Initial commit: cc-cursor 全链路量化研究平台

7 Sprints 全部完成:
  Sprint 0: 基础设施 (DataManager + MariaDB)
  Sprint 1: 因子引擎 (34因子/12分类)
  Sprint 2: VectorBT 回测 (5策略+截面)
  Sprint 3: Optuna 优化 (+Walk-Forward)
  Sprint 4: ML 模型 (LightGBM+CatBoost)
  Sprint 5: Qwen 情绪因子 (三源新闻+日期对齐)
  Sprint 6: Agent 系统 (4Agent+日报.md/.html)

生产加固 (15项): Tushare双源fallback, SSH自动恢复, pool_pre_ping,
  save_daily先删后插, load_dotenv绝对路径, 日报5d/20d修复,
  RiskAgent改上证指数, 昨日对比+数据截止, mac_report utf8mb4,
  CLAUDE-*.md 9条已知Bug, demo全参数化, djapi数据源归一化,
  indexDatas API修正

Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>

djapi/api/stock/stock_basic.py

@@ -0,0 +1,163 @@
+import pandas as pd
+# 将项目根目录添加到 sys.path
+#project_root = os.path.dirname(os.path.dirname(os.path.abspath(__file__)))
+#sys.path.append(project_root)
+
+# 导入当站目录的config文件
+try:
+    # 尝试相对导入（作为包的一部分）
+    from .config import TS_TOKEN, START_DATE, END_DATE 
+    from .stock_utils import dataCorrect,get_trading_dates,tscodeCheck
+except (ImportError, SystemError):  
+    # 失败则使用绝对导入（直接运行脚本）
+    from config import TS_TOKEN, START_DATE, END_DATE 
+    from stock_utils import dataCorrect,get_trading_dates,tscodeCheck
+
+from .data_source import get_tushare_pro
+pro = get_tushare_pro()
+
+def getStockBasic(TS_CODE,START_DATE=START_DATE,END_DATE=END_DATE):
+    """
+    从tushare daily接口获取单只股票的所有返回数据,并进行数据修正。
+
+    Parameters:
+        TS_CODE (str): 股票代码,格式为 '股票代码.SZ' 或 '股票代码.SH',例如 '000001.SZ'
+
+    Returns:
+        pd.DataFrame: 包含股票日线数据的DataFrame,字段说明如下：
+            ts_code: 股票代码
+            trade_date: 交易日期
+            open: 开盘价
+            high: 最高价
+            low: 最低价
+            close: 收盘价
+            pre_close: 前日收盘价
+            change: 涨跌额
+            pct_chg: 涨跌幅（百分比）
+            vol: 成交量（手）
+            amount: 成交额（千元）
+
+    Raises:
+        Exception: 如果从Tushare接口获取数据时发生错误。
+    """
+    try:
+    # 获取股票日线数据
+        df = pro.daily(ts_code=TS_CODE, start_date=START_DATE, end_date=END_DATE)
+
+        # 需要修正的列
+        cols = ['open', 'high', 'low', 'close', 'pre_close', 'change', 'pct_chg', 'vol', 'amount']
+
+        # 调用dataCorrect函数进行数据修正
+        df = dataCorrect(df, cols)
+        return df
+
+    except Exception as e:
+        # 捕获并处理异常
+        print(f"错误: 获取股票 {TS_CODE} 的日线数据时发生错误: {e}")
+        return pd.DataFrame()
+    
+def getStockInfo(TS_CODE):
+    """
+    从tushare的stock_basic接口获取单只股票的基本信息。
+
+    Parameters:
+        TS_CODE (str): 股票代码,格式为 '股票代码.SZ' 或 '股票代码.SH',例如 '000001.SZ'
+
+    Returns:
+        pd.DataFrame: 包含股票基本信息的DataFrame,字段说明如下：
+            ts_code: 股票代码
+            symbol: 股票代码（不带后缀）
+            name: 股票名称
+            area: 所在地域
+            industry: 所属行业
+            market: 市场类型（主板/创业板/科创板等）
+            list_date: 上市日期
+            fullname: 股票全称
+            enname: 英文全称
+            exchange: 交易所代码
+            curr_type: 交易货币
+            list_status: 上市状态
+            is_hs: 是否沪深港通标的
+
+    Raises:
+        Exception: 如果从Tushare接口获取数据时发生错误。
+    """
+    try:
+        TS_CODE=tscodeCheck(TS_CODE)
+        # 调用stock_basic接口获取股票基本信息
+        df = pro.stock_basic(ts_code=TS_CODE)
+
+        # 如果没有获取到数据，返回空的DataFrame
+        if df.empty:
+            print(f"警告: 未找到股票 {TS_CODE} 的基本信息")
+            return pd.DataFrame()
+
+        return df
+
+    except Exception as e:
+        # 捕获并处理异常
+        print(f"错误: 获取股票 {TS_CODE} 的基本信息时发生错误: {e}")
+        return pd.DataFrame()
+    
+def getStockListByIndustry(industry):
+    """
+    根据行业名称获取股票列表。
+
+    该函数首先通过 `index_classify` 接口获取行业分类的级别和行业代码,
+    然后使用 `index_member_all` 接口获取该行业下的所有股票列表。
+
+    Parameters:
+        industry (str): 行业名称,例如 "银行"、"医药" 等。
+
+    Returns:
+        pd.DataFrame: 包含股票代码 (ts_code) 和股票名称 (name) 的 DataFrame。
+                     如果未找到匹配的行业或股票,返回空的 DataFrame。
+
+    Raises:
+        Exception: 如果从 Tushare 接口获取数据时发生错误。
+    """
+    try:
+        # 1. 获取行业分类信息
+        # 使用 index_classify 接口获取所有行业分类信息
+        industry_df = pro.index_classify(level='', src='SW2021')
+
+        # 过滤出与给定行业名称匹配的行业
+        industry_info = industry_df[industry_df['industry_name'] == industry]
+
+        # 如果没有找到匹配的行业,返回空的 DataFrame
+        if industry_info.empty:
+            print(f"警告: 未找到行业 '{industry}' 的分类信息")
+            return pd.DataFrame(columns=['ts_code', 'name'])
+
+        # 获取行业代码和级别
+        industry_code = industry_info.iloc[0]['index_code']
+        industry_level = industry_info.iloc[0]['level']
+        print(industry_info)
+        # 2. 根据行业级别调用 index_member_all 接口
+        if industry_level == 'L1':
+            stock_list_df = pro.index_member_all(l1_code=industry_code)
+        elif industry_level == 'L2':
+            stock_list_df = pro.index_member_all(l2_code=industry_code)
+        elif industry_level == 'L3':
+            stock_list_df = pro.index_member_all(l3_code=industry_code)
+        else:
+            print(f"警告: 未知的行业级别 '{industry_level}'")
+            return pd.DataFrame(columns=['ts_code', 'name'])
+
+        # 如果没有找到股票,返回空的 DataFrame
+        if stock_list_df.empty:
+            print(f"警告: 行业 '{industry}' 下没有找到股票")
+            return pd.DataFrame(columns=['ts_code', 'name'])
+
+        # 3. 返回股票代码和名称
+        return stock_list_df[['ts_code', 'name']]
+
+    except Exception as e:
+        # 捕获并处理异常
+        print(f"错误: 获取行业 '{industry}' 的股票列表时发生错误: {e}")
+        return pd.DataFrame(columns=['ts_code', 'name'])
+
+if __name__ == '__main__':
+
+    df = getStockListByIndustry('果蔬加工')
+    print(df)