# A股与日内基金十年大样本扩容记录

日期：2026-08-05

## 目标

把原有8只当前存续A股+3只ETF的研究管线扩展到官方目录中的5,536只当前上市A股和227只已核验T+0基金。数据区间为2016-08-03至2026-08-03，使用真实前复权日线，并保留各证券上市日期和实际可用区间。

## 已实现

- 可断点续跑的批量下载器：`portal/research/cn_bulk_market_backfill.mjs`
- 官方全量证券目录分页读取。
- 低并发、指数退避、超时、空数据失败标记和本地缓存。
- 不把短历史硬填成十年，不把接口空值当成功。
- 沪深A股与T+0基金优先回填；北交所920xxx统一代码映射单独进入待补清单。
- 原始大表只进入`research/cache`，成果档案公开脚本、聚合覆盖率、失败清单和研究结论。

## 本轮实测结果

- 请求：首批300只沪市A股。
- 成功：255只；其中249只覆盖接近完整十年。
- 数据量：610,246条真实前复权日线。
- 失败：45只，均保留失败状态供断点重试，没有用空值或合成数据填充。
- 扩大样本挑战者：2020–2024验证年化1.86%、Sharpe 0.31、最大回撤-9.92%；没有候选通过全部验证门槛，禁止晋级。

## 尚未解决

- 当前上市目录仍存在幸存者偏差；退市、ST、停复牌和历史可交易状态需TuShare或券商历史库补齐。
- 北交所2025年920xxx代码切换与旧历史代码映射需TuShare/券商数据。
- 全量日内基金的分钟/逐笔、IOPV和Level-2无法由免费日线源替代。
- 只有完整点时数据通过后，才能重新运行大样本策略验收并更新冠军。

## 解释

扩大样本不是简单把更多当前存续股票塞进同一个矩阵。正确做法是按每个交易日重建当时可见、可交易的股票池，并让上市、退市、停牌、ST和涨跌停状态进入过滤，否则仍会产生幸存者偏差和前视偏差。