽视。三条实战建议快照按日期分目录存放文件名带时间戳收盘后把当日快照串成日内序列归档。港股午间休市时段快照自然断开属于正常现象做日内统计时按交易时段切分。监控字段里把是否港股通一并带上观察池内外的行情异动可以分开归因。五、场景三个股复盘与逐笔成交研究第三个场景是个股复盘。历史K线短分时约 4 万根对活跃标的能覆盖数十个交易日日线及以上是全历史回溯成本低。逐笔成交与成交明细则把复盘从价格层面下探到每一笔成交。复盘港股数据的合理顺序是先用日线定位事件日再用短分时看当日节奏最后用逐笔成交研究关键时段的买卖行为。与A股股票数据不同的还有收市竞价港股收盘阶段采用竞价机制尾盘成交口径与连续竞价不同对比两地股票数据的尾盘行为时要先对齐口径。在本地股票数据体系里逐笔层体积最大落盘前先定好观察范围再谈粒度。三条实战建议逐笔数据体量大只对重点标的落盘观察池整体保留行情快照即可。用成交明细统计大单出现时点配合港股通持股数据看资金属性。逐笔成交的方向字段是研究流动性的关键落盘时不要省略。六、场景四基本面研究与港股特色品种第四个场景围绕 F10 层展开。这九个模块构成了港股数据的 F10 层与A股大体对应但最后两个是港股特色A股没有对应物。F10模块接口简写核心内容与A股的对应关系分红派息f10/dividend派息记录、除净日对应分红送配股权变更f10/equitychange股本结构变动对应股本结构股东f10/holder主要股东持股对应股东数据财务主要指标f10/finmainindex收入利润与比率对应财务指标投资评级f10/rating券商评级汇总对应研报评级公司事件f10/corporateevent公司事件记录对应公告事件管理层f10/manager董事与高管对应高管信息窝轮f10/warrant窝轮发行与街货数据A股无对应物牛熊证f10/cbbc牛熊证发行与回收数据A股无对应物窝轮是发行商发行的权证有引申波幅、街货量等特有字段牛熊证带强制回收机制价格行为与正股的距离直接相关。研究港股而不用窝轮牛熊证数据等于放弃了港股市场里最活跃的一类交易品种的信息。把它们与正股行情放在同一份股票数据目录里联动分析才有完整的原料。窝轮与牛熊证虽不在港股通标的范围内却是观察正股情绪的放大器。对本地股票数据体系而言F10 层更新频率低、体积小适合整表定期落盘。七、跨场景的四条实战建议第一汇率换算统一口径。全流程固定用一个汇率快照日所有港股数据换算成同一种货币后再进入统计不要逐日混用不同日期的汇率。第二港股通标的调整前后做好衔接。标的池每期调整都会改变观察范围进出记录写进变更日志历史标记保留跨期统计时按当期口径分别计算每一次进出台的港股通事件本身就是一份时间序列值得单独留档。第三财报披露节奏与A股不同。港股没有强制季报中报与年报的披露期限也和A股不一致跨市场对比财务指标时按报告期对齐不要按自然季度硬凑。第四假期日历差异导致的数据断点。圣诞、复活节等假期都会造成港股数据缺口与A股数据做联合统计前先对两个市场的股票数据做交易日历对齐。八、用本地数据引擎搭建港股观察流的落地步骤第一步列表层打底。每天 0 点把 base/gphk 同步进 ig50 的本地数据目录保留是否港股通字段与每日快照同步维护变更日志。第二步圈定观察池。以 500 多只港股通标的为基础加上自选的非通标的形成跨市场研究的标的池。第三步盘中快照。实时行情 2 秒落盘把港股数据的盘中轨迹完整留在本地收盘后串成日内序列归档重点时段保留更细粒度。第四步重点下钻。对重点个股补逐笔成交与 F10 数据窝轮牛熊证数据与正股同目录存放。第五步跨市场衔接。与A股的本地股票数据目录统一规范与字段命名交易日历取交集汇率统一口径让两地股票数据可以在同一套流程里流转。五步跑完港股观察流就接入了与A股同一套数据节奏定时更新、自动落盘、随时回溯。九、结语港股数据的价值取决于清单是否完整、口径是否统一。列表层圈标的、行情层看价格、逐笔层看微观、F10层看基本面四个层次配齐再处理好汇率、日历、港股通调整这三个衔接点港股研究就能与A股研究共用一套本地化流程。ig50 这类本地数据引擎在其中扮演的角色是把四个层次的股票数据更新全部收回本地331 个数据集、3 秒全市场行情更新、JSON 文本落盘、没有 API 限流本地股票数据每沉淀一天下一次跨市场研究就少一分取数的成本。清单在手港股数据才从一次次零散的查询变成一套可积累的本地股票数据资产。资料参考ig50gitee开源地址github开源地址