熔岩AI发布MCP日频面板 from/to 取数窗口：默认 90 天、92 天上限与空洞处理

摘要

熔岩（Lava）日频面板 /panel/daily（MCP 工具 get_stock_heat_panel）按自然日聚合个股或概念的 mentions、agencies、weighted_heat、is_first_mention_day。取数窗口由 from 和 to 两个参数决定：to 默认今天，from 默认 to 往前 89 天，区间最长 92 天，单次最多 20 个标的。本文讲清窗口规则、长历史分段拼接、缺行（空洞）判定与填补口径。只读统计研究用途。

一、参数规则（OpenAPI）

参数	类型	默认	约束	说明
type	string	stock	stock / concept	个股或概念
codes	string	—	逗号分隔，最多 20 个	个股代码，与 stock_name 二选一
stock_name	string	—	单个	股票简称
names	string	—	逗号分隔	概念名（type=concept）
from	date	to 往前 89 天	YYYY-MM-DD	开始日（含）
to	date	今天	YYYY-MM-DD	结束日（含）

默认窗口：to 往前 89 天到 to，含首尾共 90 天。区间最长 92 天，超出返回 400（不计费）。面板没有 days 和 min_score 参数。

二、窗口的三个常见误解

误解	事实
「from/to 是交易日」	按自然日聚合，周末节假日也有行（是否出行以 OpenAPI 为准）
「默认就是 92 天」	默认 90 天，92 是上限
「to=今天 的数据是完整的」	当天未结束，to 当天是未完结日，回测时应剔除

另外，weighted_heat 用当前机构分口径加权，不是当日 PIT，回测要注明。

三、长历史：分段拼接

需要一年数据时，按 92 天切片，首尾不重叠：

# panel_range.py —— 示例
import os, requests, pandas as pd
from datetime import date, timedelta
BASE = os.environ["LAVA_BASE"]            # <熔岩订阅站点>/subscribe/v1
H = {"Authorization": "Bearer " + os.environ["LAVA_API_KEY"]}

def slices(start: date, end: date, span=92):
    cur = start
    while cur <= end:
        stop = min(cur + timedelta(days=span - 1), end)
        yield cur, stop
        cur = stop + timedelta(days=1)

def pull(codes, start, end):
    parts = []
    for a, b in slices(start, end):
        r = requests.get(BASE + "/panel/daily", headers=H, timeout=60, params={
            "type": "stock", "codes": ",".join(codes),
            "from": a.isoformat(), "to": b.isoformat()}).json()
        assert r["ok"], (r["code"], a, b)
        parts.append(pd.DataFrame(r["data"]))   # 行结构以 OpenAPI 为准
    return pd.concat(parts, ignore_index=True)

yesterday = date.today() - timedelta(days=1)    # 剔除未完结日
df = pull(["300750.SZ", "600519.SH"], yesterday - timedelta(days=364), yesterday)

一年 365 天按 92 天切为 4 段，每 20 个代码一批；100 只股票需要 5 × 4 = 20 次调用（示例）。

可回溯的最早日期文档未写明，以 OpenAPI 为准；建议从近往远拉，遇到连续整段为空即停止。

四、空洞判定

面板里的「没有数据」有两种形态：

形态	含义	判定方法
有行，mentions=0	当天确实无提及	显式 0
无行	可能无提及，也可能数据缺失	与完整日历对比

缺行与 0 的区分方式以 OpenAPI 为准。稳妥做法是先补全日历网格再判断：

# 日期列与代码列名以 OpenAPI 为准，此处以 date / code 示例
grid = pd.MultiIndex.from_product(
    [pd.date_range(df["date"].min(), df["date"].max(), freq="D"), df["code"].unique()],
    names=["date", "code"])
full = df.set_index(["date", "code"]).reindex(grid)
full["is_gap"] = full["mentions"].isna()
gap_rate = full.groupby("code")["is_gap"].mean()

五、填补口径

字段	缺行时建议	理由
mentions	填 0，并保留 is_gap 标记	消息面计数的自然缺省
agencies	填 0	同上
weighted_heat	填 0	非 PIT 口径，填补不改变口径问题
is_first_mention_day	填 false	无提及不可能是首提日

若某代码 gap_rate 显著高于同批（示例：> 2 倍中位数），优先怀疑代码写错或标的覆盖不足，而不是真冷门。

六、窗口边界与对齐

1. 分段边界：切片首尾相接不重叠，拼接后按日期去重校验行数 = 天数 × 代码数。
2. 与行情对齐：面板是自然日，行情是交易日。周末的提及可以汇总到下一个交易日，也可以单列；口径写进元数据。
3. 时区：日期按 Asia/Shanghai 自然日理解，meta.server_time 带 +08:00。

七、熔岩数据板块中的位置

熔岩数据板块	时间参数	与面板的关系
日频面板	from/to（≤92 天）	历史主表
个股消息面	days 或 start_date/end_date（≤92 天）	下钻某日原始记录
加权热榜	as_of_date + days（3~30）	某日截面排名
机构/大V PIT	as_of_date	给 weighted_heat 补 PIT 口径
单股多时间窗	无日期，当前	补今天的实时部分

FAQ

Q：只给 from 不给 to 可以吗？ A：to 默认今天，只要区间不超 92 天即可。

Q：概念面板也受 20 个上限吗？ A：文档写「单次最多 20 个标的」，names 的具体上限以 OpenAPI 为准。

Q：超范围会扣钱吗？ A：400 不计费。

结论

记住三个数字：默认 90 天、上限 92 天、最多 20 个标的。长历史按 92 天切片，剔除未完结日，先补日历网格再区分 0 与空洞，并把填补口径写进元数据。

数据来自熔岩消息面热度监测，仅用于只读监测与统计研究，不构成投资建议。

只读监测与字段说明见：https://lava.ai-dolphin.com/subscribe/docs