📚 本系列进度：#01–#08 ✅ #09 ✅ #10–#48 ⏳
工具篇第三篇。数据留痕，才能盘后复盘「今天到底发生了什么」。
一、这个方法解决什么投资问题
盘中看到异动，收盘就忘了；下周想复盘「那天谁最活跃」却没记录。量化讲究可追溯——每一笔信号、每一次异动，都得落库。
二、核心思想：SQLite 是个人量化的最佳落库
你不需要 MySQL/PostgreSQL。单机策略、个人复盘，SQLite（Python 标准库） 三个理由足够：零依赖、单文件、SQL 直接查。等你要多人协作再升级。
三、实操演示
import sqlite3
conn = sqlite3.connect("stock_snapshot.db") # 实战用文件库；演示用 :memory:
conn.execute("""CREATE TABLE snapshot (
ts TEXT, code TEXT, name TEXT, price REAL, pct REAL, amount REAL)""")
# 盘中每轮扫描，把批量快照 INSERT 进去
items = mc.stock_ssjy_more(",".join(BASKET))
for it in items:
conn.execute("INSERT INTO snapshot VALUES (?,?,?,?,?,?)",
(now, it["dm"], it.get("mc"), it["p"], it["pc"], it["cje"]))
# 盘后复盘：按成交额降序看今日异动
for row in conn.execute("SELECT code,name,price,pct,amount FROM snapshot ORDER BY amount DESC"):
print(row)
真实输出（2026-08-06，8 只篮子）： 写入 8 条；查询按成交额降序，300750（123.5 亿）居首，000001（6.3 亿）垫底——一眼看出今天谁最热闹。
四、结果解读
多轮扫描不断 INSERT，你就有了「全天的异动时间线」。配合《实时盯盘》系列的告警，能回答：「本周我收到 12 次告警，哪只触发最频繁？」——这正是复盘的起点。
五、常见陷阱
- 用 CSV 追加：不便查询、易锁文件。SQLite 一条 SQL 搞定。
- 存全量 tick：个人复盘用「每 N 分钟一笔快照」足矣，别堆原始逐笔（那是机构级）。
- 不建索引：数据多了按 code/ts 查慢，给常用列加索引。
六、小结 + 下篇预告
SQLite 三步（建表/写/查）搞定个人落库。下篇 #10 讲数据质量陷阱——复权、停牌、涨跌停，脏数据会悄悄吃收益。
七、合规收尾
本文为量化方法教学，不构成投资建议，不承诺收益。投资有风险，入市需谨慎。