#WorkBuddy# 实战：一句话搭起每日数据复盘流水线，自动产出 6 份分析报告——附 5 个数据坑

本文是数据分析与工程实践的分享，示例数据均做脱敏与抽象化处理。

一、痛点：每天重复的数据复盘，三个死结

我每天要处理一批全市场高频时序数据（价格 + 成交量 + 分时），做成一份结构化复盘。以前纯手工要花两三个小时，而且绕不开三个死结：

1. 二手聚合数据不可信。第三方榜单里的“连续 N 日”“涨幅榜”这类口径，经常和原始数据对不上——我实际核对过一处：榜单写“连续 3 日触限”，用日 K 回算当天其实是冲高回落收 +4.17%，根本没触及上限价。凡是别人算好的口径，都要用原始数据回算验证一遍。
2. 只看单一筛选视角会漏样本。我原先只盯“收盘价等于当日上限价”的那批样本，后来补扫才发现，当天成交额最大的几只（其中一只 63 亿）根本没进这个池子——它们是“最高价触及上限价但收盘未守住”。筛选口径一旦单一，最大的信号恰好落在视野外。
3. 指标之间互相打架，没有验证就是玄学。成交量、换手率、封单厚度、大单净流入——这几个指标经常给出相反结论。不做回测，就只能凭感觉挑一个信。

后来我把整套流程搬进 WorkBuddy：一句话下达任务，AI 自己拉数据、自己写脚本、自己纠错、自己生成 HTML 报告。这篇文章记录完整做法和我踩过的坑。

二、总体工作流：一次对话，六份报告

整条流水线在一个 WorkBuddy 任务里跑完，输出结构是这样：

全市场扫描（自算样本池，含不同涨跌幅限制的品种）
   ├→ 报告① 总览：分层结构 + 当日整体温度定位
   ├→ 报告② 明细拆解：逐个样本的资金过程还原
   ├→ 报告③ 关联分析：实体（账户/交易单元）之间的联动关系
   ├→ 报告④ 补盲扫描：被主口径漏掉的高波动品种
   ├→ 报告⑤ 专题归因：单一主题深挖（样本密度 + 时间序）
   └→ 报告⑥ 回测验证：前一日信号 → 次日表现的统计检验

每份报告都是单文件自包含 HTML（纯内联样式、无外链），双击即开，也可以起个本地 HTTP 服务在内置浏览器里看。

三、分步实操

第 1 步：全市场扫描，自算样本池

核心指令思路：「扫描全市场数据，自行回算每个样本的连续触限天数、触限时间、回落次数，输出结构化 JSON」。

关键原则是不信任何现成的聚合榜单——全部用本地日 K 自算。这一步的价值在上一节已经体现：我靠它纠正了第三方榜单的两处口径错误。

另外要注意不同品种的涨跌幅限制不一样（主板 10%、创业板/科创板 20%、北交所 30%），扫描逻辑必须分市场处理，否则高波动品种会被整体漏掉——而这批品种恰恰是波动最剧烈、信息量最大的样本。

第 2 步：明细拆解——一个样本的资金过程还原

用分时逐分钟数据，把一个样本的触限过程拆成四个口径：上行段用了多少量能、触限后被动成交多少、大单净投入多少、收盘时挂单有多厚。

这一步挖出了一个反直觉结论：某低价样本“挂单股数全场第一”，听起来最强，但换算成金额只占当天成交额的 16.7%；真正的触限质量第一是另一个 09:31 即触限、量比 0.4 的样本。结论：绝对股数排名没有意义，必须看金额相对成交额的比例。

第 3 步：关联分析——实体联动追踪

把“交易单元 → 样本”的原始明细聚合成联动实体（同一实体买入 ≥2 个不同主题的样本），再比对买方实体交集，就能判断“资金从主题 A 流向主题 B”到底是同一批钱在倒手，还是只是主题层面的轮动。我查过一组跨三日的实体交集：交集为零，证明所谓“资金转移”其实是两批完全不同的钱——这个结论直接推翻了我上一版报告的表述。

第 4 步：专题归因 + 补盲

选定一个主题后，按固定流程深挖：样本密度 → 触限时间确定带动关系 → 标签归属纠偏 → 涨幅 3%~9.5% 的补涨候选池。触限时间这一步挖出一条经验规律：最早触限的“先锋”往往不是核心样本，核心看资金厚度——有一个样本排第 6 个触限，但成交额是第 2 名的 2 倍、四路资金齐聚，才是真正的核心。

第 5 步：回测验证

把前一日所有样本的资金指标和次日实际表现做相关性分析。这一步推翻了我自己的结论（详见坑 1）。

四、踩坑记录

坑 1：接口调用忘传日期参数 = 未来函数

我的脚本一开始调资金流接口没传 --date，接口默认返回最新交易日。等于“用今天的数据解释今天的表现”，算出来的“大单参与度强预测 r=+0.436”全是虚假相关。

修复后重跑，真实结果是：大单净流入与次日表现负相关（r=-0.211）——净流入越大，次日反而越弱。

⚠️ 这是本文最重要的一条：回测类脚本，每个数据接口调用都必须显式传日期参数，并在脚本里加“数据日期匹配校验”，否则你拿到的是一份看起来完美、实则全错的相关性报告。 修复前后结论完全相反。

fig1

图 1：脚本修复片段——所有数据接口显式传日期参数，并对返回体做日期校验（见坑 1）

坑 2：分钟数据的 volume/amount 是当日累计值

直接累加会得出“拉升段 20 亿 > 全天 9.44 亿”的荒谬结果，而且程序不报错，静默出错。必须做差分。

校验方法：末条 amount / volume / 100 应该等于报价接口返回的均价，对得上才算数。

fig2

图 2：明细拆解核心逻辑——分钟数据按日分组差分 + 均价交叉自检（见坑 2）

坑 3：字段名和代码前缀想当然

数据接口返回的涨幅字段是 change_percent 而不是 chg；不同市场代码前缀是 sz30 / sh688 / bj，而不是裸的 300/688/83。两处想当然，导致我的高波动品种扫描第一版跑出 0 个结果——看起来像“当天没有符合条件的数据”，实际是字段取错了。

坑 4：市值单位是元，不是亿元

8489000000 = 84.89 亿元。单位搞反，所有“按流通市值归一化”的指标结论会整体反向（省力/费力、集中/分散全反过来）。

坑 5：标签 ≠ 真实驱动

数据结构里的概念标签经常与实际驱动不符：某白酒类样本挂着“乡村振兴”标签，真实驱动是它自己的业绩线；某个名字里带“统一”字样的样本，实际是央企背景的液冷业务。每个专题都必须做标签归属纠偏，否则归因整段是错的。

五、效果

一次完整任务，WorkBuddy 交付：

• 6 份 HTML 报告（总览/明细拆解/关联分析/补盲/专题归因/回测验证），全部单文件自包含，可直接分享；
• 1 份分组清单文件（按真实主题分组 + 代码），结构化输出便于二次使用；
• 纠正第三方榜单 2 处错误、推翻自己 3 处误判（其中换手率对比直接把两个原定候选样本降级剔除）；
• 沉淀 10+ 个可复用脚本，第二天的分析直接增量跑。

fig3

图 3：一次任务沉淀的 6 份报告产物（单文件自包含 HTML）

最值钱的不是报告本身，而是它敢用回测数据推翻我自己的直觉——净流入是反向指标、换手率必须绑定位置解读、挂单股数排名无意义，这些结论没有一个是我凭经验直觉能得出的。

六、总结

三条经验送给想复刻这套流程的人：

1. 让 AI 自算，别喂它二手数据。数据源错误会在下游无限放大，宁可慢也要回算验证。
2. 每个接口调用都带日期参数。回测类任务先查未来函数，这是生死线。
3. 让 AI 输出可证伪的结论（相关系数、分组胜率），而不是描述性罗列——被数据推翻的结论，比被数据证实的结论更有用。