qmt编程之获取沪深指数数据
qmt更加详细的教程方法，会持续慢慢梳理。
也可找寻博主的历史文章，搜索关键词查看解决方案 ！
感谢关注，咨询免费开通量化回测与获取实盘权限，欢迎和博主联系！
获取指数行情数据
获取行情数据，最新行情需要数据订阅subscribe_quote。如果您需要获取历史数据，可以使用download_history_data函数下载相关数据，然后使用get_market_data_ex函数提取所需的信息。这样，使用者就能获得最新和详细的合约最新数据，有助于做出更精准的投资决策。
调用方法
python
# coding=utf-8
from xtquant import xtdata
# 订阅指定合约最新行情
xtdata.subscribe_quote(stock_code, period='', start_time='', end_time='', count=0, callback=None)
# 下载指定合约历史行情
xtdata.download_history_data(stock_code, period, start_time='', end_time='')
# 获取指定合约历史行情
xtdata.get_market_data_ex(field_list = [], stock_list = [], period = '', start_time = '', end_time = '', count = -1, dividend_type = 'none', fill_data = True)
参数
- xtdata.subscribe_quote
| 字段 | 类型 | 说明 |
|---|---|---|
stock_code |
str |
股票代码 |
start_time |
str |
开始时间格式YYYYMMDD/YYYYMMDDhhmmss |
end_time |
str |
结束时间 |
count |
int |
数量 -1全部/n: 从结束时间向前数n个 |
period |
str |
周期 分笔"tick" 分钟线"1m"/"5m" 日线"1d" |
- xtdata.get_market_data_ex
| 参数名称 | 类型 | 描述 |
|---|---|---|
field_list |
list |
表示所有字段。不同的数据周期，取值范围有所不同。 |
stock_list |
list |
合约代码列表 |
period |
str |
数据周期，默认是当前主图周期。可选值如下： 'tick' (分笔线)， '1d' (日线)， '1m' (1分钟线)， '5m' (5分钟线)， '15m' (15分钟线)， 'l2quote' (Level2行情快照)， 'l2quoteaux' (Level2行情快照补充)， 'l2order' (Level2逐笔委托)， 'l2transaction' (Level2逐笔成交)，'l2transactioncount' (Level2大单统计)， 'l2orderqueue' (Level2委买委卖队列) |
start_time |
str |
开始时间。为空时默认为最早时间。时间格式为'20201231'或'20201231093000' |
end_time |
str |
结束时间。为空时默认为最新时间。时间格式为'20201231'或'20201231235959' |
count |
int |
数据最大个数。-1表示不做个数限制 |
dividend_type |
str |
复权方式，默认是当前主图复权方式。可选值包括： 'none' (不复权)， 'front'(前复权)， 'back' (后复权)， 'front_ratio' (等比前复权)， 'back_ratio' (等比后复权) |
fill_data |
bool |
停牌填充方式 |
返回值
- period为
1m5m1dK线周期时- 返回dict { field1 : value1, field2 : value2, ... }
- value1, value2, ... ：pd.DataFrame 数据集，index为stock_list，columns为time_list
- 各字段对应的DataFrame维度相同、索引相同
- period为
tick分笔周期时- 返回dict { stock1 : value1, stock2 : value2, ... }
- stock1, stock2, ... ：合约代码
- value1, value2, ... ：np.ndarray 数据集，按数据时间戳
time增序排列
示例
# coding=utf-8
from xtquant import xtdata
# 获取迅投板块指数代码列表
xt_sector_index_list = xtdata.get_stock_list_in_sector("迅投一级行业板块加权指数")
# 获取迅投板块指数合约信息
xt_sector_index_info = xtdata.get_instrument_detail(xt_sector_index_list[0])
xt_sector_index = xt_sector_index_list[0]
print(xt_sector_index_info)
# 订阅合约数据
xtdata.subscribe_quote(xt_sector_index, period='1d', start_time='', end_time='20231026', count=1, callback=None)
# 下载指定合约历史行情
xtdata.download_history_data(xt_sector_index, '1d', '20231020', '20231026')
# 获取指定合约历史行情
day_data = xtdata.get_market_data_ex(field_list=[], stock_list=[xt_sector_index], period='1d', start_time='',end_time='20231026', count=5, dividend_type='none', fill_data=True)
print(day_data)
返回值
{'ExchangeID': 'BKZS', 'InstrumentID': '260992', 'InstrumentName': 'SW1农林牧渔加权', 'ProductID': '', 'ProductName': '', 'ExchangeCode': '260992', 'UniCode': '260992', 'CreateDate': '0', 'OpenDate': '0', 'ExpireDate': 0, 'PreClose': 26232.32, 'SettlementPrice': 1.7976931348623157e+308, 'UpStopPrice': 1.7976931348623157e+308, 'DownStopPrice': 1.7976931348623157e+308, 'FloatVolume': 1.7976931348623157e+308, 'TotalVolume': 1.7976931348623157e+308, 'LongMarginRatio': 1.7976931348623157e+308, 'ShortMarginRatio': 1.7976931348623157e+308, 'PriceTick': 0.01, 'VolumeMultiple': 1, 'MainContract': 2147483647, 'LastVolume': 2147483647, 'InstrumentStatus': 2147483647, 'IsTrading': False, 'IsRecent': False, 'ProductTradeQuota': None, 'ContractTradeQuota': None, 'ProductOpenInterestQuota': None, 'ContractOpenInterestQuota': None}
{'260992.BKZS': time open high low close volume \
20231020 1697731200000 24602.81 24703.36 24401.10 24472.14 11904789
20231023 1697990400000 24403.87 24668.01 24071.37 24185.03 12184223
20231024 1698076800000 24197.98 24566.55 24095.19 24539.91 11494663
20231025 1698163200000 24717.87 25125.34 24717.87 24973.70 12586106
20231026 1698249600000 24887.32 25203.12 24809.58 25138.33 12035455
amount settelementPrice openInterest preClose suspendFlag
20231020 1.012435e+10 0.0 15 24683.79 0
20231023 9.617285e+09 0.0 15 24472.14 0
20231024 9.028663e+09 0.0 15 24185.03 0
20231025 1.105085e+10 0.0 15 24539.91 0
20231026 1.008865e+10 0.0 15 24973.70 0 }
