---
date: 2026-06-16
type: insight-card
tags: [信息架构, 市场分析, 交易基础设施, 数据工程, 体系设计]
---

# 行情数据采集方案：事件线与价格线的双轨归档

> 字数 **1800** · 阅读 **4** 分钟

**摘要：** 新闻归档提供了"事件线"，但缺少对应的"价格线"。两条线缺一条，分析时就只能看到一半的图景。从今天起每日采集全球指数、汇率、数字货币、宏观指标的日线行情，与新闻归档并存于同一仓库、同一时间轴，为半年后的跨维度分析积累数据基础。

## 一、缘起

在完成新闻归档体系后，一个自然的追问浮出水面：**事件的脉络有了，价格的脉络在哪里？**

新闻归档记录的是"世界发生了什么"，行情数据记录的是"市场对此如何定价"。两者是同一个时间坐标轴上的两条曲线。缺一条，就看不出"新闻出来后市场到底买不买账"。

> 新闻归档 → 事件时间轴 ✅ 已有
> 行情数据 → 价格时间轴 ❌ 缺

## 二、为什么从今天就开始

不是等到需要分析时才去采集，而是从今天开始累积，半年后才有数据可用。

| 场景 | 只有新闻 | 双轨归档 |
|:---|:---|:---|
| "6月16日恒指23185见底当天，新闻在说什么？" | 能看到新闻 | 新闻+K线，因果一目了然 |
| "7月那波回调，是先有利空还是先有价格异动？" | 只能猜 | 时间轴对齐，领先滞后可量化 |
| "过去3个月ETH波动率和'美债'词频相关吗？" | 无法回答 | 两条线联合分析 |

一年后回看，拥有的是：
- 📰 新闻归档：每一天发生了什么
- 📊 行情数据：每一天价格怎么走

两者对齐，才有跨维度的分析能力。

## 三、采集范围

### 全球指数（10个）
HSI、上证综指、深证成指、标普500、纳斯达克、道琼斯、日经225、富时100、德国DAX、KOSPI

### 主要汇率（6对）
USD/CNY、EUR/USD、GBP/USD、USD/JPY、USD/KRW、CNY/HKD

### 数字货币（8+4个）
**核心：** BTC、ETH、SOL、XRP、BNB、ADA、DOGE、TRX  
**扩展：** LINK、UNI、ARB/OP、AAVE（可选）

### 宏观指标（3个）
美国10年期国债收益率（US10Y）、美元指数（DXY）、恐慌指数（VIX）

**合计约30~32个品种/天，纯数值CSV，年增量<200KB。**

## 四、设计与成本

### 架构
```
东京服务器 cron 23:50
  └─ fetch_market_daily.py
       ├── Binance API → 数字货币日线
       ├── Yahoo Finance → 指数/汇率/宏观
       └── daily-brief/market_data/*.csv → git push → Gitea
```

### 成本
- **Token消耗：0**（纯HTTP API + CSV写入，不走任何AI模型）
- **存储：** ~200KB/年，可忽略
- **API费用：** 全免费公开接口
- **开发：** 一次编写，永久运行

### 数据格式
```csv
date,open,high,low,close,volume
2026-06-16,18500.00,18800.00,18400.00,18750.00,1250000
```

每个品种独立文件，逐年追加。与新闻归档同在 `daily-brief` 仓库：

```
daily-brief/
├── archive/2026/06/2026-06-16.md     ← 新闻
└── market_data/
    ├── HSI.csv, SPX.csv, ETH_USDT.csv ...
```

## 五、四线并行的完整体系

至此，个人数字体系四条线齐备：

| 体系 | 记录 | 频次 | 状态 |
|:---|:---|:---:|:---:|
| 灵感分析 | "我在想什么" | 每日+按需 | ✅ |
| 阅读管理 | "我学到了什么" | 每小时同步 | ✅ |
| 新闻归档 | "世界发生了什么" | 每天4轮 | ✅ |
| **行情数据** | **"市场如何定价"** | **每日日线** | **⬅ 本次** |

> 前三条是"信息线"，行情是"价格线"。  
> 信息线让人理解世界，价格线让人理解市场。  
> 四线汇聚，才构成一个交易者完整的认知基础设施。

## 六、半年后的想象

当行情数据攒够180个交易日、新闻归档攒够180份日报时，能做的事就不再是"查某天的新闻"，而是：

- 拉出"美债收益率飙升"的新闻窗口，看当时所有指数的反应
- 对比不同市场对同一事件的反应强度（A股 vs 港股 vs 美股）
- 观察数字货币和传统资产在特定事件窗口内的相关性变化
- 回看一笔失败交易时，同时看到K线和当天的新闻密度

**这才是"从备份到跃升"。**