nepse-market-data

NEPSE Market Data 是一个包含尼泊尔股票交易所（NEPSE）市场数据的开源数据集，涵盖日线和逐笔交易数据。数据集由开源管道捕获并在每一层边界进行验证。日线价格可追溯至1995年7月20日，涵盖653个股票代码；逐笔数据自2026年8月19日开始累积。数据集包含多个表格：eod_history_ext（来自ShareSansar的日线数据，覆盖1995年至今）、eod_price（来自NEPSE官方的权威日线数据，滚动365天，字段更丰富）、floorsheet（每一笔成交合约，包含双方经纪商信息及微秒级时间戳）、bars_1m（基于floorsheet生成的1分钟K线）、broker_flow_daily（按股票、经纪商、日期的交易流）、daily_stats（按股票、日期的统计数据）。数据以Parquet格式存储，可通过DuckDB直接查询。该数据集适用于金融时间序列分析、订单流分析、市场微观结构研究、公司行为检测等任务。注意事项包括：未调整公司行为（如送股、配股），逐笔数据无法回溯，交易周在2026年4月前后发生变化，早期数据较为稀疏。数据集仅供研究和教育用途，商业再分发可能需要NEPSE的许可。NEPSE Market Data is an open-source dataset containing market data from the Nepal Stock Exchange (NEPSE), covering daily and tick-by-tick transaction data. The dataset is captured by an open-source pipeline and validated at each layer boundary. Daily prices date back to July 20, 1995, covering 653 stock symbols; tick data has been accumulated since August 19, 2026. The dataset includes multiple tables: eod_history_ext (daily data from ShareSansar, covering 1995 to present), eod_price (authoritative daily data from NEPSE official, rolling 365 days, with richer fields), floorsheet (each transaction contract with broker information and microsecond timestamps), bars_1m (1-minute candlesticks generated from floorsheet), broker_flow_daily (trading flow by stock, broker, and date), and daily_stats (statistics by stock and date). Data is stored in Parquet format and can be queried directly via DuckDB. The dataset is suitable for financial time series analysis, order flow analysis, market microstructure research, corporate action detection, and other tasks. Notes include: corporate actions (e.g., stock splits, rights issues) are not adjusted, tick data cannot be backfilled, trading week changed around April 2026, and early data is sparse. The dataset is intended for research and educational purposes only; commercial redistribution may require permission from NEPSE.

原始信息汇总

NEPSE Market Data 数据集概述

数据集简介

本数据集收录尼泊尔证券交易所（NEPSE）的每日及逐笔（tick-level）交易数据，由开源管道抓取并在每层边界进行验证。数据集采用英语，标注为金融、股票市场、尼泊尔、订单流、OHLCV、时间序列等标签。

数据表构成

表路径	粒度	来源	覆盖范围
eod_history_ext/	股票 × 日	ShareSansar（二手来源）	1995-07-20 至今，共 653 只股票
eod_price/	股票 × 日	NEPSE（权威来源）	滚动 365 天，字段更丰富
floorsheet/	每笔成交合约	NEPSE（权威来源）	自 2026-08-19 起持续积累
bars_1m/	股票 × 分钟	由 floorsheet 派生	自 2026-08-19 起
broker_flow_daily/	股票 × 经纪商 × 日	由 floorsheet 派生	自 2026-08-19 起
daily_stats/	股票 × 日	由 floorsheet 派生	自 2026-08-19 起

floorsheet 表记录了每笔交易双方经纪商及微秒级时间戳，这是多数交易所不会公开的信息。

分析示例

分析主题	发现
谁在真正交易该股票？	大型经纪商仓位方向在下一交易日重复的概率为 71.8%
公司行为陷阱	NEPSE 约 10% 的涨跌停限制可兼作公司行为检测器，仅从价格中发现 747 个候选
消失的股票	36% 的股票已退市，幸存者偏差估计为每年 +0.74 点

数据来源与可靠性

• eod_price 来自 NEPSE 官方，但官方 API 将历史数据限制为滚动 365 天（2026-08-21 验证确认）。
• eod_history_ext 由 ShareSansar 编制，是获取 2025 年前数据的唯一途径。
• 两者重叠的 226 天窗口内，75,671 行交易量完全一致（100%），收盘价一致率 99.98%（14 处差异均小于 1% 或为已标记的异常证券），验证了两来源描述相同交易。

建模注意事项

• 公司行为（如红股、配股）未做调整，原始价格序列中会留有人为隔夜缺口。
• 逐笔历史数据无法回填，NEPSE 仅提供当日数据，错过即永久丢失。
• 交易周次曾有变更：约 2026-04-06 前为周日至周四，之后为周一至周五。
• 早期数据极薄：1995-2002 年仅有一只股票，市场从 2011 年起才广泛可观测（93 只股票），125 只股票有 10 年以上历史。
• 所有已发布交易日均通过了完整性校验（对照上游行数、唯一性、空值及 数量 × 价格 = 金额 检查）。

许可与使用

数据集仅供研究和教育用途，商业再分发可能需要获得 NEPSE 许可。数据管道源码见 https://github.com/ANKITSANJYAL/nepse-pipeline 。

搜集汇总

数据集介绍

构建方式

该数据集依托开源管道从尼泊尔证券交易所（NEPSE）捕获日级与逐笔成交数据，并在每一层边界进行验证。日线数据可追溯至1995年7月20日，覆盖653个交易标的，源于ShareSansar的二手数据源；而NEPSE官方数据接口则受限于滚动365天的窗口，用于提供更丰富的字段。逐笔数据自2026年8月19日起累积，包括每一笔成交的对手方经纪商与微秒级时间戳，并由此衍生出1分钟K线、经纪商日度流量及每日统计等表。这些表均以Parquet格式存储，便于高效查询。

特点

数据集的独特之处在于其逐笔成交数据提供了每一笔交易的双方经纪商信息及微秒级时间戳，这在多数交易所中并不公开。同时，日线数据跨越31年，但存在公司行动未调整、交易周变更、早期流动性稀疏等特性。数据验证机制完备，在重叠窗口内两数据源在成交量上完全一致，收盘价匹配率高达99.98%。此外，数据集中附带了三个深入分析的示例，揭示了经纪商行为持续性、公司行动检测以及幸存者偏差的量化结果，为研究提供了直接可复用的洞见。

使用方法

使用者可通过DuckDB直接加载Parquet文件，例如查询31年的日线数据或逐笔成交数据。数据集提供多种粒度（日、分钟、逐笔），适用于时间序列分析、市场微观结构研究及事件驱动策略开发。需注意，日线表刻意未合并，以保留数据源的独立性；公司行动未调整，计算收益时需自行处理；逐笔数据无法回填，需持续捕获。建议根据研究目的选择合适的表，并结合数据集附带的工作示例进行参考。

背景与挑战

背景概述

该数据集由Ankit Sanjyal构建，旨在系统性地收集和整理尼泊尔证券交易所（NEPSE）的日线与逐笔交易数据，覆盖自1995年以来的历史行情及自2026年起的高频订单流信息。其核心研究问题聚焦于新兴市场的数据透明度与可复现性，通过开源管道在每一层边界进行验证，并公开了成交记录中罕见的双方经纪商身份与微秒级时间戳，为市场微观结构、公司行为及幸存者偏差等研究提供了独特素材。该数据集填补了NEPSE长期缺乏结构化、可访问数据源的空白，其覆盖广度与验证深度对量化金融及新兴市场研究具有重要参考价值，并展示了从原始数据到可分析形态的完整处理流程。

当前挑战

该数据集面临多重挑战：首先，NEPSE官方历史接口仅提供滚动365天数据，迫使构建者依赖第三方来源（如ShareSansar）补全1995至2025年的数据，虽经重叠窗口验证高度一致，但前期部分的独立核验仍属缺失；其次，公司行为（如送股、配股）未被调整，造成原始价格序列中的虚假跳空，影响收益率计算的准确性；此外，逐笔数据无法回溯，任何遗漏即永久丧失，且交易周在2026年由周日至周四调整为周一至周五，需精心处理以防时间过滤错误；最后，早期市场流动性稀薄（1995-2002年仅一只股票），样本代表性受限，这些因素共同构成建模与实证分析中的潜在陷阱。

常用场景

经典使用场景

该数据集汇聚了尼泊尔证券交易所（NEPSE）自1995年以来的日线行情与2026年后的逐笔成交数据，为金融时间序列分析提供了丰富的实证素材。研究者可借此开展股票收益率的统计特征刻画、波动率建模、市场微观结构分析以及订单流不平衡等经典量化研究。其独特的双边经纪商与微秒级时间戳设计，更使得从交易对手网络视角解析价格形成机制成为可能，为高频交易与市场流动性研究开辟了新的路径。

衍生相关工作

基于该数据集，已衍生出多项具有启发性的研究工作。例如，利用经纪商交易网络揭示大型机构持仓方向的持续性，为预测短期价格走势提供了新变量；借助价格序列识别公司行动引起的跳变，构建了纯价格驱动的公司事件检测器；以及通过追踪退市股票，量化了幸存者偏差对市场指数与收益研究的影响。这些工作不仅深化了对NEPSE市场特有规律的理解，也为其他新兴市场提供了可借鉴的分析框架。

数据集最近研究

最新研究方向

该数据集聚焦于尼泊尔证券市场的微观结构研究，核心创新在于利用逐笔成交数据（floorsheet）揭示交易对手方身份及微秒级时间戳，这一特性在全球交易所中极为罕见，为市场参与者行为分析和订单流研究提供了新维度。当前前沿方向包括：基于券商网络的大资金持仓持续性预测（如重复方向概率高达71.8%）、利用约10%的涨跌幅限制作为公司行为自动检测器（已识别747个候选事件）、以及幸存者偏差量化（年化偏差达+0.74个百分点）。数据集的独特设计——区分权威数据源与二次数据源、明确标注未调整的公司行为、强调tick数据不可回溯——使其成为研究新兴市场微观结构、价格操纵检测和长期收益偏差校正的宝贵资源。