日线一行数据里有什么？OHLCV逐字段拆解
我的掌握程度：
先掌握这个答案
日线字段（akshare/tushare通用）：①date日期；②open开盘价（集合竞价产生，q-041）；③high/low最高/最低（日内极值）；④close收盘价（收盘集合竞价产生）；⑤volume成交量（注意单位：手 vs 股）；⑥amount成交额（元）；部分接口附：换手率、复权因子。OHLCV=Open/High/Low/Close/Volume的缩写。
先读结论，再核对下方使用边界；数字例题为教学情景，涉及实际行情与规则时请核对原始来源。
从理解到使用
本阶段实战方法 · 把行情数字变成可比较的收益
看股票、基金或策略业绩时，先对齐本金、起止日期、现金流与费用。
- 选一个固定区间，记录期初价值、期末价值、分红、出入金和交易费用。
- 没有中途出入金时，用（期末价值＋已取出分红－期初价值－费用）÷期初价值计算收益；有出入金时先区分时间加权与资金加权。
- 用相同区间的基准作比较，同时记录最大亏损；不要单凭一次盈利评价能力。
使用边界
- 不同期限的收益不可直接排名；年化只是换算，不是未来收益承诺。
- 模拟价格不是实时行情。普通股票交易手数、T+1和费用应按具体市场规则核对。
背景 · 从一个困惑说起
打开数据表，一行日线：日期、开盘、最高、最低、收盘、成交量、成交额……这些缩写OHLCV是量化世界的字母表，也是未来所有因子的原材料。
由此产生的问题
每个字段的准确含义和单位是什么？哪些坑（单位、复权、停牌）藏在字段背后？
核心概念
日线字段（akshare/tushare通用）：①date日期；②open开盘价（集合竞价产生，q-041）；③high/low最高/最低（日内极值）；④close收盘价（收盘集合竞价产生）；⑤volume成交量（注意单位：手 vs 股）；⑥amount成交额（元）；部分接口附：换手率、复权因子。OHLCV=Open/High/Low/Close/Volume的缩写。
为什么需要它
①因子原料：动量用close、波动用high-low/close、流动性用amount——五个字段撑起了量价因子的半壁江山；②单位陷阱：akshare成交量单位是「手」（×100股），tushare是「股」，混用差100倍；③口径意识：收盘价在除权日会跳（q-014复权），最高最低的复权处理与收盘不同——细节错误=因子错误。
实际应用场景
数据管道第一张表的结构定义；你的第一个函数将是：输入dataframe（这些列），输出收益率列——所有后续研究的第0步。
与之前知识的联系
q-034从视觉上认识了K线，本题从数据上解剖它。下一题解决「这些数据从哪来」——免费数据源地图。
⚠ 常见误解
- 字段名相同=数据相同：不同接口的复权方式、单位、精度都可能不同，混用前必须核对
- 收盘价就是最后一笔成交：A股收盘价由收盘集合竞价产生（q-041），尾盘3分钟可以大幅改变它
- 最高最低没大用：振幅、影线、日内波动率因子全靠它们——每个字段都是潜在Alpha原料
🛠 本题实践任务
下载任一股票日线，逐字段写下中文含义；然后用「成交额/(成交量×100)」算隐含均价，验证与当日价格区间一致（单位自检）。
💡 提示（先自己想5分钟再看）
若不匹配，先检查：复权口径（成交额通常是未复权口径）——数据核对发现的每个「异常」都是单位/口径问题。
✅ 验收标准
一张字段含义表+自检结果。把「拿到数据先自检」变成肌肉记忆。
在你的浏览器内运行。首次需联网下载 Python；支持标准库和 Pyodide 提供的 NumPy、pandas 等包。行情抓取、系统文件访问和部分第三方库请在本地环境运行。输出自检仅比对结果关键词，不代替逻辑审查。
Python · 独立工作线程 · 执行限时10秒
🤖 AI导师
导师会先检查你的前置知识（K线、成交量），再用案例、公式和代码帮助理解。此功能需要先启用服务。