free-stockdb本地股票数据库搭建与安全性分析

想要同时一次性分析5000+只股票+半年数据，目前没有任何一个sdk可以做到，

更别说数据api，限速，限流，网络io，光数据拉取就得耗费一天时间，还不算回测时间。
而量化需要的恰恰就是批量读取和批量计算。

于是准备在本地搭建一个本地量化数据库。

光是下载数据就耗费了3天3夜，网络错误，ip封禁，积分不足，头疼不已，最后还缺失很多数据，复权和检查还得花2天。

然后每日的数据采集，维护，又是一个无休止的工作。

慢慢编写量化代码，回测，又涉及到批量计算，读取pandas 格式归一化，更是大到无法想象的工作量。

后面发现一个开源项目：

free-stockdb，作为一个本地股票数据工作流，几乎把最难的本地集成工作都做了。几分钟就完成至少一个月的工作。

原生集成：
数据源 每日自动更新的全市场股票数据；不用逐股请求接口
数据库 高性能 C++ 股票专用数据库服务；不用设计表、建库、入库或优化查询
计算库 已处理的历史行情、复权、39 种指标、5 种指数计算；不用维护因子或 DataFrame 计算链路
更新库 高速增量同步，不重复下载全量数据；支持断点续传、版本校验和完整性校验
查询库 get_data() 批量查询；zb.get() 批量计算；bk.get() 股票与板块双向映射
依赖库 无需注册、登录、token、无需dll、pip、爬虫、定时任务或自建数据库

对比之后的评分：

一、free-stockdb 分项得分

1. 本地量化数据工作流能力：9.5
2. 数据更新与自主可控：9
3. 查询与批量计算性能：9.5
4. 上手/零代码开发体验：9
5. 数据来源合规透明度：3 (公益项目，非全品类数据，来源交易所/longbrige官方api接口)
6. 长期供应链&跨平台可持续性：7
   平均分：7.83/10

二、某股票sdk Pro 分项得分

1. 本地量化数据工作流能力：4（需要自己搭库、写存储逻辑，无内置本地时序引擎）
2. 数据更新与自主可控：3（纯云端，平台关停则全部失效，无法本地自建替代链路）
3. 查询与批量计算性能：3（API限流、网络延迟，大批量遍历效率极低）
4. 上手/零代码开发体验：2（必须Python、pip、token、写代码，小白无法直接使用）
5. 数据来源合规透明度：1（商业化抓取、大规模、全品类实时数据，风险点很高）
6. 长期供应链&跨平台可持续性：8（商业团队运维、全平台支持、社区生态成熟）
   平均分：3.50/10

运行评估：

运行了大于大约一个月，非常稳定，每日更新速度很快,约10-20m/s，2分钟就能更新每日数据，然后无限调用。
本地是一个2mb大小的exe程序，看过作者回复:

为什么是闭源exe，有好也不好。
我比较认同，因为现在github上面，非常多的项目，1小时套壳写完开源，readme却写得无所不能！！因为这些没有核心算法当然没有必要闭源。

原文是：
首先：极简设计理念，不允许有复杂的流程，自己编译，自己修改的费时费力的工作。与作者“使用很单纯，复杂在底层”观念相违背。
其次：极速接入理念，官方宣传的是，0依赖，双击即用，接入成本控制到2分钟内。甚至mcp协议都是内置集成，pip包都是直接提取的pyd单文件，无需安装，打开即用。
还有：极快运行理念，每个模块全是原生rust改写，并且只提供一个极速优化的接口，行情bk.get，计算zb.get，数据get_data完全批量计算，速度比pandas这类c++通用dataframe还要快3倍以上。
最后: 也是最关键的一个点，作为一个追求细节，极简的公益产品，开源将会导致大批量的套壳，收费项目，改得乱七八糟。