SKILL:基于 Wind Excel 插件的金融数据获取
- 2026-09-21 13:28:33
SKILL:基于 Wind Excel 插件的金融数据获取AI 调教专栏 各位好，我是清如。 经常要用 Wind 的人都知道，取数是家常便饭。只是这条路其实不太好走：Wind MCP 的免费额度，一个稍微像样的任务跑完就见底；想用 Wind API，光申请那一套流程就够折腾的。绕来绕去，能长期稳定用下来的，只剩那个一直躺在 Excel 里、平时没人正眼看的 Wind 插件。 可都这个年头了，还靠一只手在 Excel 里点、复制、粘贴地取数，我自己都觉得说不过去。这份手册就是为这件事写的。 说明：本手册基于Wind 终端的 Excel 插件实测整理，函数名和安装路径以你的 Wind 版本为准。 01先想清楚：为什么偏偏是 Excel 插件 Wind数据获取其实有好几条路，只是各有各的现实问题。Wind MCP 免费额度少，一个稍大的任务就耗尽，更适合偶尔查几个数；Wind API 得有正式接口，申请流程又麻烦；手工取数当然能取，但它不可复现、占时间，还照样吃配额。几条路走下来，能既不求人、又能被脚本驱动的，就只剩 Excel 插件了。
所以结论并不复杂：如果你只是偶尔取几个数，MCP 或者手工就够了；但只要你像我一样，每月固定要取几十上百个指标，就值得把插件这条路搭起来。它未必是最快的，却是你手上唯一不用申请、也不额外花钱的通道。 02环境与调用骨架 动手之前先确认两件事：本机装了 Wind 金融终端和 Excel，Python 环境里备好 xlwings、pywin32、openpyxl。xlwings 负责驱动 Excel，pywin32 用来调 COM 接口，openpyxl 留着读写落盘。这几样齐了，后面就顺了。整个自动化的骨架其实很短，两条取数路径都围着它转： 要点只有三个：Excel 在后台开起来、Wind 加载项确保启用、请求写进去之后等返回再读值。前两个是准备动作。第三个最容易被忽略——插件是异步取数的，CalculateUntilAsyncQueriesDone 会一直等到所有请求返回；你不等它算完就去读，读到的就是一片空白。所以那个循环不是多余的，是必须的。 03路径 A：股票、截面与财务（UDF 公式法） 这一类最好办，插件吃的本来就是公式。常用的就三个函数，覆盖了绝大多数取数场景：
用法和写普通 Excel 公式没区别：把公式塞进单元格，插件会异步回填。第一个参数是要取的标的，可以是单个代码，也可以是逗号分隔的一串；第二个是字段列表，比如收盘价 close、滚动市盈率 pe_ttm、市净率 pb_lf、总市值 mkt_cap_ard；第三个是参数串，可以什么都不写，也可以用来限定日期。 真正要留意的是返回布局——WSD 每行一个交易日，第 1 列是日期，后面按字段顺序排；WSS 每行一个标的，而且没有表头行、也没有名称列，你得按输入代码的顺序对齐，或者干脆把 sec_name 也放进字段里，用名字来核对。刚上手的时候，可以拿一组已知数据验一下：沪深300指数在 2026-08-03 收 4543.1781，贵州茅台那一刻的滚动市盈率是 19.54，对得上就说明通道是通的。 还有一个坑：插件会把你写的公式自动改写，在后面追加布局参数（类似 "cols=3;rows=21"）。所以读结果的时候，要按它返回的整块区域去读，别按你写的公式原样去推断行列数——它返回的行列，往往和你写的不一样。 04路径 B：宏观 EDB（批注配置法） 宏观指标是另一套体系，也是创造这个skill的时候卡住的地方。你可能试过在单元格里写 =EDB(...)，然后发现它恒返回空——因为 EDB 压根不走普通公式，它用的是「对话框取数 + 外链工作簿」：落表公式写成 =[1]!edb()，外链指向 Wind 安装目录下的 WindFunc.xla。这层绕，但摸清之后就是一劳永逸。 真正的取数请求不在公式里，而藏在单元格的批注里。批注内容是一段 base64，解开来是 zip 片段，里面是 8 字节二进制头加一段 JSON： 把这层结构看明白，后面的坑就都好懂了。metric 是你要取的指标列表，每一项有代码、名称、频率和一个唯一 key；timeFrameSetting 规定了取数的起止时间，格式是年月日。其中 freq 是频率枚举，日频是 1、季频是 5、月频是 6——填错，取回来的序列就完全对不上轴。最实用的一点是：一个配置里可以塞多个指标，一次刷新全部取回，这也是省配额的关键，别一个指标刷一次。刷新是能自动化的：脚本用 COM 调 CalculateFullRebuild，等它算完再读。 输出布局很规整：A1 是 Wind，第 2 行是各指标名，第 3 行起是日期和数值，一列对应一个指标。不过这一步有三个坑，我踩过其中两个：
05取数节流：把配额省下来 Wind 有取数配额，超量当天失效。所以"能取"只是及格，真正要琢磨的是怎么"省着取"。我给它加了三层节流，缺一不可。 第一层是本地缓存。取过的数据直接写进一个 JSON 文件，下次先查缓存，命中的就完全不碰 Wind；这个文件本身就是你的取数底稿，随时能回溯。取数前的计划阶段会把所有指标分成三类——缓存里已经有的、需要新取的、判定停更的，只有第二类才真正发起请求。第二层是增量补取，只对缺数据的指标发请求，obsFrom 设成最早的那个缺口月份，而不是整段重取。第三层是停更冻结：某个指标连续两次取数的末月都没变化，就判定数据源停更，记进 meta.frozen，之后自动跳过，不再浪费配额去问它。 效果是实打实的。58 个宏观指标，第一次跑全量要 33 秒；第二次直接全命中缓存，3.3 秒，零取数，配额一分没动。 有两个细节必须注意。一是期末要动态取「上一个月」——宏观月度数据滞后一个月发布，你要是写死当月，缓存永远判定有缺口，每次都会重新取，节流就白做了。二是停更判定的阈值要用 stale（默认 1 个月），别写死 12 个月，否则停更的指标永远筛不出来。 06指标代码与名称：怎么拿到、怎么核 EDB 最烦人的不是取数，是搞清楚每个代码到底代表哪个指标。代码表网上到处都有，但错的也不少——我核过一版第三方表，96 个代码里就有 7 个是错的。所以得有几条自己的路子。 相对可靠的有三条。一是官方名回收：在 Excel 用 EDB 对话框选一批指标取数，插件会把官方指标名写进批注，扫一遍历史 xlsx 就能回收，不额外消耗额度，我这样攒下了三百多条官方名。二是界面滚动 OCR：EDB 界面全选，滚动截屏加 OCR，一次能提八九百条，代码列几乎 100% 准，可惜中文名有 5~10% 的错字，拿到后要人工筛一遍。三是EDB 搜索框查代码，这条最可靠，拿到的还带来源机构和频率，值得单独说。 在 EDB 顶部搜索框输入指标代码，左侧指标列表第一行马上就会显示它的官方全名、来源机构和频率。手查几个当然没问题，但要一次查几十上百个，就得让它自动跑。脚本的逻辑不复杂：给窗口设焦点、把代码写进搜索框、读取左侧第一行的结果并落盘。听着简单，实际上是三个坑叠在一起，缺一个就完全不工作：
这三个坑排查起来，有个笨办法很管用：先用记事本做基准测试，区分是你的代码有问题，还是目标窗口根本不收键。上面两个坑就是这么揪出来的。跑通之后，M0000020 一查，返回的就是完整官方全名——"中国:工业增加值:规模以上工业企业:煤炭开采和洗选业:当月同比"，比 OCR 那个被截断的名字清楚得多。靠它，我一口气补齐了五十多个名称质量差的代码。 顺带说一句：WindPy 拿不到 EDB 指标名称。当然也可能是我没找到。 07口径核验：名字会骗人 即便代码和名字都对上了，口径也未必对。我通常用三类证据交叉判断。一是看量级，利率出现两位数、PMI 超过 100，必然有错。二是看变化次数，取 5 年序列数相邻值的变化次数——0 次说明序列已停更，50~80 次差不多是月频或季频被填到了日轴上，1000 次以上才是真正的日频。三是看内部勾稽，比如三次产业加总应该等于 GDP，M1 增速通常低于 M2，国债 1 年、5 年、10 年利率应该单调递增。 由此还能总结出四条自动判错的硬规则：比值型指标出负数或大于 100；利率、同比出现两位数以上；36 期数值完全恒定；两个不同代码逐期数值完全相同。我自己就吃过亏，有个指标叫"社零当月同比"，取回来其实是"当月值"；"基建累计同比"实为年度值；"进/出口金额"实为当月同比。名字张冠李戴的，不止一两个，取完数花十分钟验一下，比拿错数去写东西划算得多。 08月度流程与边界 跑顺之后，日常其实很简单，一个月就三步：第一次把全量跑一遍，建好含全部目标指标的缓存；之后每个月直接跑增量脚本，只补上月的缺口，其余全部命中缓存；如果新增了指标，把它加进映射表，重跑一次数据转换脚本，再跑增量取数就行。第一次搭的时候，顺序建议是：先确认环境，用路径 A 取一条行情把通道验通，再上路径 B 啃宏观，最后把缓存节流接上。 最后是几条边界，提前知道能少走弯路。配额方面，超量当天失效，所以缓存和增量不是可选项，而是必需品。实时函数 WSQ 收盘后没有数据，别拿它做盘后快照。要是某个指标突然停更，先去数据源那头确认，别急着改脚本。还有，缓存文件就是你的取数底稿，要留着、要能回溯。 至于 WindPy，如果你要是公司有正式的 API 或者 WindPy，直接用就是，比这套省事得多——我只是没这个条件。 写到这儿，回头看这套东西，技术含量其实不高。真正磨人的是那些坑——EDB 的批注结构、查名时的输入法和坐标偏移，没有一个是靠聪明绕过去的，都是一个个撞出来的。我把它们都写在这儿了，你照着走，至少能少撞几次。 比脚本本身更值得说的，是省下来的那些时间。一个月省下的那几个小时，听着不多，攒一年也是好几十个小时，都是从机械点击里一点点抠出来的。 "并非我们的生命太短，而是我们浪费的时间太多。" —— 塞内加《论生命之短暂》 重复劳动本就不该耗在人身上。机器能做好的，交给机器；省下来的时间，留给机器替不了的事——判断、取舍，还有把数据背后的意思讲清楚。 能被机器接走的活，就别让它再占着人。 Gong Zhu De Bai Cai
import time, xlwings as xw
app = xw.App(visible=False, add_book=False) # 后台跑，可见性不影响取数
app.display_alerts = False
for a in app.api.AddIns2: # 确保 Wind 加载项已启用
if "WindFunc" in str(a.Name) and not a.Installed:
a.Installed = True
time.sleep(2)
wb = app.books.add()
sht = wb.sheets[0]
# 在这里写取数公式，或写 EDB 批注配置
for _ in range(25): # 等异步取数返回
app.api.CalculateUntilAsyncQueriesDone()
time.sleep(1.5)
# 从单元格里读取结果
wb.close()
app.quit()
头（必须字节一致）:
45 44 42 00 0a 00 00 00 # 即 "EDB\x00\n\x00\x00\x00"
{
"metric": [
{"code": "M0000545", "name": "工业增加值", "freq": 6, "key": "<uuid>"}
],
"timeFrameSetting": {
"periodType": "ptObsBetween",
"obsFrom": "20221201",
"obsTo": "20260820"
}
}
本文来自网友投稿或网络内容，如有侵犯您的权益请联系我们删除，联系邮箱：wyl860211@qq.com 。
