毕业关卡：搭建你的第一条完整数据流水线
我的掌握程度：
先掌握这个答案
流水线六站：①下载（循环股票+缓存）→②体检（health_check，异常不放行）→③清洗（去重/剔0价/标记停牌/复权计算）→④对齐（交易日历reindex+财务公告日merge_asof）→⑤存储（clean目录parquet+快照日期）→⑥登记（记录数据版本、行数、检查结果到README）。产出：一张(日期,代码)双索引的面板表，任何因子研究的起点。
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
数据车间的零件已全部到货：数据源（q-061）、复权（q-064）、清洗（q-065）、停牌（q-066）、日历（q-068）、存储（q-069）、校验（q-071）。现在是装配时刻——把它们串成一条自动流水线。
由此产生的问题
一条完整的数据管道从「下载数据」到「可用于研究」要经过哪些站点？每站的输入输出是什么？
核心概念
流水线六站：①下载（循环股票+缓存）→②体检（health_check，异常不放行）→③清洗（去重/剔0价/标记停牌/复权计算）→④对齐（交易日历reindex+财务公告日merge_asof）→⑤存储（clean目录parquet+快照日期）→⑥登记（记录数据版本、行数、检查结果到README）。产出：一张(日期,代码)双索引的面板表，任何因子研究的起点。
为什么需要它
①可复现性：快照+登记让三个月后的你（或面试官）能重跑出同样结果；②自动化：脚本一次写成，以后每日/每周增量更新，人工只处理告警；③这是阶段4大作业的预演：现在搭迷你版（3只股票），阶段4扩展到全市场——学习曲线平滑。
实际应用场景
个人基础设施的标准形态；简历项目第一格：「搭建A股数据管道：下载-校验-清洗-存储自动化，支撑后续因子研究」——面试官问细节时你每站都有故事讲。
与之前知识的联系
数据组十题的毕业典礼。q-091~097的毕业项目将直接踩着这条流水线前进。下一组转向「人与行业」：量化世界里的岗位、机构与职业路径。
⚠ 常见误解
- 等学完阶段4再动手：迷你版今天就能搭，工程能力在迭代中生长而不是学完再做
- 管道一次搭好永不变：数据源会变、需求会变；重要的是结构和日志，代码永远在演化
- 个人不需要这么正式：正式的程度=三个月后还能用。最低限度的正式（快照+README）成本半小时
🛠 本题实践任务
动手搭建迷你管道：3只股票，走完六站（下载/体检/清洗/对齐/存储/登记）。产出panel_日期.parquet和README.md（记录版本、行数、已知问题）。
💡 提示（先自己想5分钟再看）
分两个脚本写，每个能独立运行；README三行也行，但必须存在。
✅ 验收标准
GitHub/本地目录里可见：两个脚本+parquet文件+README。这是你量化基础设施的第一块领地，q-091起它将开足马力。
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（数据源、复权、清洗），再用案例、公式和代码帮助理解。此功能需要先启用服务。