quantskills 涨停池动态管理 BUILD（B6）
工具定位
- 工具类型：监控预警型 + 数据处理型 混合 BUILD
- 解决问题：把全市场日线（+涨停股分钟线）转成稳定的「涨停池状态」——每日谁在池中、几板、炸没炸、何时回封、相对昨日是晋级还是出局
- 使用对象：盘后复盘 agent / 连板情绪类 Alpha（如 A3 连板龙头接力）/ 人工复盘
适用场景
- 复盘 agent 需要「今日涨停池 + 连板梯队 + 炸板回封」一张多维表
- Alpha 需要稳定的
limit_up_streak/is_first_board/blow_up_count输入而不想各自重算 - 人工想问「今天最高几板」「哪些票炸板了」「昨天的连板今天晋级率多少」
核心字段（四件套）
| 标记 | 字段 | 口径 |
|---|---|---|
| 首板 | is_first_board / board_label="首板" |
limit_up_streak == 1 |
| 连板数 | limit_up_streak |
连续涨停收盘的交易日数（停牌不算断板，复牌接续） |
| 炸板次数 | blow_up_count |
日内封板后被砸开的次数；分钟级精确，缺分钟用日线回撤代理 |
| 回封时间 | first_seal_time / final_seal_time |
首次封板 / 最后一次封死的时刻（HH:MM，分钟级；日线代理时为空） |
另含：board_type（板块）、pool_status（晋级/新晋首板/维持/炸板出局/摸板未遂）、
seal_quality（一字板/稳封/炸N次回封/炸板未封）、reseal_count、seal_metric_source（minute / daily_proxy）。
增强维度（v1.1，从"个股清单"升级为"盘面视图"）
| 维度 | 字段 | 口径 |
|---|---|---|
| 题材分组 | lead_concept / concept_board_count / is_concept_leader / concepts |
代表题材（所属概念中当日涨停家数最多者）、梯队厚度、是否题材内连板最高、全部所属概念。PIT 按 in_date<=信号日 过滤，杜绝未来函数 |
| 特殊形态 | special_pattern |
地天板 > 天地板 > 一字板 > 秒板 > 炸板未封 > 烂板(炸≥3或尾盘回封) > 反复板(炸1-2) > 实封 |
| 情绪面 | 每日 1 行 target_id=MARKET / result_type=limitup_sentiment |
result_json 含 涨停家数 / 炸板率 / 最高板 / 分层晋级率(1→2,2→3…) / 昨涨停今溢价(赚钱效应) |
输入
输入来自 PandaData（get_stock_daily 全市场日线 + get_stock_min 涨停股分钟线），
或调用方传入的标准结构化日线数据。不得使用来源不明、字段不稳定的临时表。
run() 输入（DataFrame / records，含回看窗口用于算连板）：
| 字段 | 类型 | 必须 | 说明 |
|---|---|---|---|
| trade_date | date/string | 是 | 交易日期 |
| ts_code | string | 是 | 股票代码（带 .SH/.SZ/.BJ 后缀） |
| close | float | 是 | 收盘价 |
| pre_close | float | 是 | 前收盘价 |
| open/high/low | float | 否 | 缺则一字板/炸板代理退化 |
| amount | float | 否 | 成交额（梯队排序用） |
| limit_up | float | 否 | 交易所涨停价；缺则按板块 10/20/30% 兜底 |
| trade_status | int | 否 | 0=正常，非 0=停牌 |
| name | string | 否 | 含 ST 影响兜底涨停幅度 |
输出
标准化涨停池面板（BUILD 生产规则 §11 兼容）。主键 (trade_date, build_id, target_id, result_type)。
| 字段 | 类型 | 说明 |
|---|---|---|
| trade_date | string | 结果所属交易日 |
| build_id / build_name | string | B6 / 涨停池动态管理 |
| target_id / ts_code | string | 股票代码 |
| result_type | string | limitup_pool（个股行）/ limitup_sentiment（每日 1 行 MARKET 情绪面） |
| result_value | string | 核心结果 = 板级标签（首板 / N连板 / 炸板未封）；MARKET 行为 N涨停/M板 |
| result_json | string | 全状态 JSON（板块/连板/首板/状态/炸板/首封回封/质量/题材/形态…）；MARKET 行为情绪面 dict |
| board_label / limit_up_streak / is_first_board | 见上 | 连板状态 |
| blow_up_count / reseal_count / first_seal_time / final_seal_time | 见上 | 封板质量 |
| special_pattern | string | 特殊形态（地天板/天地板/一字板/秒板/烂板/反复板/实封…） |
| lead_concept / concept_board_count / is_concept_leader / concepts | string/int/bool/json | 题材分组 |
| pool_status / seal_quality / seal_metric_source | string | 动态状态/质量/数据源 |
| data_version / update_time | string | 版本与生成时间 |
读取时按
result_type区分：个股池df[df.result_type=="limitup_pool"]，情绪面df[df.result_type=="limitup_sentiment"]。
调用方式（支持多种模式，可交互选择）
# 模式 A：调用型——调用方已有标准日线（含回看窗口），即时算当日涨停池
from scripts.build import run
pool = run(daily_records, config={"target_date": "2026-06-19"})
# 模式 B：每日维护——自动拉数据（含涨停股分钟线，失败自动降级日线代理）
from scripts.build import maintain_daily, save_parquet
pool = maintain_daily("2026-06-19", with_minute=True) # indicator="" 全A
save_parquet(pool) # 追加合并进 production/database.parquet
# 模式 C：区间回填历史涨停池（默认不拉分钟线，省流量）
from scripts.build import backfill, save_parquet
hist = backfill("2026-01-01", "2026-06-19")
save_parquet(hist)
# 输出展示（可多选）
from scripts.render import render_markdown # 动态多维表格（连板梯队/炸板回封/状态机）
from scripts.render_html import render_html # 暗色玻璃单文件 HTML 看板
md = render_markdown(pool)
html = render_html(pool)
命令行：
export PANDA_USERNAME=<86手机号>; export PANDA_PASSWORD=<密码>
python scripts/build.py --mode daily --date 20260619 # 当日维护（含分钟）
python scripts/build.py --mode daily --date 20260619 --no-minute # 仅日线代理（省流量）
python scripts/build.py --mode backfill --start 20260101 --end 20260619
python scripts/render.py --date 2026-06-19 # 打印多维表格
python scripts/render_html.py --date 2026-06-19 --out pool.html # 生成 HTML 看板
Agent 执行规则（含 Q&A / 提问整理）
- 若调用方已传标准日线，优先
run(input_data, config=...)，不重复拉数据。 - 每日生产维护用
maintain_daily()，结果save_parquet()落地，供他人直接读，不重算。 - Agent 问答 / 提问整理：读取
database.parquet，先按result_type拆分，再用 pandas 回答：- 「今天最高几板/炸板率/晋级率/赚钱效应」→ 读 MARKET 行
df[df.result_type=="limitup_sentiment"]的result_json（含max_height/market_blow_rate/promote_rate_by_tier/prev_limitup_premium） - 「哪些票炸板了」→
df[df.blow_up_count > 0] - 「今天哪个题材最强/题材龙头是谁」→ 按
lead_concept分组取concept_board_count最大；is_concept_leader==True即龙头 - 「有没有天地板/烂板」→
df[df.special_pattern.isin(["天地板","烂板"])] - 「连板梯队 / 题材视图」→ 直接
render_markdown(df)回答时务必带上「封板数据源」（minute / daily_proxy）以说明精度。
- 「今天最高几板/炸板率/晋级率/赚钱效应」→ 读 MARKET 行
- 必须先
python scripts/test.py全绿；真实数据因流量超限/权限不足会自动跳过（不判失败）。
成功标准
result_value为板级标签；result_json可解析且含blow_up_count/first_seal_time等。limit_up_streak单调正确（连板累加、断板归零、停牌不断板）。- 分钟可用时
seal_metric_source="minute"且炸板次数/回封时间非空；不可用时自动daily_proxy，主流程不中断。
可被 Alpha 调用
- 是
- 调用限制：输入须含
trade_date/ts_code/close/pre_close，且区间需覆盖回看窗口（算 N 连板需 ≥N 个交易日历史） - 依赖数据：日频行情（必）+ 涨停股 1m 分钟线（选，用于精确炸板/回封）
是否需要生产结果
- 是否生成
database.parquet：是（结果型，盘后统一计算，多人复用） - 更新频率：每日收盘后
maintain_daily()追加 - 字段结构：见
../生产产物/SKILL.md
依赖
- panda_data ≥ 0.0.9（默认网关 pandadata.pandaaiquant.com）
- pandas、numpy、pyarrow（写 parquet）
- 凭证环境变量：
PANDA_USERNAME/PANDA_PASSWORD（兼容PANDA_DATA_*） - 数据源不明确时，先咨询项目工作人员（见 BUILD开发与生产规则V2.md §1）