公司资料

数据描述

沪深北A股日频公司资料：三套行业分类归属、所属申万一级行业指数行情、可转债发行标记。

数据简介

公司资料表 cn_stock_factors_company_profile 以「交易日期 + 证券代码」为主键，把一只股票在某个交易日的行业归属和公司层面属性汇总到一行，共 30 个字段。

这张表回答的是「这只股票当天属于哪个行业、行业当天表现如何」这类问题：

• 它属于哪个行业：申万(2021)、申万(2014)、中信三套分类体系下的一/二/三级行业代码与名称；
• 它所属行业当天涨了还是跌了：所属申万一级行业(2021)对应的行业指数代码、名称，以及该指数当日的开高低收、成交量额、换手率；
• 它有没有在交易中的可转债：当日是否存在成交量大于 0 的存续可转债。

行业字段是状态量，主要用于行业中性化、分组统计和行业轮动；行业指数行情是价格量，可直接用于计算行业动量、个股相对行业的超额收益；可转债标记是 0/1 事件量。

数据表基本信息

数据开始日期

本表历史数据从 2010-01-01 开始，之前的日期查不到任何数据。

这个起点由上游决定：cn_stock_instruments 和 cn_stock_industry_component 的最早可用年份都是 2010 年，本表以前者为骨架逐日 LEFT JOIN 加工，因此起点与之保持一致。

需要注意的是，表内有数据不等于每个字段都有意义。下面这几组字段的有效起点晚于 2010-01-01：

因此取数时的一般建议是：整体区间不早于 2010-01-01；若用到行业指数行情，起点放到 2014 年之后更稳妥；若研究可转债相关逻辑，起点放到 2017 年之后。

字段说明

基础字段

行业成分：行业代码

行业成分：行业名称

行业指数（所属申万一级行业 2021）

同一天同一行业的所有成分股，这 9 个字段的取值完全相同，它们描述的是行业而不是个股。

可转债

该字段无缺失值，未命中一律补 0。

依赖的原始数据表

本表不含任何自有原始数据，30 个字段全部由下面 6 张上游表加工而来。任一张表停更或回补，本表对应字段都会跟着变化。

依赖关系图

cn_stock_instruments ──────────────── 基准骨架 (date, instrument)        │        ├── cn_stock_industry_component ──── 18 个行业成分字段        │            │        │            └── (全历史聚合) ─────── 行业名称字典, 补齐「有代码无名称」        │        ├── cn_stock_industry_index_mapper ── sw2021_level1 → 指数代码/名称        │            │        │            └── cn_stock_industry_sw_bar1d ── 7 个行业指数行情字段        │        └── cn_cbond_bar1d + cn_cbond_basic_info ───── cbond_issue_factor

几点补充说明：

• cn_stock_industry_component 被读取两次：一次按当前取数窗口取行业成分明细，一次按全历史聚合出「体系 + 层级 + 代码 → 名称」字典用于补名。后者结果只有一千行左右，成本可以忽略。
• cn_stock_industry_sw_bar1d 的关联路径是间接的：先由 cn_stock_industry_index_mapper 把 sw2021_level1 换算成指数代码，再用「日期 + 指数代码」关联行情，所以行业指数字段的可用性同时受这两张表制约。
• cn_cbond_basic_info 提供 stock_code，比 cn_cbond_bar1d 自带的正股字段更完整（后者近年有少量缺失），因此正股代码一律取自前者。
• 数据检查脚本额外查询 cn_stock_instruments（行数与主键一致性）和 cn_stock_industry_index_mapper（行业代码基数上限），不产出字段。

加工逻辑说明

以 cn_stock_instruments 作为基准股票池，确定输出的 (date, instrument) 粒度，其余数据表一律 LEFT JOIN，因此本表的行数与 cn_stock_instruments 严格一致，不会多出已退市标的。

三个子表都不能用 PRUNE JOIN：它带分区裁剪优化，语义上接近 INNER JOIN，右表未匹配的行会被直接过滤掉，变成行缺失而不是字段补 NULL。

前值填充

行业分类是状态量，上游 cn_stock_industry_component 并非每个交易日都有记录，直接用会出现大量假缺失。加工时做两层填充：

1. 行业成分按证券 ffill：某一天查不到记录（或该体系下代码为空）时，沿用该股票最近一次已知的分类。只做 ffill 不做 bfill，保证不引入未来信息。
2. 行业指数行情按指数序列 ffill：把行情透视成 (交易日 × 指数) 网格后按列填充，再还原成长表。按指数自身而不是按股票填充，避免个别指数某日缺行情时，该行业全部成分股的行业指数字段一起变成缺失值。

为了让区间头部也能填充到位，加工时统一往前多取 lookback_days = 400 个自然日的数据，填充完成后再裁剪回目标区间。400 天足以覆盖一年以上的行业分类空档。

前值填充放在 pandas 侧而不是 SQL 的窗口函数里：DAI 的 date 过滤会下推到分区裁剪，与窗口函数叠加时窗口范围会被静默改写，结果不可控。

行业名称字典填充

上游存在少量「有代码、无名称」的记录（申万 2014 体系约 1%）。行业名称是行业代码的静态属性，加工时用全历史聚合出的「体系 + 层级 + 代码 → 名称」字典补齐，不涉及未来信息。字典按全历史聚合而不是只看当前取数窗口，保证窗口再短也能补全。

缺失值来源

即便做了前值填充和字典补名，本表仍有一部分字段无法做到 100% 覆盖，原因都在上游，不是加工遗漏。数据检查脚本 tester.py 因此对不同字段设置了不同的覆盖度门槛：

低于门槛会触发关键测试失败，增量任务会直接报错而不是把脏数据写进表里。

使用注意事项

行业分类用哪一套

申万(2021) 覆盖度最高且仍在维护，做行业中性化时建议默认用 sw2021_level1。申万(2014) 只在需要与旧研究口径对齐时使用，注意它 2023 年之后对新股缺失严重。中信体系覆盖面窄，适合做交叉验证而不是主口径。

行业分类是填充后的状态量

行业字段经过按证券的前值填充，某一天的取值可能来自更早的一次分类披露，而不是当天上游真的有记录。这对回测是安全的（只用了过去信息），但如果你要统计「行业分类调整发生在哪一天」，本表看到的调整日期会晚于实际生效日，应回原始表 cn_stock_industry_component 确认。

行业指数字段是行业级别的

sw_level1_open 等 9 个字段描述的是行业指数而不是个股，同一天同一行业的成分股取值完全相同。做截面回归时直接把它们当个股因子会引入强共线性，通常的用法是先算行业收益，再取个股相对行业的超额。

行业指数行情也经过按指数序列的前值填充，指数停更日会沿用上一交易日的价格，此时 sw_level1_volume 同样是沿用值而不是 0。

可转债标记的口径

cbond_issue_factor = 1 表示「当日有成交量大于 0 的存续可转债」，不是「当日发行可转债」。它反映的是转债处于活跃交易状态，成交量为 0 的停牌类快照被剔除。若要研究发行事件本身，应回 cn_cbond_basic_info 取发行日。

历史数据的构建方式

历史数据按 2 年一批（builder 的 history_step = 2）从 2010 年逐批加工写入，批次之间按右开区间切分，不会在边界日重复。每批约 260 万行，步长调大会显著吃内存，因为前值填充在 pandas 侧完成。

数据访问示例

Python：取某段区间的全部字段

import dai
df = dai.query(    "SELECT * FROM cn_stock_factors_company_profile",    filters={"date": ["2025-01-01", "2025-06-30"]},).df()

Python：取申万一级行业(2021)分类，用于行业中性化

import dai
sql = """SELECT date, instrument, sw2021_level1, sw2021_level1_nameFROM cn_stock_factors_company_profileWHERE sw2021_level1 IS NOT NULLORDER BY date, instrument"""df = dai.query(sql, filters={"date": ["2025-01-01", "2025-06-30"]}).df()

SQL：计算个股相对所属行业的超额收益

SELECT    p.date,    p.instrument,    p.sw2021_level1_name,    b.close / lag(b.close) OVER (PARTITION BY p.instrument ORDER BY p.date) - 1 AS stock_ret,    p.sw_level1_close / lag(p.sw_level1_close) OVER (PARTITION BY p.sw_level_index_code ORDER BY p.date) - 1 AS industry_retFROM cn_stock_factors_company_profile AS pLEFT JOIN cn_stock_bar1d AS b    ON p.date = b.date AND p.instrument = b.instrumentWHERE p.sw_level_index_code IS NOT NULL

SQL：统计每日各申万一级行业的股票数量

SELECT    date,    sw2021_level1_name,    count(DISTINCT instrument) AS stock_numFROM cn_stock_factors_company_profileWHERE sw2021_level1_name IS NOT NULLGROUP BY date, sw2021_level1_nameORDER BY date, stock_num DESC

SQL：筛选当日有活跃可转债的标的

SELECT date, instrument, sw2021_level1_nameFROM cn_stock_factors_company_profileWHERE cbond_issue_factor = 1ORDER BY date, instrument

示例数据

展示最新一日数据的前 5 行和后 5 行

{{sample_data}}