股本因子

数据描述

沪深北 A 股日频股本与市值因子：总股本、流通股、自由流通股及对应市值。

数据简介

股本因子表 cn_stock_factors_shares 以「交易日期 + 证券代码」为主键，把一只股票在某个交易日的股本结构和市值规模汇总到一行，共 9 个字段。

这张表回答的是「这只股票当天有多大」这类问题：

• 有多少股：总股本、流通 A 股、自由流通股、流通股合计；
• 值多少钱：真实价格（不复权），以及由四个股本口径分别乘以真实价格得到的四个市值字段。

市值是 A 股最基础也最有效的风格因子之一（规模效应），本表的 total_shares_mv、a_float_shares_mv、free_float_shares_mv 可直接作为市值因子使用，或作为其他因子的中性化基准、流动性加权依据。自由流通市值 free_float_shares_mv 剔除了限售股和大股东长期持股，更接近真实可交易的规模，通常比总市值更贴近实际的规模暴露。

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。对应到代码里就是 builder 的 history_start_date = "2010-01-01"。

表内数据的覆盖度很高：实测 2010-01-01 至今，全部 9 个字段的单日最低覆盖度为 99.12%，绝大多数交易日为 100%。唯一存在少量缺失的是 free_float_shares 及其派生的 free_float_shares_mv，集中在 2010—2013 年（上游 cn_stock_shares 早期未提供部分标的的自由流通股），2014 年以后基本为 100%。

字段说明

股本数量

价格

股本市值

依赖的原始数据表

本表不含任何自有原始数据，9 个字段全部由下面 3 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。

另有一张表仅用于数据质量校验，不参与加工：

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，每个交易日都是全市场标的的因子数据，不会多出已退市标的，也不会因停牌而丢行。

为什么价格用 cn_stock_real_bar1d 而不是后复权表

一个直觉的做法是用后复权表算真实价格：cn_stock_bar1d.close / adjust_factor。在正常交易日这与 cn_stock_real_bar1d.close 逐行相等（实测 2010/2015/2020/2026 四个年度，最大相对误差 2.2e-16，即浮点精度极限）。

但停牌日后复权表的 close 为空，若用同表的 pre_close 兜底就会出错：pre_close 是按上一交易日的复权因子归一的，除以当日的复权因子，在除权除息日会得到错误的价格。实测 2015 年 5—6 月约 2% 的记录因此偏离估值表，最大相对误差达 67%。

因此本表统一使用未复权表 cn_stock_real_bar1d 的 close，停牌日则向前填充最近一个有成交日的真实收盘价——这也正是估值表的口径。

缺失值处理：向前填充 + 冗余回溯

停牌、上游入库延迟都会造成当日取不到值。本表用窗口函数向前填充最近一次有效值：

last_value(x IGNORE NULLS) OVER (    PARTITION BY instrument ORDER BY date    ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW)

窗口只看得到当前行及之前的数据，因此不存在前视偏差。

为了让填充能取到查询窗口之外的历史值，加工时会向前多读取 730 个自然日的冗余数据（builder 的 lookback_days），算完再把结果裁剪回目标区间。多读一段时间不影响结果，只是多一点查询开销，但能显著降低缺失：以停牌最密集的 2015 年为例，

与估值表的口径校验

加工结果与宽邦估值表 cn_stock_valuation 逐行比对：total_shares_mv 对其 total_market_cap、a_float_shares_mv 对其 float_market_cap，在 2015 / 2020 / 2026 三个抽样区间上最大相对误差为 2.1e-16（浮点精度极限），即完全一致，验证了加工口径的正确性。该校验已固化为 tester.py 中的 test_market_cap_consistency。

使用注意事项

停牌日的价格是上一个交易日的收盘价

停牌期间没有成交，real_price 会保持停牌前最后一个交易日的收盘价不变，对应的市值也随之保持不变。这与估值表口径一致，但意味着长期停牌标的的市值是「陈旧」的。若策略对此敏感，建议联用 cn_stock_factors_security_profile.suspended 过滤停牌标的。

单位是股和元，量级很大

股本字段单位为股，市值字段单位为元。大盘股的总市值可达 1e12 量级。实际用作因子时通常取对数（log(total_shares_mv)）以压缩量纲、改善分布，这也是市值因子的常规处理方式。

上游存在极少量股本大小关系异常

正常情况下应满足 free_float_shares <= a_float_shares <= total_float_shares <= total_shares。上游 cn_stock_shares 本身存在极少量违反该关系的记录（实测 2015 年 6—9 月有 19 只标的共 53 条记录的 free_float_shares 略大于 a_float_shares，占比约 0.02%），本表原样透传不做修正。tester.py 中的 test_shares_relationship 以 0.1% 的占比阈值监控该情况，只在大面积违例时才报警。

自由流通市值的早期缺失

free_float_shares 及 free_float_shares_mv 在 2010—2013 年存在少量缺失（单日最低覆盖度 99.12%）。若回测区间覆盖这一时期且强依赖自由流通口径，建议做缺失值处理，或改用 a_float_shares_mv。

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_shares",    filters={"date": ["2025-01-01", "2025-06-30"]},).df()

Python：构造对数市值因子

import dai
sql = """SELECT    date,    instrument,    log(total_shares_mv) AS log_total_mv,        -- 对数总市值    log(free_float_shares_mv) AS log_free_mv,    -- 对数自由流通市值    free_float_shares / total_shares AS free_float_ratio  -- 自由流通占比FROM cn_stock_factors_sharesWHERE total_shares_mv > 0ORDER BY date, instrument"""df = dai.query(sql, filters={"date": ["2025-01-01", "2025-06-30"]}).df()

SQL：查询单只股票的历史股本变化

SELECT date, instrument, total_shares, a_float_shares, free_float_shares, real_price, total_shares_mvFROM cn_stock_factors_sharesWHERE instrument = '000001.SZ'ORDER BY date

SQL：每日按自由流通市值筛选小市值股票池

SELECT date, instrument, free_float_shares_mvFROM cn_stock_factors_sharesQUALIFY row_number() OVER (PARTITION BY date ORDER BY free_float_shares_mv ASC) <= 100ORDER BY date, free_float_shares_mv

SQL：与证券资料表联用，剔除不可交易标的后取市值

SELECT    s.date,    s.instrument,    s.total_shares_mv,    s.free_float_shares_mvFROM cn_stock_factors_shares AS sLEFT JOIN cn_stock_factors_security_profile AS p    ON s.date = p.date AND s.instrument = p.instrumentWHERE p.suspended = 0    AND p.st_status = 0    AND p.list_days > 365

SQL：统计全市场每日总市值

SELECT    date,    count(*) AS 标的数,    sum(total_shares_mv) / 1e12 AS 总市值万亿元,    sum(free_float_shares_mv) / 1e12 AS 自由流通市值万亿元FROM cn_stock_factors_sharesGROUP BY dateORDER BY date

示例数据

展示最新一日数据的前 5 行和后 5 行

{{sample_data}}