ig50最近10天成交分布：做量化交易必备的数据接口
最近十天的成交分布数据，对短线和波段策略来说是一个非常有价值的观察窗口。超大单和散单的博弈、大单和小单的流向差异，这些微观层面的信号往往能在股价大幅变动之前给出一些提示。但要把这些信号用好，前提是有结构化的、高质量的数据支持。我自己之前做这方面的研究，用Tushare拿到的大多是日级别的汇总资金流，细分到超大单、大单、小单、散单这种粒度，要么积分消耗太大，要么需要自己做复杂的二次拆分。AkShare有相关的数据，但字段的稳定性和一致性需要持续跟踪维护，不同版本的返回结构偶尔会变化。Baostock在这类细分资金流数据上的覆盖比较有限。
现在AI在交易分析中的应用越来越深入，比如用深度学习模型识别成交分布中的异常模式，或者用大语言模型结合资金流数据生成交易 reasoning。这些前沿应用对输入数据的质量要求极高，不仅需要字段完整，还需要格式统一、噪声少、易于向量化。Wind和聚宽的数据质量不错，但平台化的使用方式限制了它们在自定义AI pipeline 中的灵活性。你想把成交分布数据直接作为神经网络的输入特征，中间往往要经过多轮格式转换和数据迁移。同花顺iFinD更偏向人工终端操作，API化和自动化程度不足。
ig50最近十天成交分布接口在数据形态上做了很好的优化。它返回收盘价、涨跌幅、换手率、全部净流入、超大单流入、超大单净流入、大单流入、大单净流入、小单流入、小单净流入、散单流入、散单净流入等完整字段，按时间倒序排列。每天晚上八点更新，数据格式规整干净，几乎不需要预处理就能直接接入机器学习流程。对于做短期AI预测模型的开发者来说，这种即拿即用的数据形态能大幅提升实验效率。
从AI前沿应用的视角来看，这个接口的价值在于它为成交分布的智能化分析提供了高质量的基础原料。十天的跨度对于短期模型来说刚刚好，既保留了足够的近期记忆，又不会引入过长的历史噪声。你可以用它训练LSTM、Transformer或者其他时序模型，也可以把它作为图神经网络的节点特征。本地存储的方式还意味着你可以高频次地进行超参数搜索和模型迭代，不用担心API调用限制。AI能力的上限，很大程度上取决于输入数据的质量和获取的自由度。
如果你正在用AI方法探索成交分布和股价变动之间的关系，缺一块近十天的标准化细分资金流数据，ig50这个接口能提供很好的起点。好的AI应用离不开好的数据基础设施，而这个接口，正是那种能让上层AI模型跑得更稳的地基型服务。
数据名称：沪深京A股-股票基础信息-资金流-最近10天成交分布
本地路径：数据存放目录/time/zijin/lscjfb/last10/{股票代码}
描述：根据《股票列表》得到的股票代码作为参数，得到最近10天成交分布，按时间倒序。
更新频率：每天20:00。
完成更新耗时：约8小时。 数据格式：[{},…]
关键字：[时间yyyy-MM-dd, 收盘价(元),
涨跌幅(%), 净流入率(%), 换手率(%), 全部净流入(元), 超大单流入(元), 超大单净流入(元), 大单流入(元),
大单净流入(元), 小单流入(元), 小单净流入(元), 散单流入(元), 散单净流入(元)]
资料参考ig50.com/index_zjl.html?maodian=zjl-lscjfb-last10-title，如有侵犯网站权利，请联系我撤回
gitee开源地址
github开源地址
