Python Fundamentals for Quantitative Trading Beginners

# nl research


.. _nl_research:

自然语言投研：EDB 数据服务 + 扣子（Coze）
================================================================================

本主题介绍如何把 `天勤 EDB 数据服务（HTTP） <https://edb.shinnytech.com/docs/index.html#>`_ 与 `扣子（Coze） <https://www.coze.cn/>`_ 结合起来，用自然语言完成“取数 → 验证想法 → 回测 → 产出图表/报告/代码”的投研闭环。

推荐使用的方式是：先在扣子中添加天勤 EDB 数据 SKILL，再直接提研究问题。无需再手动复制 EDB 文档给扣子。

你可以把扣子当作“自然语言的研究助理”，把 EDB 数据服务当作“可被调用的数据接口”。添加 SKILL 后，扣子可以继续生成：

- 可复用的 Python 脚本（pandas / matplotlib 等）
- 研究结论与报告结构
- 可视化图表（收益曲线、价差曲线、因子检验等）

案例链接（扣子分享）
--------------------------------

- `股指期货收益来源可视化分析 <https://www.coze.cn/s/yvzxmWYMS3E/>`_
- `ag2608 au2608 价差曲线分析 <https://www.coze.cn/s/okMcnINx3Po/>`_
- `黄金2604策略逻辑及收益曲线绘制 <https://www.coze.cn/s/8nzZbuCrsXE/>`_


前置准备
--------------------------------

1. **添加扣子 SKILL（推荐）**

   - SKILL 添加地址：`天勤 EDB 数据 SKILL <https://www.coze.cn/?skill_share_pid=7602130347391959083>`_
   - 添加后即可在对话中直接让扣子获取历史数据，并继续完成想法验证或策略回测。
   
   .. figure:: ../images/coze_skill.png
   
      扣子 SKILL 页面示意（点击“使用”完成添加）。

2. **EDB 数据服务**

   - 行情历史服务（CSV 流式）：文档：`行情历史服务 <https://edb.shinnytech.com/docs/md_server.html#>`__
   - Token 服务（JWT）：文档：`Token 服务 <https://edb.shinnytech.com/docs/token_server.html#>`__
   - EDB 指标服务（JSON）：文档：`非价量数据服务 <https://edb.shinnytech.com/docs/data_server.html#>`__

3. **扣子账号**

   - 访问：`扣子（Coze） <https://www.coze.cn/>`_
   - 当每天使用频率较高时，可能需要购买扣子的月费会员（以扣子平台规则为准）。

数据权限与范围说明
--------------------------------

- **免费访问（无需 token）**
  - 日线数据（``period=86400``）：任意历史区间
  - 1 分钟线（``period=60``）：最近 1 年
- **专业版访问（需 token）**
  - 1 分钟线/日线：不限制历史长度
  - EDB 指标目录与数值查询（宏观/基本面等）

在扣子里直接提问（推荐）
--------------------------------

完成 SKILL 添加后，直接把“你的需求 + 数据口径”说清楚即可。

下面是一段推荐的提问模板（把 ``XXXXX`` 替换成你的目标）：

.. code-block:: text

   我已经添加了天勤 EDB 数据 SKILL，请帮我获取历史数据并实现 XXXXX。
   建议的约束与输出要求：
   1) 明确用哪个 symbol、period、起止时间
   2) 输出可直接运行的 Python 代码
   3) 给出结论摘要，可视化结果与可复现说明（数据口径、假设、风险点）

.. figure:: ../images/coze_skill_use_teplate.png

   添加 SKILL 后，可直接按模板在输入框中描述需求并发送。

.. note::

   如果你需要 1 分钟线的更长历史区间或 EDB 指标数据，扣子可能会提示你需要 token（专业版权限）。


对话提示词模板（建议）
--------------------------------

为了让扣子更稳定地产出“可运行的 Python 代码 + 可复现的数据口径”，建议在提问时把关键信息说全：

- 合约/指标（symbol 或 指标关键词/ID）
- 周期（``period=60`` 或 ``period=86400``）
- 起止时间（建议给到日期或日期时间）
- 输出字段（例如 ``open,high,low,close,volume``）
- 研究目标（检验/回测逻辑、输出图表类型、需要的指标）

示例 1：隔夜 vs 日内收益拆分
^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^

.. code-block:: text

   我已经添加了天勤 EDB 数据 SKILL，请获取 KQ.m@CFFEX.IF，KQ.m@CFFEX.IC，KQ.m@CFFEX.IH 的日线数据，区间 2021-01-01 到 2026-01-31。
   计算并可视化：
   1) 隔夜收益（当日 open / 前日 close - 1）的累计收益
   2) 日内收益（当日 close / 当日 open - 1）的累计收益
   给出结论摘要，并输出可直接运行的 Python 代码。

示例 2：价差曲线分析
^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^

.. code-block:: text

   我已经添加了天勤 EDB 数据 SKILL，请获取 SHFE.ag2608 与 SHFE.au2608 的日线 close，计算价差 ag-au 并画出价差曲线；
   额外输出：价差的滚动均值/标准差（例如 20 日），并给出异常波动区间的解释思路。

示例 3：策略回测脚本生成
^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^

.. code-block:: text

   我已经添加了天勤 EDB 数据 SKILL，请获取 period=60 的 SHFE.au2608 历史数据，并做一个简单策略回测：
   - 指标：20/60 均线金叉死叉
   - 交易规则：金叉开多、死叉平仓
   - 输出：权益曲线、最大回撤、年化收益
   如果免费权限不够，请提示我需要 token 并告诉我如何配置。