跳转至

量化数据免费方案之 QMT

学习要点

  • xtquant 提供了数据和交易接口
  • xtquant 可以独立于 QMT 之外运行
  • download_history_data
  • download_history_data2
  • get_market_data

QMT 和 XtQuant 简介

QMT 是目前接入门槛最低的量化实盘接口之一。它提供了本地部署的量化平台（可以回测和实盘），也提供了可独立于该平台运行的 SDK，即 XtQuant。

XtQuant 仅提供行情数据和交易接口，不提供回测功能。目前通过 XtQuant 获取普通行情数据是免费的，但有流速限制，据测试，低于 1 秒获取一次是没有问题的。

XtQuant 获取行情数据

XtQuant 中，数据获取一般分两个阶段，首先是缓存阶段，然后是读取阶段。

缓存阶段的 API 一般以 download_开头。

因此，我们要获取历史行情数据，首先要进行缓存。使用的 API 是：

1
2
3
4
5
6
def download_history_data(stock_code: str='', 
                      period: str='', 
                      start_time: str='', 
                      end_time: str='', 
                      incrementally: Optional[bool]=None
                      )

如果我们要一次下载多支证券的行情数据，还可以使用download_history_data2这个 API。

如果在 start_time 到 end_time 区间的数据被缓存后，我们就可以调用get_market_data来获取行情数据。

1
2
3
4
5
6
7
8
9
def get_market_data(field_list = [], 
                    stock_list = [], 
                    period = '1d',
                    start_time = '', 
                    end_time = '', 
                    count = -1,
                    dividend_type = 'none', 
                    fill_data = True
)

该方法可以获取'1m', '5m', '15m', '30m', '1h', '1d'和分笔 (tick) 数据。不同的周期下，返回的字段有所不同。除分笔外，能返回的数据包括时间，OHLC，volume（成交手）和 amount（成交金额）。

Warning

fill_data建议都设置为 False。它的行为是使用前一条数据进行填充，类似于 pandas 的 fillna 中的ffil。但行情软件在计算技术指标时，都是跳过这些缺失数据，而不是使用的填充数据。因此，我们也应该将fill_data设置为 False, 以避免与其它人行为不一致。

注意该方法不能返回复权因子。因此，如果我们不是为了直接使用返回的数据，而是要将其转存到其它数据库的话，我们还需要调用get_divid_factors来获得复权因子，与这里获得的未复权数据一起保存。直接转存任何已经复权的数据是没有意义的。即使是后复权，也存在出错的可能。

示例

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
from xtquant import xtdata

stocks = ['000001.SZ', '600000.SH']
xtdata.download_history_data(stocks[0], '1d')
xtdata.download_history_data(stocks[1], '1d')

# 或者
# XTDATA.DOWNLOAD_HISTORY_DATA2(STOCKS, '1D')

end = "20231220"
bars = xtdata.get_market_data(stock_list=stocks, 
                              period='1d', 
                              end_time=end, 
                              count=-1, 
                              dividend_type="front_ratio")

end = "20231220"
bars = xtdata.get_market_data(stock_list=stocks, period='1d', end_time=end, count=-1, dividend_type="front_ratio")

display(bars['close'].T.tail())

get_market_data的返回结果是一个dict。它的key是行情字段，比如time, open, close等。其值则是以证券代码为索引，以时间为列的各个字段值。在上述示例的输出中，我们将其进行了转置，这也是我们正常情况下，使用它们的方式。

最终输出如下：

注意 xtquant 使用的日期格式，如果周期为 1d，则是"YYYYMMDD"。如果周期为分钟级，则为"YYYYMMDDHHmmss"。如果我们使用的时间是 datatime.datetime 的话，可以用以下方式来格式化：

1
2
3
4
5
6
7
import datetime

now = datetime.datetime.now()
print(now.strftime("%Y%m%d%H%M%S"))

import arrow
arrow.get(now).format("YYYYMMDDHHmmss")

strftime的格式串不容易记忆， arrow 时间库在这点上进行了改进，周期由大到小，表示形式也实现了递进，比较容易记忆。在不涉及到性能的情况下，我们可以先将其转换为 Arrow 对象，再进行格式化。