Qmt Docs

QMT Python 策略开发知识库

为 QMT（迅投极速策略交易系统）提供完整的 Python 开发参考，分为教程指南和 API 参考两层。

📖 文档结构

教程/指南（实践导向）
├── overview.md              系统概述、模式选择、入门路径
├── execution-mechanisms.md  三种运行机制详解（含流程图和代码模板）
├── backtesting-guide.md     回测完整流程（数据准备→参数设置→运行→分析）
├── live-trading-guide.md    实盘交易指南（账号配置→委托管理→风险控制）
├── quick-reference.md       ★ 常用 API 速查卡片
├── best-practices.md        编码规范、性能优化、风险管理、调试技巧
├── joinquant-migration.md   聚宽策略迁移至 QMT 指南
└── examples/                代码示例（backtest / live-trading / subscribe / run-time）

API 参考（官方完整文档）
└── python-innerApi/
    ├── start_now.md          快速开始（回测/实盘概览 + 三种机制示例）
    ├── data_function.md      行情与数据函数（get_market_data_ex 等完整参数）
    ├── trading_function.md   交易函数（passorder、get_trade_detail_data 等）
    ├── system_function.md    系统函数（ContextInfo 方法、定时器等）
    ├── callback_function.md  回调函数（account/order/deal/position 主推）
    ├── quote_function.md     引用函数（扩展数据、因子、VBA调用）
    ├── drawing_function.md   绘图函数
    ├── interface_operation.md 界面操作说明
    ├── data_structure.md     数据结构定义（Bar/Tick/Order/Position 等对象字段）
    ├── enum_constants.md     枚举常量（opType、orderType、委托状态等）
    ├── variable_convention.md 变量约定
    ├── code_examples.md      完整代码示例合集
    ├── user_attention.md     用户注意事项
    └── question_answer.md    常见问题

数据字典
└── dict/                    各品种数据字段（stock / indexes / future / option 等）

🚀 使用引导

按场景选择入口

快速查找路径

需要看函数怎么用？
  → quick-reference.md（常用函数精简版）
  → python-innerApi/data_function.md（数据获取类完整文档）
  → python-innerApi/trading_function.md（交易类完整文档）
  → python-innerApi/system_function.md（系统/ContextInfo 方法）

需要看完整代码？
  → python-innerApi/code_examples.md（官方示例合集）
  → examples/（精选示例）

需要查字段含义？
  → python-innerApi/data_structure.md（数据结构定义）
  → dict/（各品种数据字典）

遇到报错/问题？
  → python-innerApi/question_answer.md（官方FAQ）
  → python-innerApi/user_attention.md（注意事项）

🔧 关键速查

编码规范

#coding:gbk  # 必须在文件第一行

核心概念

最常用代码

# 获取历史行情数据（回测用 subscribe=False，实盘用 subscribe=True）
data = C.get_market_data_ex(['close'], [stock], end_time=bar_date,
                              period='1d', count=100, subscribe=False)
close_list = list(data[stock].iloc[:, 0])

# 获取全推实时行情
tick = C.get_full_tick(['600000.SH'])
price = tick['600000.SH']['lastPrice']

# 下单买入（23=买入, 1101=按股数, quicktrade=0 逐K线模式）
passorder(23, 1101, account, stock, 5, -1, 100, C)

# 下单买入（quicktrade=2 立即下单模式）
passorder(23, 1101, account, stock, 5, -1, 100, '策略名', 2, '备注', C)

# 查询持仓
holds = get_trade_detail_data(account, 'stock', 'position')
holds_dict = {f'{p.m_strInstrumentID}.{p.m_strExchangeID}': p.m_nVolume for p in holds}

# 查询账户可用资金（单位：分）
cash = get_trade_detail_data(account, 'stock', 'account')[0].m_dAvailable

⚠️ 使用注意事项

1. 编码声明：文件首行必须是 #coding:gbk，不可省略 2. 位置参数：get_market_data_ex 的前两个参数 fields 和 stocks 必须用位置参数，不能用 fields= 或 stocks= 3. subscribe 参数：回测必须 False，实盘使用 True 4. 账号类型：get_trade_detail_data 的第二个参数：股票用 'stock'，两融用 'credit' 5. 金额单位：m_dAvailable 等金额字段单位是分，需 /100 转换为元 6. 数量单位：股票交易必须是 100 的整数倍 7. 实盘限制：subscribe 和 run_time 仅支持实盘，不支持回测

QMT 回测模型完全指南

🎯 回测概述

回测是遍历固定的历史数据，模拟交易过程的过程。在历史K线上从左向右逐根遍历，以模拟的资金账号记录每日的买卖信号、持仓盈亏，最终展示策略在历史上的净值走势结果。

回测的意义

• ✅ 验证策略逻辑的正确性
• ✅ 评估策略历史表现
• ✅ 优化策略参数
• ✅ 降低实盘风险
• ✅ 快速迭代策略

---

📥 第一步：数据准备

下载历史行情

操作步骤

1. 打开数据管理

• 点击QMT界面左上角 操作 按钮
• 选择 数据管理 选项

2. 选择数据类型

• 选择回测的周期（日线、周线、月线等）
• 选择所需的板块（沪深A股、创业板等）

3. 设置时间范围

• 时间范围选择 全部 或指定范围
• 点击下载完整历史行情

下载配置建议

周期选择：
  ├─ 日线：适合中期策略
  ├─ 周线：适合长期策略
  ├─ 1分钟/5分钟：适合高频策略
  └─ 15分钟/30分钟：适合短期策略

板块选择：
  ├─ 沪深A股：全市场
  ├─ 创业板：创业板股票
  ├─ 科创板：科创板股票
  └─ 指数：股指数据

时间范围：
  ├─ 全部：完整历史
  ├─ 最近1年：最近一年数据
  ├─ 最近3年：最近三年数据
  └─ 自定义：指定起止日期

设置定时更新

为了保持数据最新，设置每日定时更新：

1. 点击界面右下角 行情 按钮 2. 进入批量下载界面 3. 选择需要每天更新的数据 4. 勾选 定时下载 选项 5. 指定下载时间（如每天22:00）

每天在指定时间会自动下载最新行情数据到本地。

---

⚙️ 第二步：基础信息设置

在"我的界面"配置回测策略

策略名称

输入策略的描述名称，方便后续查询和管理

默认周期

回测使用的K线周期
- 日线（1d）
- 周线（1w）
- 月线（1m）
- 分钟线（1m, 5m, 15m, 30m）

默认主图

选择回测的品种可以是：
- 单个股票（如 600000.SH）
- 指数（如 000001.SZ）
- 自定义品种

账号设置

# 回测模式账号可以填任意字符串
C.accountid = "test"        # 任意名称
C.accountid = "backtest01"  # 建议与策略名称相关

初始资金

# 回测使用模拟资金账号
# 账号的初始资金由QMT系统预设
# 默认为 1000000 元（100万）

---

📊 第三步：回测参数设置

回测参数配置

在回测界面设置以下参数：

1. 基础参数

2. 资金参数

# 初始资金设置
initial_cash = 1000000  # 100万元

# 手续费率
commission_rate = 0.001  # 0.1%

# 印花税率
stamp_tax = 0.001  # 0.1%（卖出时收取）

# 滑点设置
slippage = 0  # 默认不考虑滑点

3. 交易参数

# 每次交易的最小单位
min_order_size = 100  # 100股

# 最大购买力
max_cash_fraction = 0.9  # 最多使用90%的现金

# 杠杆倍数
leverage = 1  # 1倍为无杠杆

参数设置建议

✅ 入门回测 - 建议设置

周期：日线（1d）
时间：最近3年
品种：单只股票或指数
初始资金：100万

✅ 中等策略 - 建议设置

周期：日线/周线混合
时间：最近5年
品种：板块（如沪深A股）
初始资金：500万

✅ 高频策略 - 建议设置

周期：5分钟/15分钟
时间：最近1年
品种：流动性好的股票
初始资金：100万

---

🚀 第四步：代码实现

代码结构

#coding:gbk  # ← 必须在第一行

# 导入库
import pandas as pd
import numpy as np
import talib

# 全局变量定义
# ...

def init(C):
    """初始化函数"""
    # 设置初始参数
    pass

def handlebar(C):
    """K线处理函数"""
    # 每根K线触发一次
    # 进行交易逻辑
    pass

init 函数 - 初始化

def init(C):
    """
    初始化函数，在回测开始时执行一次
    参数 C: ContextInfo 对象
    """
    
    # 1. 设置交易品种
    C.stock = C.stockcode + '.' + C.market
    # C.stockcode: '600000'
    # C.market: 'SH' 或 'SZ'
    # 结果: '600000.SH'
    
    # 2. 设置策略参数
    C.line1 = 10    # 快线周期
    C.line2 = 20    # 慢线周期
    
    # 3. 设置账号
    C.accountid = 'test'
    
    # 4. 初始化状态变量
    C.holding = False
    C.entry_price = 0
    
    # 5. 获取账户初始信息
    # 账户初始资金由系统自动设置

handlebar 函数 - 交易逻辑

获取当前K线信息

def handlebar(C):
    # 获取当前K线时间
    bar_date = timetag_to_datetime(
        C.get_bar_timetag(C.barpos), 
        '%Y%m%d%H%M%S'
    )
    # 返回格式: '20190101093000'
    
    # 获取当前K线位置
    bar_pos = C.barpos  # K线索引位置
    
    # 获取当前K线周期
    period = C.period  # '1d', '1w', etc.

获取历史行情数据

# 回测的关键：使用 subscribe=False 和位置参数
local_data = C.get_market_data_ex(
    ['close', 'high', 'low', 'open'],               # 字段列表（位置参数）
    [C.stock],                                      # 股票列表（位置参数）
    end_time=bar_date,                              # 数据截至时间
    period=C.period,                                # K线周期
    count=max(C.line1, C.line2),                    # 数据条数
    subscribe=False                                 # ← 回测必须False
)

# 提取某个股票的数据
close_list = list(local_data[C.stock].iloc[:, 0])

# close_list: [10.5, 10.4, 10.3, 10.2, 10.1, ...]

计算指标

# 数据预检查
if len(close_list) < max(C.line1, C.line2):
    print(f"{bar_date} 行情不足，跳过")
    return

# 计算双均线
line1_mean = round(np.mean(close_list[-C.line1:]), 2)
line2_mean = round(np.mean(close_list[-C.line2:]), 2)

print(f"{bar_date} 短均线:{line1_mean} 长均线:{line2_mean}")

获取账户信息

# 获取账户信息
account = get_trade_detail_data('test', 'stock', 'account')
if not account:
    print("账户未登录")
    return
account = account[0]

# 可用现金（单位：分）
available_cash = int(account.m_dAvailable)

# 获取持仓信息
holdings = get_trade_detail_data('test', 'stock', 'position')

# 整理成字典格式
holdings_dict = {
    f'{i.m_strInstrumentID}.{i.m_strExchangeID}': i.m_nVolume 
    for i in holdings
}

holding_vol = holdings_dict.get(C.stock, 0)
current_price = close_list[-1]

下单操作

# 计算交易数量
vol = int(available_cash / current_price / 100) * 100

# 买入信号：双线金叉（上穿）
if holding_vol == 0 and line1_mean > line2_mean:
    passorder(
        23,             # 买卖代码（23=卖出, 24=卖出）
        1101,           # 价格订单类型（市价）
        C.accountid,    # 账号
        C.stock,        # 品种
        5,              # 订单等级
        -1,             # 止价 (-1 = 不设置）
        vol,            # 成交数量
        C               # ContextInfo对象
    )
    print(f"{bar_date} 双均线金叉 买入")
    C.draw_text(1, 1, '买')

# 卖出信号：双线死叉（下穿）
elif holding_vol > 0 and line1_mean < line2_mean:
    passorder(
        24,             # 卖出
        1101,
        C.accountid,
        C.stock,
        5,
        -1,
        holding_vol,    # 卖出所有持仓
        C
    )
    print(f"{bar_date} 双均线死叉 卖出")
    C.draw_text(1, 1, '卖')

---

📈 第五步：运行回测

回测运行方式

方式一：在"我的界面"运行

1. 选择策略模型 2. 点击"回测"按钮 3. 使用模型中配置的默认周期、品种

方式二：在行情界面运行

1. 打开目标股票/品种的K线 2. 在K线下方右键点击"回测" 3. 以当前K线周期和品种为准

方式三：在策略编辑器运行

1. 打开策略代码 2. Ctrl+F5 或 点击"运行"按钮 3. 系统自动选择当前配置

回测执行的要求

⚠️ 必须执行要求

1. ✅ 副图模式执行（不能选择主图/主图叠加）
2. ✅ 选择需要的股票品种作为主图
3. ✅ 确保已下载对应周期的历史数据

❌ 错误配置

1. ❌ 使用主图固定模式
2. ❌ 未下载对应周期数据
3. ❌ subscribe=True（应为False）

---

📊 第六步：分析回测结果

回测报告

回测完成后，系统生成以下报告：

1. 净值曲线

显示策略从开始到结束的累计收益率曲线
用于直观评估策略表现

2. 主要指标

3. 交易记录

显示回测期间的所有交易：
- 交易日期
- 交易价格
- 交易数量
- 交易费用
- 当前盈亏

优化回测结果

参数优化

# 尝试不同的参数组合
for line1 in range(5, 15):
    for line2 in range(15, 30):
        if line2 > line1:
            # 重新运行回测
            pass

模型改进

# 1. 加入止损
# 2. 加入持仓限制
# 3. 加入风险管理
# 4. 改进进出场逻辑

---

⚠️ 常见问题与解决

Q1: "行情不足"错误

问题：回测时显示"行情不足，跳过"

原因：

• 所需的历史数据条数不够
• 周期设置不匹配
• 数据未下载

解决：

# 检查 count 是否足够
count = max(C.line1, C.line2) + buffer
# 关键是还需要预留一些缓冲
count = max(C.line1, C.line2) + 10

Q2: 回测速度太慢

问题：回测耗时很长

原因：

• 查询的数据量太大
• 计算过于复杂
• API调用太频繁

解决：

# 1. 减少查询字段
fields = ['close']  # 不要查询不需要的字段

# 2. 缓存计算结果
# 避免重复计算相同的指标

# 3. 减少循环次数
# 只处理需要的数据

Q3: 回测结果与实盘不符

问题：回测表现好，但实盘不好

原因：

• 回测中没考虑手续费
• 回测中没考虑滑点
• 实盘有交易限制（涨跌停、价格笼子等）
• 参数过拟合

解决：

# 1. 加入合理的手续费和滑点
# 2. 考虑涨跌停限制
# 3. 适当放宽参数范围
# 4. 增加回测期间

Q4: 账户信息无法获取

问题：get_trade_detail_data 返回空

原因：

• 账户名称错误
• 账户类型（'stock'）错误
• 账户未登录

解决：

# 检查账户参数
account = get_trade_detail_data(
    'test',         # 账户ID（回测可任意）
    'stock',        # 账户类型（固定为'stock'）
    'account'       # 查询类型（固定为'account'）
)

# 添加错误处理
if not account:
    print("账户获取失败")
    return

---

💡 最佳实践

✅ 回测最佳实践

# 1. 始终检查数据完整性
if len(close_list) < required_count:
    return

# 2. 使用异常处理
try:
    line_mean = np.mean(close_list[-period:])
except Exception as e:
    print(f"计算异常: {e}")
    return

# 3. 记录关键信息
print(f"{bar_date} stock:{C.stock} price:{current_price} signal:{signal}")

# 4. 避免过度优化
# 不要调整过多参数以适应历史数据

# 5. 设置合理的参数范围
# 快线: 5-20期
# 慢线: 15-60期

❌ 常见错误

# ❌ 错误：在回测中使用 subscribe=True
data = C.get_market_data_ex(..., subscribe=True)

# ✅ 正确：使用 subscribe=False
data = C.get_market_data_ex(..., subscribe=False)

# ❌ 错误：不检查数据长度
line_mean = np.mean(close_list[-period:])  # 可能报错

# ✅ 正确：先检查数据长度
if len(close_list) >= period:
    line_mean = np.mean(close_list[-period:])

# ❌ 错误：账户参数灵活变化
account_id = random.choice(['test1', 'test2'])

# ✅ 正确：账户参数固定
account_id = 'backtest'

---

📚 相关资源

• ✅ 系统概述 - QMT基础概念
• ✅ 运行机制 - handlebar详解
• ✅ 常用API速查 - 行情和交易函数速查
• ✅ 行情函数完整文档 - 数据获取 API
• ✅ 交易函数完整文档 - 下单和查询 API
• ✅ 代码示例 - 完整回测示例

QMT 编码最佳实践与规范

📋 编码规范

1. 文件编码与基础规范

放在文件第一行（必须！）

#coding:gbk
# 这一行必须在文件的第一行，不能有任何Comment或空行在它之前

缩进规范

# ✅ 推荐：使用4个空格缩进
def init(C):
    C.stock = 'test'
    pass

# ❌ 错误：混合缩进（有的2个空格，有的4个）
def init(C):
  C.stock = 'test'      # 2个空格
    pass                # 4个空格

导入库

#coding:gbk

# 标准库
import pandas as pd
import numpy as np
import talib
import datetime
import time

# 然后是策略代码
def init(C):
    pass

---

🏗️ 代码结构最佳实践

标准的策略代码结构

#coding:gbk

import pandas as pd
import numpy as np
import datetime

# ========== 1. 全局类/变量定义 ==========
class StrategyState:
    """策略状态管理"""
    def __init__(self):
        self.holding = False
        self.entry_price = 0
        self.params = {}

state = StrategyState()

# ========== 2. 初始化函数 ==========
def init(C):
    """策略初始化"""
    # 设置策略参数
    C.stock = C.stockcode + '.' + C.market
    C.line1 = 10
    C.line2 = 20
    
    # 初始化策略状态
    state.holding = False
    state.entry_price = 0
    
    print(f"策略初始化完成: {C.stock}")

# ========== 3. 主逻辑函数 ==========
def handlebar(C):
    """K线处理函数"""
    
    # 3.1 数据准备
    bar_date = timetag_to_datetime(C.get_bar_timetag(C.barpos), '%Y%m%d%H%M%S')
    
    # 3.2 获取行情
    data = get_market_data(C)
    if data is None:
        return
    
    # 3.3 指标计算
    signal = calculate_signal(C, data)
    
    # 3.4 交易执行
    execute_trade(C, signal)
    
    # 3.5 状态更新
    update_state(C)

# ========== 4. 辅助函数 ==========
def get_market_data(C):
    """获取行情数据"""
    try:
        bar_date = timetag_to_datetime(C.get_bar_timetag(C.barpos), '%Y%m%d%H%M%S')
        data = C.get_market_data_ex(
            ['close'],
            [C.stock],
            end_time=bar_date,
            period=C.period,
            count=max(C.line1, C.line2),
            subscribe=False
        )
        return data
    except Exception as e:
        print(f"获取行情异常: {e}")
        return None

def calculate_signal(C, data):
    """计算交易信号"""
    try:
        close_list = list(data[C.stock].values.flatten())
        if len(close_list) < max(C.line1, C.line2):
            return None
        
        line1 = np.mean(close_list[-C.line1:])
        line2 = np.mean(close_list[-C.line2:])
        
        if line1 > line2:
            return 'BUY'
        elif line1 < line2:
            return 'SELL'
        else:
            return None
    except Exception as e:
        print(f"计算信号异常: {e}")
        return None

def execute_trade(C, signal):
    """执行交易"""
    if signal is None:
        return
    
    # 获取账户信息
    account = get_trade_detail_data('test', 'stock', 'account')
    if not account:
        return
    
    # 加载具体的交易逻辑
    if signal == 'BUY':
        place_buy_order(C, account[0])
    elif signal == 'SELL':
        place_sell_order(C, account[0])

def place_buy_order(C, account):
    """执行买入"""
    vol = 100
    passorder(23, 1101, 'test', C.stock, 14, -1, vol, C)

def place_sell_order(C, account):
    """执行卖出"""
    vol = 100
    passorder(24, 1101, 'test', C.stock, 14, -1, vol, C)

def update_state(C):
    """更新策略状态"""
    state.holding = not state.holding

---

⚡ 性能优化建议

1. 最小化 API 调用

# ❌ 低效：每次都重新查询
def handlebar(C):
    for i in range(100):
        data = C.get_market_data_ex(['close'], [C.stock], count=100)  # 多次调用
        # 处理 data

# ✅ 高效：查询一次，重复使用
def handlebar(C):
    data = C.get_market_data_ex(['close'], [C.stock], count=100)  # 只调用一次
    for i in range(100):
        # 使用已有的 data
        close_price = data[C.stock].values[i][0]

2. 缓存常用的计算

class DataCache:
    def __init__(self):
        self.cache = {}
        self.timestamps = {}
    
    def get_ma(self, close_list, period):
        """计算移动平均线（带缓存）"""
        key = f"ma_{period}"
        
        # 检查缓存
        if key in self.cache:
            cached_data, cached_list = self.cache[key]
            if cached_list == close_list:
                return cached_data
        
        # 计算
        ma = np.mean(close_list[-period:])
        self.cache[key] = (ma, close_list)
        
        return ma

cache = DataCache()

3. 避免重复检查

# ❌ 每个handlebar都检查账户
def handlebar(C):
    account = get_trade_detail_data('test', 'stock', 'account')  # 每次检查

# ✅ 初始化时检查，保存状态
class TradeState:
    def __init__(self):
        self.account_ok = False

A = TradeState()

def init(C):
    account = get_trade_detail_data('test', 'stock', 'account')
    A.account_ok = len(account) > 0

def handlebar(C):
    if not A.account_ok:
        return  # 账户有问题，直接返回
    # 继续交易逻辑

---

🛡️ 风险管理最佳实践

1. 止损设置

class RiskManager:
    def __init__(self):
        self.stop_loss_pct = 0.03  # 3%止损
        self.entry_prices = {}
    
    def should_stop_loss(self, stock, current_price):
        """检查是否触发止损"""
        if stock not in self.entry_prices:
            return False
        
        entry_price = self.entry_prices[stock]
        loss_pct = (entry_price - current_price) / entry_price
        
        return loss_pct >= self.stop_loss_pct
    
    def record_entry(self, stock, price):
        """记录入场价格"""
        self.entry_prices[stock] = price
    
    def clear_entry(self, stock):
        """清除入场记录"""
        if stock in self.entry_prices:
            del self.entry_prices[stock]

rm = RiskManager()

2. 持仓管理

class PositionManager:
    def __init__(self):
        self.max_position_size = 10000  # 最大持仓 10000 股
        self.max_single_volume = 5000   # 单笔最大 5000 股
    
    def can_buy(self, stock, current_holding, buy_volume):
        """检查是否可以买入"""
        
        # 检查单笔限制
        if buy_volume > self.max_single_volume:
            return False, "超过单笔最大额度"
        
        # 检查持仓限制
        new_total = current_holding + buy_volume
        if new_total > self.max_position_size:
            return False, "超过最大持仓"
        
        return True, "OK"
    
    def get_max_buy_volume(self, current_holding):
        """获取最大可买数量"""
        return min(
            self.max_single_volume,
            self.max_position_size - current_holding
        )

pm = PositionManager()

3. 日损失管理

class DailyLossControl:
    def __init__(self, loss_limit_pct=0.05):
        self.loss_limit_pct = loss_limit_pct  # 日损失限制 5%
        self.initial_cash = 0
    
    def init_cash(self, cash):
        """初始化参考资金"""
        self.initial_cash = cash
    
    def check_loss(self, current_profit):
        """检查是否超过日损失限制"""
        loss_pct = -current_profit / self.initial_cash
        return loss_pct >= self.loss_limit_pct
    
    def get_allowed_loss(self):
        """获取允许的最大亏损额"""
        return self.initial_cash * self.loss_limit_pct

dlc = DailyLossControl()

---

🐛 调试与日志最佳实践

1. 结构化日志

import datetime

class Logger:
    def __init__(self):
        self.logs = []
    
    def log(self, level, message):
        """记录日志"""
        timestamp = datetime.datetime.now().strftime('%Y-%m-%d %H:%M:%S')
        log_entry = f"[{timestamp}] [{level}] {message}"
        self.logs.append(log_entry)
        print(log_entry)
    
    def info(self, msg):
        self.log("INFO", msg)
    
    def warning(self, msg):
        self.log("WARN", msg)
    
    def error(self, msg):
        self.log("ERROR", msg)
    
    def get_logs(self):
        return self.logs

logger = Logger()

# 使用
def handlebar(C):
    try:
        # 逻辑处理
        logger.info(f"处理 K 线: {bar_date}")
    except Exception as e:
        logger.error(f"异常: {str(e)}")

2. 关键信息记录

def handlebar(C):
    bar_date = timetag_to_datetime(C.get_bar_timetag(C.barpos), '%Y%m%d%H%M%S')
    
    # 记录重要信息
    print(f"[{bar_date}]")
    print(f"  股票: {C.stock}")
    print(f"  周期: {C.period}")
    print(f"  位置: {C.barpos}")
    
    # 获取行情后记录
    data = C.get_market_data_ex(['close'], [C.stock], count=1, subscribe=False)
    price = data[C.stock].values[0][0]
    print(f"  价格: {price}")
    
    # 记录交易信号
    if buy_signal:
        print(f"  [BUY] 信号强度: 0.87")
    elif sell_signal:
        print(f"  [SELL] 信号强度: 0.92")

3. 异常处理

def handlebar(C):
    try:
        # 获取数据
        data = C.get_market_data_ex(['close'], [C.stock], count=100, subscribe=False)
        
        # 检查数据
        if data is None or C.stock not in data:
            logger.warning(f"数据不完整: {C.stock}")
            return
        
        # 处理数据
        close_list = list(data[C.stock].values.flatten())
        
        if len(close_list) == 0:
            logger.warning("收盘价列表为空")
            return
        
        # 计算指标
        ma = np.mean(close_list)
        
        # 交易
        if ma > 0:
            passorder(23, 1101, 'test', C.stock, 14, -1, 100, C)
            logger.info(f"买入: {C.stock} @ {close_list[-1]}")
    
    except KeyError as e:
        logger.error(f"数据键错误: {str(e)}")
    except ValueError as e:
        logger.error(f"数据值错误: {str(e)}")
    except Exception as e:
        logger.error(f"未知异常: {str(e)}")
        import traceback
        logger.error(traceback.format_exc())

---

📊 测试与验证最佳实践

1. 单元测试

def test_calculate_ma():
    """测试移动平均线计算"""
    close_list = [10, 11, 12, 13, 14, 15]
    period = 3
    
    ma = np.mean(close_list[-period:])
    expected = 14.0  # (13+14+15)/3
    
    assert abs(ma - expected) < 0.01, f"MA计算错误: {ma} != {expected}"
    print("✓ test_calculate_ma 通过")

def test_buy_signal():
    """测试买入信号"""
    line1 = 15
    line2 = 14
    
    signal = 'BUY' if line1 > line2 else None
    
    assert signal == 'BUY', "买入信号判断错误"
    print("✓ test_buy_signal 通过")

# 运行测试
if __name__ == '__main__':
    test_calculate_ma()
    test_buy_signal()
    print("所有测试通过！")

2. 回测验证

def validate_backtest_result(result):
    """验证回测结果是否合理"""
    
    validations = {
        'total_trades': result['total_trades'] > 0,
        'win_rate': 0 < result['win_rate'] < 1,
        'profit_factor': result['profit_factor'] > 0,
        'max_drawdown': result['max_drawdown'] < 0.5,
        'annual_return': -0.5 < result['annual_return'] < 2.0
    }
    
    for check, passed in validations.items():
        status = "✓" if passed else "✗"
        print(f"{status} {check}: {validations[check]}")
    
    return all(validations.values())

---

📚 常见模式

模式1：双均线策略框架

#coding:gbk

def init(C):
    C.line1 = 10
    C.line2 = 20
    C.accountid = 'test'

def handlebar(C):
    # 获取数据
    data = C.get_market_data_ex(['close'], [C.stock], count=max(C.line1, C.line2), subscribe=False)
    close_prices = data[C.stock].values
    
    if len(close_prices) < max(C.line1, C.line2):
        return
    
    # 计算均线
    ma1 = np.mean(close_prices[-C.line1:])
    ma2 = np.mean(close_prices[-C.line2:])
    
    # 交易逻辑
    if ma1 > ma2:
        passorder(23, 1101, C.accountid, C.stock, 14, -1, 100, C)
    elif ma1 < ma2:
        passorder(24, 1101, C.accountid, C.stock, 14, -1, 100, C)

模式2：涨幅选股框架

#coding:gbk

def init(C):
    C.stock_list = C.get_stock_list_in_sector('沪深A股')
    C.rise_threshold = 0.05

def handlebar(C):
    tick = C.get_full_tick(C.stock_list)
    
    for stock in C.stock_list:
        last_price = tick[stock]['lastPrice']
        last_close = tick[stock]['lastClose']
        rise_ratio = (last_price - last_close) / last_close
        
        if rise_ratio > C.rise_threshold:
            print(f"{stock} 涨幅 {rise_ratio*100:.2f}%")
            # 执行买入逻辑

---

⚠️ 常见陷阱

陷阱1：忘记检查数据长度

# ❌ 错误：可能导致IndexError
ma = np.mean(close_list[-10:])

# ✅ 正确：先检查长度
if len(close_list) >= 10:
    ma = np.mean(close_list[-10:])
else:
    return  # 数据不足，跳过

陷阱2：混淆回测和实盘参数

# ❌ 错误：回测中使用 subscribe=True
data = C.get_market_data_ex(..., subscribe=True)

# ✅ 正确：根据场景选择
subscribe = False if is_backtest else True
data = C.get_market_data_ex(..., subscribe=subscribe)

陷阱3：忽略单位转换

# ❌ 错误：m_dAvailable 单位是分（1/100元）
cash = account.m_dAvailable  # 这是分

# ✅ 正确：转换为元
cash_yuan = account.m_dAvailable / 100

陷阱4：未经验证直接交易

# ❌ 错误：直接根据信号下单
if signal > 0:
    passorder(...)

# ✅ 正确：验证信号后再下单
if signal > 0 and validate_signal(signal):
    passorder(...)

---

📚 相关资源

• ✅ 系统概述 - QMT基础
• ✅ 回测模型指南 - 回测实践
• ✅ 实盘交易指南 - 实盘实践
• ✅ 常用API速查 - 关键函数速查
• ✅ 代码示例 - 完整示例代码

可转债数据

获取可转债信息

可转债信息函数中，我们能够提供一系列重要的可转债详情。这些信息包括最新的转股价格，相关正股的代码，发行时的价格，总共发行的金额，强制赎回的价格，以及到期时的赎回价等关键参数。这些详细且全面的数据帮助投资者更好地理解和评估可转债的潜在值和风险，从而进行更明智的投资决策。

提示

1. 该函数为 vip权限函数 2. 获取前需要先用download_cb_data下载可转债信息

调用方法

# coding=utf-8
from xtquant import xtdata
# 下载转债信息
xtdata.download_cb_data()
# 获取转债信息
xtdata.get_cb_info(bond_code)

参数

返回

• 字典类型

示例：

示例与返回值

# coding=utf-8
from xtquant import xtdata
# 下载转债信息
xtdata.download_cb_data()
# 获取转债信息
cb_info = xtdata.get_cb_info("123219.SZ")
print(cb_info)

{'bondCode': '123219.SZ',
 'bondName': '宇瞳转债',
 'stockCode': '300790.SZ',
 'stockName': '宇瞳光学',
 'bondMaturity': 6.0,
 'bondParvalue': 100.0,
 'bondIssuePrice': 100.0,
 'bondIssueSize': 600000000.0,
 'bondReMainSize': 600000000.0,
 'bondValueDate': 20230811,
 'bondMaturityDate': 20290811,
 'bondRateType': '',
 'bondCouponRate': 0.3,
 'bondAddRate': 0.0,
 'bondPayPerYear': 0,
 'bondListDate': 20230829,
 'delistDate': 20290810,
 'bondExchange': '',
 'convStartDate': 20240219,
 'convEndDate': 20290810,
 'firstConvPrice': 15.29,
 'bondConvPrice': 15.32,
 'rateClause': '',
 'forceRedeemTradeDate': 0,
 'forceRedeemConvDate': 0,
 'forceRedeemPrice': 0.0,
 'triggerForceRedeemPrice': 19.916,
 'triggerRepurchasePrice': 10.724000000000002,
 'expireRedeemPrice': 0.0,
 'analYTM': 0.0,
 'analPTM': 5.737,
 'analAccruedinterst': 0.0,
 'analStrbvalue': 0.0,
 'analStrbpremium': 0.0,
 'analConvvalue': 0.0,
 'analConvpremiumratio': 0.0,
 'analDuration': 0.0,
 'analConvexity': 0.0,
 'infoProvisiontype': '',
 'termYear': 6.0,
 'interestType': 0,
 'level': 'A+',
 'forceRedeemPriceRatio': 130.0,
 'redeemTerms': '在本次发行可转换公司债券的转股期内，当下述两种情形的任意一种出现时，公司有权决定按照债券面值加当期应计利息的价格赎回全部或部分未转股的可转换公司债券：①在转股期内，如果公司股票在任何连续30个交易日中至少有15个交易日的收盘价格不低于当期转股价格的130%（含130%）；②当本次发行的可转换公司债券未转股的票面总金额不足3,000万元时。当期应计利息的计算公式为：IA=B×i×t/365其中：IA为当期应计利息；B为本次发行的可转换公司债券持有人持有的将赎回的可转换公司债券票面总金额；i为可转换公司债券当年票面利率；t为计息天数，即从上一个付息日起至本计息年度赎回日止的实际日历天数（算头不算尾）。若在前述30个交易日内发生过因除权、除息等引起公司转股价格调整的情形，则在调整前的交易日按调整前的转股价格和收盘价格计算，在调整后的交易日按调整后的转股价格和收盘价格计算。',
 'nextPutDate': 20270811,
 'putPrice': 100.0,
 'putConvertPriceRatio': 70.0,
 'putTerms': '（1）有条件回售条款在本次发行的可转换公司债券最后两个计息年度，如果公司股票在任何连续30个交易日的收盘价格低于当期转股价的70%时，可转换公司债券持有人有权将其持有的可转换公司债券全部或部分按面值加上当期应计利息的价格回售给公司。若在上述交易日内发生过转股价格因发生送红股、转增股本、增发新股、配股以及派发现金股利等情况（不包括因本次发行的可转换公司债券转股而增加的股本）而调整的情形，则在调整前的交易日按调整前的转股价格和收盘价格计算，在调整后的交易日按调整后的转股价格和收盘价格计算。如果出现转股价格向下修正的情况，则上述“连续30个交易日”须从转股价格调整之后的第一个交易日起重新计算。本次发行的可转换公司债券最后两个计息年度，可转换公司债券持有人在每年回售条件首次满足后可按上述约定条件行使回售权一次，若在首次满足回售条件而可转换公司债券持有人未在公司届时公告的回售申报期内申报并实施回售的，该计息年度不能再行使回售权，可转换公司债券持有人不能多次行使部分回售权。（2）附加回售条款若公司本次发行的可转换公司债券募集资金投资项目的实施情况与公司在募集说明书中的承诺情况相比出现重大变化，根据中国证监会的相关规定被视作改变募集资金用途或被中国证监会认定为改变募集资金用途的，可转换公司债券持有人享有一次回售的权利。可转换公司债券持有人有权将其持有的可转换公司债券全部或部分按债券面值加上当期应计利息价格回售给公司。可转换公司债券持有人在附加回售条件满足后，可以在公司公告后的附加回售申报期内进行回售，该次附加回售申报期内不实施回售的，自动丧失该回售权，不应再行使附加回售权。',
 'triggerAdjustPrice': 13.022,
 'adjustPriceRatio': 85.0,
 'adjustTerms': '在本次发行的可转换公司债券存续期间，当公司股票在任意连续30个交易日中至少有15个交易日的收盘价低于当期转股价格的85%时，公司董事会有权提出转股价格向下修正方案并提交公司股东大会审议表决。上述方案须经出席会议的股东所持表决权的三分之二以上通过方可实施。股东大会进行表决时，持有本次发行的可转换公司债券的股东应当回避。修正后的转股价格应不低于本次股东大会召开日前20个交易日公司股票交易均价和前1个交易日公司股票交易均价之间的较高者。同时，修正后的转股价格不得低于最近一期经审计的每股净资产值和股票面值。若在前述30个交易日内发生过因除权、除息等引起公司转股价格调整的情形，则转股价格调整日前的交易日按调整前的转股价格和收盘价计算，在转股价格调整日及之后的交易日按调整后的转股价格和收盘价计算。（2）修正程序如公司决定向下修正转股价格时，公司须在中国证监会指定的信息披露报刊及互联网网站上刊登股东大会决议公告，公告修正幅度和股权登记日及暂停转股期间（如需）等有关信息。从股权登记日后的第一个交易日（即转股价格修正日），开始恢复转股申请并执行修正后的转股价格。若转股价格修正日为转股申请日或之后，转换股份登记日之前，该类转股申请应按修正后的转股价格执行。',
 'ytm': 0.0,
 'redeemStatus': '0/15 | 30',
 'adjustStatus': '0/15 | 30',
 'readjustDate': 0,
 'regProvince': '广东省'}

获取可转债合约信息

此函数被设计为专门用于单一转债的查询，能够提供详尽的转债信息。通过使用这个函数，您可以获取到深度的特定转债数据，包括其涨跌停价格、上市日期、退市日期和期权到期日等关键信息。这种全面的信息将成为您理解和分析转债历史趋势以及当前状态的有力工具。

调用方法

# coding=utf-8
from xtquant import xtdata
xtdata.get_instrument_detail(stock_code)

参数

返回值

• 字典，{ field1 : value1, field2 : value2, ... }，找不到指定合约时返回None

示例：

示例与返回值

# coding=utf-8
from xtquant import xtdata
code_detail = xtdata.get_instrument_detail('123219.SZ')
print(code_detail)

{'ExchangeID': 'SZ',
 'InstrumentID': '123219',
 'InstrumentName': '宇瞳转债',
 'ProductID': '',
 'ProductName': '',
 'ExchangeCode': '123219',
 'UniCode': '123219',
 'CreateDate': '0',
 'OpenDate': '20230829',
 'ExpireDate': 99999999,
 'PreClose': 122.828,
 'SettlementPrice': 122.828,
 'UpStopPrice': 147.394,
 'DownStopPrice': 98.262,
 'FloatVolume': 6000000.0,
 'TotalVolume': 6000000.0,
 'LongMarginRatio': 1.7976931348623157e+308,
 'ShortMarginRatio': 1.7976931348623157e+308,
 'PriceTick': 0.001,
 'VolumeMultiple': 1,
 'MainContract': 2147483647,
 'LastVolume': 2147483647,
 'InstrumentStatus': 0,
 'IsTrading': False,
 'IsRecent': False,
 'ProductTradeQuota': 1,
 'ContractTradeQuota': 0,
 'ProductOpenInterestQuota': 14592,
 'ContractOpenInterestQuota': 0}

获取可转债行情

为了获取转债的日线/1m/1d的k数据，以通过数据订阅形式获取最新行情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转债最新数据，有助于做出更精准的投资决策。

调用方法

# 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

• xtdata.get_market_data_ex

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

示例与返回值

# coding=utf-8
from xtquant import xtdata
# 订阅指定合约最新行情
xtdata.subscribe_quote('123219.SZ', period='1m', start_time='', end_time='20231026150000', count=1, callback=None)
# 下载指定合约历史行情
xtdata.download_history_data('123219.SZ', '1m', '20231026093000', '20231026150000')
# 获取指定合约历史行情
min_data = xtdata.get_market_data_ex(field_list=[], stock_list=['123219.SZ'], period='1m', start_time='', end_time='20231026150000', count=10, dividend_type='none', fill_data=True)
print(min_data)

{'123219.SZ':                          time     open  ...  preClose  suspendFlag
20231026111800  1698290280000  121.398  ...   121.380            0
20231026111900  1698290340000  121.269  ...   121.229            0
20231026112000  1698290400000  121.269  ...   121.269            0
20231026112100  1698290460000  121.269  ...   121.269            0
20231026112200  1698290520000  121.269  ...   121.269            0
20231026112300  1698290580000  121.269  ...   121.269            0
20231026112400  1698290640000  121.265  ...   121.269            0
20231026112500  1698290700000  121.465  ...   121.468            0
20231026112600  1698290760000  121.461  ...   121.356            0
20231026112700  1698290820000  121.352  ...   121.461            0

[10 rows x 11 columns]}

获取基金数据

此函数被设计为只支持单一基金查询，用于获取详细的股票信息。该函数可以让您接收关于特定基金的深度信息，包括但不限于其涨跌停价格、上市日期、退市日期以及期权到期日等重要数据。这将为您提供详尽的信息，以便更好地理解并分析股票的历史和现状。

调用方法

# coding=utf-8
from xtquant import xtdata
xtdata.get_instrument_detail(stock_code)

参数

返回值

• 字典，{ field1 : value1, field2 : value2, ... }，找不到指定合约时返回None

示例与返回值

# coding=utf-8
from xtquant import xtdata
code_detail = xtdata.get_instrument_detail('159733.SZ')
print(code_detail)

{'ExchangeID': 'SZ',
 'InstrumentID': '159733',
 'InstrumentName': '消费电子50ETF',
 'ProductID': '',
 'ProductName': '',
 'CreateDate': '0',
 'OpenDate': '20210929',
 'ExpireDate': 99999999,
 'PreClose': 0.6950000000000001,
 'SettlementPrice': 0.6941,
 'UpStopPrice': 0.765,
 'DownStopPrice': 0.626,
 'FloatVolume': 41156925.0,
 'TotalVolume': 41156925.0,
 'LongMarginRatio': 1.7976931348623157e+308,
 'ShortMarginRatio': 1.7976931348623157e+308,
 'PriceTick': 0.001,
 'VolumeMultiple': 1,
 'MainContract': 2147483647,
 'LastVolume': 2147483647,
 'InstrumentStatus': 0,
 'IsTrading': False,
 'IsRecent': False,
 'ProductTradeQuota': 0,
 'ContractTradeQuota': 0,
 'ProductOpenInterestQuota': 0,
 'ContractOpenInterestQuota': 0}

ETF申赎清单

提示

1. 使用前需要调用xtdata.download_etf_info()下载数据 2. VIP 权限数据

调用方法

from xtquant import xtdata

xtdata.get_etf_info()

参数

None

返回值

一个多层嵌套的dict

现金替代标志：

• 深市ETF的成分股现金替代标记取值范围

• 0 = 禁止现金替代（必须有证券）
• 1 = 可以进行现金替代（先用证券，证券不足时差额部分用现金替代）
• 2 = 必须用现金替代
• 沪市ETF的成分股现金替代标记取值范围

• 0 = 沪市不可被替代
• 1 = 沪市可以被替代
• 2 = 沪市必须被替代
• 3 = 深市退补现金替代
• 4 = 深市必须现金替代
• 5 = 成份证券退补现金替代
• 6 = 成份证券必须现金替代
• 7 = 港市退补现金替代
• 8 = 港市必须现金替代

是否需要公布IOPV:

• 0: 否
• 1: 是

申购的允许情况:

• 0: 否
• 1: 是

赎回的允许情况:

• 0: 否
• 1: 是

示例与返回值

from xtquant import xtdata

xtdata.download_etf_info()

all_etf_info = xtdata.get_etf_info()

print(list(all_etf_info.keys())[:20]) # 打印第一层key

target_etf_info = all_etf_info["510050.SH"]

print(target_etf_info.keys()) # 打印第二层key

data = target_etf_info["成份股信息"]

print(data[:10]) # 打印成份股信息

['515110.SH', '515020.SH', '515330.SH', '513750.SH', '513220.SH', '512800.SH', '513190.SH', '513660.SH', '513860.SH', '513200.SH', '513360.SH', '513310.SH', '513560.SH', '515310.SH', '513550.SH', '513590.SH', '513330.SH', '513700.SH', '513880.SH', '513530.SH']

dict_keys(['market', 'stock', '基金代码', '基金名称', '现金差额', '最小申购、赎回单位净值', '基金份额净值', '预估现金差额', '现金替代比例上限', '是否需要公布IOPV', '最小申购、赎回单位', '申购的允许情况', '赎回的允许情况', '申购上限', '赎回上限', '成份股信息'])

[{'成份股代码': '600010.SH', '成份股名称': '包钢股份', '成份股数量': 7900, '现金替代标志': 1, '申购现金替代溢价比率': 0.1, '申购替代金额': 0.0, '赎回现金替代折价比率': 0.0, '赎回替代金额': 0.0, '成份股所属市场': 'SH', '映射代码': '', '是否实物对价申赎': 0, '占净值比例': 0.0, '持股数': 0, '持仓市值': 0.0}, {'成份股代码': '600028.SH', '成份股名称': '中国石化', '成份股数量': 6600, '现金替代标志': 1, '申购现金替代溢价比率': 0.1, '申购替代金额': 0.0, '赎回现金替代折价比率': 0.0, '赎回替代金额': 0.0, '成份股所属市场': 'SH', '映射代码': '', '是否实物对价申赎': 0, '占净值比例': 0.0, '持股数': 0, '持仓市值': 0.0}, {'成份股代码': '600030.SH', '成份股名称': '中信证券', '成份股数量': 3400, '现金替代标志': 1, '申购现金替代溢价比率': 0.1, '申购替代金额': 0.0, '赎回现金替代折价比率': 0.0, '赎回替代金额': 0.0, '成份股所属市场': 'SH', '映射代码': '', '是否实物对价申赎': 0, '占净值比例': 0.0, '持股数': 0, '持仓市值': 0.0}, {'成份股代码': '600031.SH', '成份股名称': '三一重工', '成份股数量': 2100, '现金替代标志': 1, '申购现金替代溢价比率': 0.1, '申购替代金额': 0.0, '赎回现金替代折价比率': 0.0, '赎回替代金额': 0.0, '成份股所属市场': 'SH', '映射代码': '', '是否实物对价申赎': 0, '占净值比例': 0.0, '持股数': 0, '持仓市值': 0.0}, {'成份股代码': '600036.SH', '成份股名称': '招商银行', '成份股数量': 4300, '现金替代标志': 1, '申购现金替代溢价比率': 0.1, '申购替代金额': 0.0, '赎回现金替代折价比率': 0.0, '赎回替代金额': 0.0, '成份股所属市场': 'SH', '映射代码': '', '是否实物对价申赎': 0, '占净值比例': 0.0, '持股数': 0, '持仓市值': 0.0}, {'成份股代码': '600048.SH', '成份股名称': '保利发展', '成份股数量': 2500, '现金替代标志': 1, '申购现金替代溢价比率': 0.1, '申购替代金额': 0.0, '赎回现金替代折价比率': 0.0, '赎回替代金额': 0.0, '成份股所属市场': 'SH', '映射代码': '', '是否实物对价申赎': 0, '占净值比例': 0.0, '持股数': 0, '持仓市值': 0.0}, {'成份股代码': '600050.SH', '成份股名称': '中国联通', '成份股数量': 6600, '现金替代标志': 1, '申购现金替代溢价比率': 0.1, '申购替代金额': 0.0, '赎回现金替代折价比率': 0.0, '赎回替代金额': 0.0, '成份股所属市场': 'SH', '映射代码': '', '是否实物对价申赎': 0, '占净值比例': 0.0, '持股数': 0, '持仓市值': 0.0}, {'成份股代码': '600089.SH', '成份股名称': '特变电工', '成份股数量': 1700, '现金替代标志': 1, '申购现金替代溢价比率': 0.1, '申购替代金额': 0.0, '赎回现金替代折价比率': 0.0, '赎回替代金额': 0.0, '成份股所属市场': 'SH', '映射代码': '', '是否实物对价申赎': 0, '占净值比例': 0.0, '持股数': 0, '持仓市值': 0.0}, {'成份股代码': '600104.SH', '成份股名称': '上汽集团', '成份股数量': 1600, '现金替代标志': 1, '申购现金替代溢价比率': 0.1, '申购替代金额': 0.0, '赎回现金替代折价比率': 0.0, '赎回替代金额': 0.0, '成份股所属市场': 'SH', '映射代码': '', '是否实物对价申赎': 0, '占净值比例': 0.0, '持股数': 0, '持仓市值': 0.0}, {'成份股代码': '600111.SH', '成份股名称': '北方稀土', '成份股数量': 900, '现金替代标志': 1, '申购现金替代溢价比率': 0.1, '申购替代金额': 0.0, '赎回现金替代折价比率': 0.0, '赎回替代金额': 0.0, '成份股所属市场': 'SH', '映射代码': '', '是否实物对价申赎': 0, '占净值比例': 0.0, '持股数': 0, '持仓市值': 0.0}]

基金份额参考净值

函数是一个特定于Python的内部函数，它旨在获得基金的份额参考净值（IOPV - Indicative Optimized Portfolio Value）。使用此函数，可以轻松获取ETF（交易型开放式指数基金）当前的估算净值，帮助投资者了解基金及其底层资产的实时价值，从而进行更准确的投资决策。

调用方法

get_etf_iopv(stock_code)

参数

返回值

• IOPV, 基金份额参考净值

示例与返回值

# coding:gbk
def init(C):
	pass

def handlebar(C):
	print(get_etf_iopv("510050.SH"))

2.3079

基金实时申赎数据

提示

1. 通过指定period为etfstatistics获取该数据 2. 该数据为 VIP 权限数据 3. 获取时需要先通过 subscribe_quote 进行订阅

原生python

调用方法

from xtquant import xtdata
xtdata.download_history_data(stock, 'etfstatistics', start_time, end_time, incrementally = True)
data = xtdata.get_market_data_ex([], stock_list, period = 'etfstatistics', start_time = "", end_time = "")

参数 除period参数需指定为 etfstatistics 外，其余参数于 get_market_data_ex 函数一致

返回值

分两种，当使用gmd_ex函数获取时:

• 一个{stock_code:pd.DataFrame}结构的dict对象，其中pd.DataFrame的结构为：
• index: 自增序列,int类型值
• columns: \['time', '申购笔数', '申购数量', '申购金额', '赎回笔数', '赎回数量', '赎回金额'\]

当使用callback函数时：

• 一个{stock_code:[{field1:values1,field2:values2,...}]}的dict嵌套对象

示例

示例gmd返回值callback

import datetime
from xtquant import xtdata
from datetime import datetime

start_time = datetime.now().strftime("%Y%m%d")
end_time = ''
print('start_time:', start_time, ' end_time:', end_time)
stock_list = ['159001.SZ', '159003.SZ', '159005.SZ', '159150.SZ', '159306.SZ', '159309.SZ', '159502.SZ']
for stock in stock_list:
    '''下载etf实时申赎信息'''
    xtdata.download_history_data(stock, 'etfstatistics', start_time, end_time, incrementally = True)
    print('download finished ' + stock)

data = xtdata.get_market_data_ex([], stock_list, 'etfstatistics', start_time, end_time, -1)
# 打印"159001.SZ"最后5条数据
print(data["159001.SZ"].iloc[-5:])

def f(data):
  print(data)

for i in stock_list:
    xtdata.subscribe_quote(i,period="etfstatistics",callback=f)

返回值：

# 打印"159001.SZ"最后5条数据
time	申购笔数	申购数量	申购金额	赎回笔数	赎回数量	赎回金额
17628	1721629992000	417	647341.0	0.0	84	890490.0	0.0
17629	1721629995000	417	647341.0	0.0	84	890490.0	0.0
17630	1721630001000	417	647341.0	0.0	84	890490.0	0.0
17631	1721630007000	417	647341.0	0.0	84	890490.0	0.0
17632	1721630019000	417	647341.0	0.0	84	890490.0	0.0

{'159150.SZ': [{'time': 1721630379000, 'buyNumber': 0, 'buyAmount': 0.0, 'buyMoney ': 0.0, 'sellNumber': 2, 'sellAmount': 2000000.0, 'sellMoney': 0.0}]}
{'159502.SZ': [{'time': 1721630379000, 'buyNumber': 1, 'buyAmount': 1000000.0, 'buyMoney ': 0.0, 'sellNumber': 0, 'sellAmount': 0.0, 'sellMoney': 0.0}]}
{'159003.SZ': [{'time': 1721630382000, 'buyNumber': 9, 'buyAmount': 10022.0, 'buyMoney ': 0.0, 'sellNumber': 21, 'sellAmount': 33857.0, 'sellMoney': 0.0}]}
{'159502.SZ': [{'time': 1721630382000, 'buyNumber': 1, 'buyAmount': 1000000.0, 'buyMoney ': 0.0, 'sellNumber': 0, 'sellAmount': 0.0, 'sellMoney': 0.0}]}
{'159309.SZ': [{'time': 1721630382000, 'buyNumber': 0, 'buyAmount': 0.0, 'buyMoney ': 0.0, 'sellNumber': 1, 'sellAmount': 1000000.0, 'sellMoney': 0.0}]}
{'159005.SZ': [{'time': 1721630382000, 'buyNumber': 37, 'buyAmount': 2670.0, 'buyMoney ': 0.0, 'sellNumber': 39, 'sellAmount': 30663.0, 'sellMoney': 0.0}]}

获取场内基金tick数据

要获取场内基金的tick数据，您需要先进行数据订阅subscribe_quote以获取最新的tick数据。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。这两个函数的组合可以帮助您获取即时和历史的场内基金数据，使您能够对市场情况有更全面、准确的了解，并帮助您做出更明智的投资决策。

调用方法

# 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

• xtdata.get_market_data_ex

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
# 订阅指定合约最新行情
xtdata.subscribe_quote('513330.SH', period='tick', start_time='', end_time='20231026150000', count=1, callback=None)
# 下载指定合约历史行情
xtdata.download_history_data('513330.SH', 'tick', '20231026093000', '20231026150000')
# 获取指定合约历史行情
tick_data = xtdata.get_market_data_ex(field_list=[], stock_list=['513330.SH'], period='tick', start_time='', end_time='20231026150000', count=10, dividend_type='none', fill_data=True)
print(tick_data)

返回值

{'513330.SH':                          time  lastPrice  ...  settlementPrice  transactionNum
20231026111832  1698290312000      0.372  ...              0.0           28429
20231026111835  1698290315000      0.372  ...              0.0           28430
20231026111838  1698290318000      0.372  ...              0.0           28432
20231026111841  1698290321000      0.372  ...              0.0           28433
20231026111844  1698290324000      0.371  ...              0.0           28434
20231026111847  1698290327000      0.372  ...              0.0           28436
20231026111850  1698290330000      0.372  ...              0.0           28439
20231026111853  1698290333000      0.372  ...              0.0           28439
20231026111856  1698290336000      0.371  ...              0.0           28442
20231026111859  1698290339000      0.372  ...              0.0           28445

[10 rows x 18 columns]}

基金列表

函数可以实时获取上市的场内基金、ETF（交易所交易基金）以及LOF（Listed Open-end Fund，列出的开放式基金）的列表。这个功能能帮助投资者了解当前上市并且可交易的基金合约，提供最新的数据支持，从而进行更精准的投资决策。

调用方法

# coding=utf-8
from xtquant import xtdata
xtdata.get_stock_list_in_sector(sector_name)

参数

返回值

• list：内含成份股代码，代码形式为 'stockcode.market'，如 \['159659.SZ', '513330.SH'\]

示例：

# coding=utf-8
from xtquant import xtdata
ret_sector_data = get_stock_list_in_sector('沪深基金') [:10]
print(ret_sector_data)

返回值：

['588400.SH', '518890.SH', '501208.SH', '516330.SH', '515020.SH',
'513600.SH', '515860.SH', '510510.SH', '516900.SH', '510760.SH']

获取期货合约信息

市场简称代码

获取期货交易日历

获取期货交易日历

from xtquant import xtdata
xtdata.get_trading_dates(market, start_time='', end_time='', count=-1)

参数

返回值

• list 时间戳列表，\[ date1, date2, ... \]

示例：

示例与返回值

from xtquant import xtdata
date_list = xtdata.get_trading_dates('SF', start_time='', end_time='', count=30)
print(date_list)

[1692288000000,
 1692547200000,
 1692633600000,
 1692720000000,
 1692806400000,
 1692892800000,
 1693152000000,
 1693238400000,
 1693324800000,
 1693411200000,
 1693497600000,
 1693756800000,
 1693843200000,
 1693929600000,
 1694016000000,
 1694102400000,
 1694361600000,
 1694448000000,
 1694534400000,
 1694620800000,
 1694707200000,
 1694966400000,
 1695052800000,
 1695139200000,
 1695225600000,
 1695312000000,
 1695571200000,
 1695657600000,
 1695744000000,
 1695830400000]

获取当前所有期货代码

提示

需要先下载板块分类信息

from xtquant import xtdata
xtdata.get_stock_list_in_sector(sector_name)

参数

返回值

list 成分股列表，\[ code1, code2, ... \]

示例

示例与返回值

from xtquant import xtdata
# 获取上海期货交易所所有标的的代码
SF_list = xtdata.get_stock_list_in_sector("SF")
SF_list = xtdata.get_stock_list_in_sector("上期所期货")

# 主力合约列表
main_list = xtdata.get_stock_list_in_sector("主力板块")

# 显示列表返回值的前十个代码
print(SF_list[:10])

print(main_list[:10])

['ag00.SHFE', 'ag01.SHFE', 'ag02.SHFE', 'ag03.SHFE', 'ag04.SHFE', 'ag05.SHFE', 'ag06.SHFE', 'ag07.SHFE', 'ag08.SHFE', 'ag09.SHFE']

获取合约基础信息

from xtquant import xtdata
xtdata.get_instrument_detail(stock_code)

参数

返回值

dict 数据字典，{ field1 : value1, field2 : value2, ... }，找不到指定合约时返回None

示例

示例与返回值

from xtquant import xtdata
print(xtdata.get_instrument_detail("rb2401.SF"))

{"ExchangeID": "SHFE",
 "InstrumentID": "rb2401",
 "InstrumentName": "螺纹钢2401",
 "ProductID": "rb",
 "ProductName": "",
 "ExchangeCode": None,
 "UniCode": None,
 "CreateDate": "0",
 "OpenDate": "20230117",
 "ExpireDate": 20240115,
 "PreClose": 3682.0,
 "SettlementPrice": 3684.0,
 "UpStopPrice": 3941.0,
 "DownStopPrice": 3426.0,
 "FloatVolume": 0.0,
 "TotalVolume": 0.0,
 "LongMarginRatio": 0.09,
 "ShortMarginRatio": 0.09,
 "PriceTick": 1.0,
 "VolumeMultiple": 10,
 "MainContract": 1,
 "LastVolume": 1767758,
 "InstrumentStatus": 2147483647,
 "IsTrading": True,
 "IsRecent": False,
 "ProductTradeQuota": 0,
 "ContractTradeQuota": 0,
 "ProductOpenInterestQuota": 0,
 "ContractOpenInterestQuota": 176776}

获取当前主力合约

xtdata.get_main_contract(code)

返回值

• str,主力合约代码

示例

示例与返回值

from xtquant import xtdata
main_symbol = xtdata.get_main_contract('rb00.SF')
print(main_symbol)

# 返回的主力合约代码
"rb2401.SF"

获取历史主力合约

内置python

提示

1. 该数据为 VIP数据 2. 该函数支持实盘/回测两种模式 3. 若要使用该函数获取历史主力合约，必须要先下载历史主力合约数据 4. 历史主力合约数据目前通过界面端数据管理 - 过期合约数据 - 历史主力合约下载

原型

ContextInfo.get_main_contract(codemarket)
ContextInfo.get_main_contract(codemarket,date="")
ContextInfo.get_main_contract(codemarket,startDate="",endDate="")

释义

获取当前期货主力合约

参数

返回值

str，合约代码

示例

示例与返回值

# coding:gbk
def init(C):
	pass

def handlebar(C):
	symbol1 = C.get_main_contract('IF00.IF')# 获取当前主力合约

	symbol2 = C.get_main_contract('IF00.IF',"20190101")# 获取指定日期主力合约

	symbol3 = C.get_main_contract('IF00.IF',"20181101","20190101") # 获取时间段内全部主力合约

	print(symbol1, symbol2)
	print("="*10)
	print(symbol3)

IF2312
==========
IF1901
==========
1540137600000    IF1811
1545321600000    IF1901
dtype: object

原生python

提示

1. 获取该数据前，需要通过download_history_data接口下载数据，下载时period参数需指定为historymaincontract 2. 该数据通过get_market_data_ex函数进行获取 3. 该数据为 VIP数据

period = "historymaincontract" # 通过指定period参数 从gmd_ex接口获取历史主力合约信息
symbol = "IF00.IF" # 示例合约
xtdata.get_market_data_ex([], [symbol], period=period, start_time='', end_time='', count=-1,dividend_type='none', fill_data=False)

参数

• period参数需填写为"historymaincontract"
• stock_list里的合约需为主力连续合约，如IF00.IF

其余参数与get_market_data_ex一致

返回值

dict类型数据,其中:

• key为symbol
• values为pandas.DataFrame
• values.index为自增行，columns为\[time,合约在交易所的代码\]

示例

from xtquant import xtdata

symbol = 'IF00.IF' # 合约需要是主连合约
period = "historymaincontract" # period需指定为 "historymaincontract"
# 下载历史主力合约
xtdata.download_history_data(symbol, period, '', '') # 获取之前需要先下载到本地

his_main_contract = xtdata.get_market_data_ex([],[symbol],period) # 获取数据查看

print(his_main_contract)

{'IF00.IF':               time 合约在交易所的代码
 0    1366128000000    IF1304
 1    1366300800000    IF1305
 2    1368633600000    IF1306
 3    1371657600000    IF1307
 4    1374163200000    IF1308
 ..             ...       ...
 130  1694966400000    IF2310
 131  1697731200000    IF2311
 132  1700064000000    IF2312
 133  1702828800000    IF2401
 134  1705593600000    IF2402

 [135 rows x 2 columns]}

获取期货行情数据

获取行情数据

提示

使用该接口时，需要先订阅实时行情(subscribe_quote)或下载过历史行情(download_history_data)

from xtquant import xtdata

xtdata.get_market_data_ex(field_list=[], stock_list=[], period='1d', start_time='', end_time='', count=-1, dividend_type='none', fill_data=True)

参数

• field字段可选：

• period周期为tick时，field字段可选:

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

获取日线行情数据

示例

示例与返回值

from xtquant import xtdata
xtdata.get_market_data_ex([],['rb2401.SF'],period='1d')

# 返回结果
{'rb2401.SF':                    time    open    high     low   close   volume
 20230117  1673884800000  4001.0  4027.0  3973.0  4011.0     1038
 20230118  1673971200000  4027.0  4051.0  4014.0  4037.0      314
 20230119  1674057600000  4043.0  4085.0  4043.0  4080.0      352
 20230120  1674144000000  4075.0  4076.0  4050.0  4070.0      502
 20230130  1675008000000  4127.0  4157.0  4080.0  4084.0      992
 ...                 ...     ...     ...     ...     ...      ...
 20231017  1697472000000  3658.0  3672.0  3637.0  3647.0  1068036
 20231018  1697558400000  3652.0  3660.0  3605.0  3615.0  1361935
 20231019  1697644800000  3615.0  3650.0  3595.0  3644.0  1313338
 20231020  1697731200000  3650.0  3659.0  3601.0  3610.0  1418587
 20231023  1697990400000  3600.0  3616.0  3558.0  3573.0  1513440

                 amount  settelementPrice  openInterest  preClose  suspendFlag
 20230117  4.148817e+07            3996.0           573    4061.0            0
 20230118  1.267393e+07            4036.0           713    4011.0            0
 20230119  1.431537e+07            4066.0           821    4037.0            0
 20230120  2.040859e+07            4065.0           944    4080.0            0
 20230130  4.090941e+07            4123.0          1201    4070.0            0
 ...                ...               ...           ...       ...          ...
 20231017  3.900789e+10            3652.0       1870289    3657.0            0
 20231018  4.950385e+10            3634.0       1951142    3647.0            0
 20231019  4.759753e+10            3624.0       1886883    3615.0            0
 20231020  5.149242e+10            3629.0       1880167    3644.0            0
 20231023  5.423026e+10               0.0       1961524    3610.0            0

 [183 rows x 11 columns]}

获取tick行情

示例

示例与返回值

from xtquant import xtdata
xtdata.get_market_data_ex([],['rb2401.SF'],period='tick')

time	lastPrice	open	high	low	lastClose	amount	volume	pvolume	stockStatus	openInt	lastSettlementPrice	askPrice	bidPrice	askVol	bidVol	settlementPrice	transactionNum
20230925085900	1695603540500	3778.0	3786.0	3787.0	3766.0	3779.0	1.291532e+10	341961	0	0	1651554	3773.0	[3779.0, 3780.0, 3781.0, 3782.0, 3783.0]	[3777.0, 3776.0, 3775.0, 3774.0, 3773.0]	[635, 0, 0, 0, 0]	[138, 0, 0, 0, 0]	0.0	0
20230925090000	1695603600500	3779.0	3786.0	3787.0	3766.0	3779.0	1.296989e+10	343405	0	0	1652373	3773.0	[3780.0, 3781.0, 3782.0, 3783.0, 3784.0]	[3778.0, 3777.0, 3776.0, 3775.0, 3774.0]	[916, 0, 0, 0, 0]	[168, 0, 0, 0, 0]	0.0	0
20230925090001	1695603601000	3780.0	3786.0	3787.0	3766.0	3779.0	1.307600e+10	346211	0	0	1651646	3773.0	[3787.0, 3788.0, 3789.0, 3790.0, 3791.0]	[3779.0, 3778.0, 3777.0, 3776.0, 3775.0]	[420, 0, 0, 0, 0]	[20, 0, 0, 0, 0]	0.0	0
20230925090001	1695603601500	3783.0	3786.0	3787.0	3766.0	3779.0	1.309460e+10	346703	0	0	1651496	3773.0	[3784.0, 3785.0, 3786.0, 3787.0, 3788.0]	[3776.0, 3775.0, 3774.0, 3773.0, 3772.0]	[46, 0, 0, 0, 0]	[89, 0, 0, 0, 0]	0.0	0
20230925090002	1695603602000	3783.0	3786.0	3787.0	3766.0	3779.0	1.312842e+10	347597	0	0	1651258	3773.0	[3784.0, 3785.0, 3786.0, 3787.0, 3788.0]	[3782.0, 3781.0, 3780.0, 3779.0, 3778.0]	[41, 0, 0, 0, 0]	[7, 0, 0, 0, 0]	0.0	0
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
20230928145958	1695884398500	3690.0	3690.0	3717.0	3684.0	3682.0	3.781059e+10	1021634	0	0	1697198	3684.0	[3690.0, 0.0, 0.0, 0.0, 0.0]	[3690.0, 0.0, 0.0, 0.0, 0.0]	[54, 0, 0, 0, 0]	[126, 0, 0, 0, 0]	0.0	0
20230928145959	1695884399000	3690.0	3690.0	3717.0	3684.0	3682.0	3.781148e+10	1021658	0	0	1697179	3684.0	[3690.0, 0.0, 0.0, 0.0, 0.0]	[3690.0, 0.0, 0.0, 0.0, 0.0]	[20, 0, 0, 0, 0]	[112, 0, 0, 0, 0]	0.0	0
20230928145959	1695884399500	3690.0	3690.0	3717.0	3684.0	3682.0	3.781395e+10	1021725	0	0	1697158	3684.0	[3690.0, 0.0, 0.0, 0.0, 0.0]	[3690.0, 0.0, 0.0, 0.0, 0.0]	[20, 0, 0, 0, 0]	[46, 0, 0, 0, 0]	0.0	0
20230928150000	1695884400000	3690.0	3690.0	3717.0	3684.0	3682.0	3.781502e+10	1021754	0	0	1697143	3684.0	[3690.0, 0.0, 0.0, 0.0, 0.0]	[3690.0, 0.0, 0.0, 0.0, 0.0]	[10, 0, 0, 0, 0]	[63, 0, 0, 0, 0]	0.0	0
20230928150000	1695884400500	3690.0	3690.0	3717.0	3684.0	3682.0	3.781502e+10	1021754	0	0	1697143	3684.0	[3690.0, 0.0, 0.0, 0.0, 0.0]	[3690.0, 0.0, 0.0, 0.0, 0.0]	[10, 0, 0, 0, 0]	[63, 0, 0, 0, 0]	3700.0	0
149943 rows × 18 columns

获取5档盘口行情

提示

1. 该数据为 VIP数据

示例五档返回值

from xtquant import xtdata
import time

symbol_list = ["rb2405.SF","ec2404.INE"] # 五档行情支持上期所，上期能源

period = "l2quote" # 获取5档盘口tick

for symbol in symbol_list:
    xtdata.subscribe_quote(symbol,period = period,count=-1)
time.sleep(1)

data = xtdata.get_market_data_ex(["askPrice","bidPrice"],symbol_list,period = period,count=-1)

print(data)

{'ec2404.INE':                                                          askPrice
 20240115085900  [2300.0, 2300.2, 2304.0, 2306.0, 2310.0, 0.0, ...
 20240115090000  [2266.0, 2280.0, 2280.9, 2285.0, 2287.9, 0.0, ...
 20240115090001  [2261.6000000000004, 2262.0000000000005, 2262....
 20240115090001  [2253.4, 2253.5, 2253.6, 2254.6, 2255.0, 0.0, ...
 20240115090002  [2244.6, 2246.6, 2246.7999999999997, 2248.8999...
 ...                                                           ...
 20240115140227  [2138.3, 2138.6000000000004, 2138.700000000000...
 20240115140228  [2138.0, 2138.3, 2138.6000000000004, 2138.7000...
 20240115140228  [2137.7999999999997, 2137.8999999999996, 2137....
 20240115140229  [2137.2999999999997, 2137.7999999999997, 2137....
 20240115140229  [2136.4, 2137.1, 2137.7999999999997, 2137.8999...

                                                          bidPrice
 20240115085900  [2288.0, 2280.0, 2266.0, 2265.0, 2262.1, 0.0, ...
 20240115090000  [2222.1, 2222.0, 2220.0, 2219.0, 2216.0, 0.0, ...
 20240115090001  [2227.0000000000005, 2226.8000000000006, 2226....
 20240115090001  [2230.2000000000003, 2230.0000000000005, 2229....
 20240115090002  [2233.2000000000003, 2223.4, 2222.0, 2220.0, 2...
 ...                                                           ...
 20240115140227  [2137.1, 2135.2999999999997, 2134.999999999999...
 20240115140228  [2137.1, 2135.2999999999997, 2134.999999999999...
 20240115140228  [2137.1, 2135.2999999999997, 2134.999999999999...
 20240115140229  [2137.1, 2135.2999999999997, 2134.999999999999...
 20240115140229  [2135.0, 2134.0, 2132.4, 2132.0, 2131.0, 0.0, ...

 [15942 rows x 2 columns],
 'rb2405.SF':                                                          askPrice
 20240112205900  [3906.0, 3907.0, 3908.0, 3909.0, 3910.0, 0.0, ...
 20240112210000  [3904.0, 3905.0, 3906.0, 3907.0, 3908.0, 0.0, ...
 20240112210001  [3905.0, 3906.0, 3907.0, 3908.0, 3909.0, 0.0, ...
 20240112210001  [3905.0, 3906.0, 3907.0, 3908.0, 3909.0, 0.0, ...
 20240112210002  [3905.0, 3906.0, 3907.0, 3908.0, 3909.0, 0.0, ...
 ...                                                           ...
 20240115140227  [3911.0, 3912.0, 3913.0, 3914.0, 3915.0, 0.0, ...
 20240115140227  [3911.0, 3912.0, 3913.0, 3914.0, 3915.0, 0.0, ...
 20240115140228  [3911.0, 3912.0, 3913.0, 3914.0, 3915.0, 0.0, ...
 20240115140228  [3911.0, 3912.0, 3913.0, 3914.0, 3915.0, 0.0, ...
 20240115140229  [3911.0, 3912.0, 3913.0, 3914.0, 3915.0, 0.0, ...

                                                          bidPrice
 20240112205900  [3905.0, 3904.0, 3903.0, 3902.0, 3901.0, 0.0, ...
 20240112210000  [3903.0, 3902.0, 3901.0, 3900.0, 3899.0, 0.0, ...
 20240112210001  [3904.0, 3903.0, 3902.0, 3901.0, 3900.0, 0.0, ...
 20240112210001  [3904.0, 3903.0, 3902.0, 3901.0, 3900.0, 0.0, ...
 20240112210002  [3904.0, 3903.0, 3902.0, 3901.0, 3900.0, 0.0, ...
 ...                                                           ...
 20240115140227  [3910.0, 3909.0, 3908.0, 3907.0, 3906.0, 0.0, ...
 20240115140227  [3910.0, 3909.0, 3908.0, 3907.0, 3906.0, 0.0, ...
 20240115140228  [3910.0, 3909.0, 3908.0, 3907.0, 3906.0, 0.0, ...
 20240115140228  [3910.0, 3909.0, 3908.0, 3907.0, 3906.0, 0.0, ...
 20240115140229  [3910.0, 3909.0, 3908.0, 3907.0, 3906.0, 0.0, ...

 [35329 rows x 2 columns]}

期货结算价与持仓量

示例与返回值

from xtquant import xtdata
xtdata.get_market_data_ex(['settelementPrice','openInterest'],['rb2401.SF'],period='1d')

{'rb2401.SF':           settelementPrice  openInterest
 20230117            3996.0           573
 20230118            4036.0           713
 20230119            4066.0           821
 20230120            4065.0           944
 20230130            4123.0          1201
 ...                    ...           ...
 20230922            3773.0       1643925
 20230925            3741.0       1710023
 20230926            3697.0       1772900
 20230927            3684.0       1767758
 20230928            3700.0       1697143

 [172 rows x 2 columns]}

期货仓单

提示

1.该数据通过get_market_data和get_market_data_ex接口获取

2.获取数据前需要先用download_history_data下载历史数据

3. VIP 权限数据

参数

• period 参数传入 warehousereceipt

返回值

• 返回dict { field1 : value1, field2 : value2, ... }
• value1, value2, ... ：pd.DataFrame 数据集，index为stock_list，columns为time_list

示例

示例与返回值

from xtquant import xtdata
# 下载期货仓单
xtdata.download_history_data('','warehousereceipt','','')
#查询螺纹钢仓单数据
xtdata.get_market_data_ex([],['rb.SF'],period='warehousereceipt')

{'rb.SF':                    time warehouse  receipt
 20200102  1577894400000    上港物流共青        0
 20200102  1577894400001      广物物流        0
 20200102  1577894400002      中储无锡        0
 20200102  1577894400003       惠龙港        0
 20200102  1577894400004      金驹物流        0
 ...                 ...       ...      ...
 20230928  1695830400007      鞍钢股份        0
 20230928  1695830400008      沙钢集团        0
 20230928  1695830400009      镔钢集团     4500
 20230928  1695830400010    河钢集团承钢        0
 20230928  1695830400011    河钢集团邯钢        0

 [11104 rows x 3 columns]}

期货席位

提示

1.该数据通过get_market_data和get_market_data_ex接口获取

2.获取数据前需要先用download_history_data下载历史数据

3. VIP 权限数据

参数

• period 参数传入 futureholderrank

返回值

• 返回dict { field1 : value1, field2 : value2, ... }
• value1, value2, ... ：pd.DataFrame 数据集，index为stock_list，columns为time_list

示例

示例与返回值

from xtquant import xtdata
# 下载期货席位
xtdata.download_history_data('','futureholderrank','','')
#查询螺纹钢席位数据,period参数填写'futureholderrank'
print(xtdata.get_market_data_ex([],['rb2401.SF'],period='futureholderrank')['rb2401.SF'])

{'rb2401.SF':                    time                                  tradingVolumeRank
 20230406  1680710400000  [{'4': '国泰君安', '5': 2400, '6': 382}, {'4': '东证...
 20230407  1680796800000  [{'4': '中信期货', '5': 2847, '6': 2079}, {'4': '东...
 20230410  1681056000000  [{'4': '中泰期货', '5': 4791, '6': 4239}, {'4': '东...
 20230411  1681142400000  [{'4': '东证期货', '5': 4925, '6': 1081}, {'4': '中...
 20230412  1681228800000  [{'4': '华泰期货', '5': 6743, '6': 5298}, {'4': '浙...
 ...                 ...                                                ...
 20230922  1695312000000  [{'4': '东证期货', '5': 363143, '6': -235457}, {'4...
 20230925  1695571200000  [{'4': '东证期货', '5': 470528, '6': 107385}, {'4'...
 20230926  1695657600000  [{'4': '东证期货', '5': 427734, '6': -42794}, {'4'...
 20230927  1695744000000  [{'4': '东证期货', '5': 291031, '6': -136703}, {'4...
 20230928  1695830400000  [{'4': '东证期货', '5': 323971, '6': 32940}, {'4':...

                                             buyPositionRank
 20230406  [{'4': '海证期货', '5': 18021, '6': 11}, {'4': '中泰...
 20230407  [{'4': '海证期货', '5': 18035, '6': 14}, {'4': '中泰...
 20230410  [{'4': '海证期货', '5': 18048, '6': 13}, {'4': '中泰...
 20230411  [{'4': '海证期货', '5': 18048, '6': 0}, {'4': '中泰期...
 20230412  [{'4': '海证期货', '5': 18083, '6': 35}, {'4': '浙商...
 ...                                                     ...
 20230922  [{'4': '国泰君安', '5': 119476, '6': -8964}, {'4':...
 20230925  [{'4': '国泰君安', '5': 118274, '6': -1202}, {'4':...
 20230926  [{'4': '国泰君安', '5': 129658, '6': 11384}, {'4':...
 20230927  [{'4': '国泰君安', '5': 123275, '6': -6383}, {'4':...
 20230928  [{'4': '国泰君安', '5': 118341, '6': -4934}, {'4':...

                                            sellPositionRank
 20230406  [{'4': '中泰期货', '5': 13816, '6': 99}, {'4': '光大...
 20230407  [{'4': '中泰期货', '5': 13695, '6': -121}, {'4': '...
 20230410  [{'4': '中泰期货', '5': 16135, '6': 2440}, {'4': '...
 20230411  [{'4': '中泰期货', '5': 15623, '6': -512}, {'4': '...
 20230412  [{'4': '中泰期货', '5': 15620, '6': -3}, {'4': '财信...
 ...                                                     ...
 20230922  [{'4': '国泰君安', '5': 152616, '6': -6835}, {'4':...
 20230925  [{'4': '国泰君安', '5': 159635, '6': 7019}, {'4': ...
 20230926  [{'4': '国泰君安', '5': 152998, '6': -6637}, {'4':...
 20230927  [{'4': '国泰君安', '5': 148873, '6': -4125}, {'4':...
 20230928  [{'4': '国泰君安', '5': 146983, '6': -1890}, {'4':...

 [121 rows x 4 columns]}

现货数据

提示

1.该数据通过get_market_data和get_market_data_ex接口获取

2.获取数据前需要先用download_history_data下载历史数据

3. VIP 权限数据

返回值

• 返回dict { field1 : value1, field2 : value2, ... }
• value1, value2, ... ：pd.DataFrame 数据集，index为stock_list，columns为time_list

示例

示例与返回值

from xtquant import xtdata
# 获取现货市场代码
spot_list = xtdata.get_stock_list_in_sector('现货市场指数')
print(spot_list)
# 获取现货数据
spot_data = xtdata.get_market_data_ex(field_list=[],
                                  stock_list=['S0010020001.spot'],
                                  period='1d',
                                  fill_data=False)
print(spot_data)

# 预计输出
['S0010010001.SPOT', 'S0010020001.SPOT', 'S0010030001.SPOT', 'S0010030002.SPOT', 'S0010040001.SPOT', 'S0010050001.SPOT', 'S0010050002.SPOT', 'S0010050003.SPOT', 'S0010050004.SPOT', 'S0010070001.SPOT', 'S0010080001.SPOT', 'S0010090001.SPOT', 'S0020010001.SPOT', 'S0020020001.SPOT', 'S0020030001.SPOT', 'S0020040001.SPOT', 'S0020050001.SPOT', 'S0020060001.SPOT', 'S0020070001.SPOT', 'S0020080001.SPOT', 'S0020090001.SPOT', 'S0020100001.SPOT', 'S0030010001.SPOT', 'S0030010002.SPOT', 'S0030020001.SPOT', 'S0030030001.SPOT', 'S0030040001.SPOT', 'S0030070001.SPOT', 'S0030080001.SPOT', 'S0030090001.SPOT', 'S0030090002.SPOT', 'S0030100001.SPOT', 'S0030110001.SPOT', 'S0030120001.SPOT', 'S0030120002.SPOT', 'S0030120003.SPOT', 'S0030120004.SPOT', 'S0030120005.SPOT', 'S0030140001.SPOT', 'S0030150001.SPOT', 'S0030150002.SPOT', 'S0030150003.SPOT', 'S0030150004.SPOT', 'S0030160001.SPOT', 'S0030170001.SPOT', 'S0030180001.SPOT', 'S0030180002.SPOT', 'S0030180003.SPOT', 'S0030190001.SPOT', 'S0030200001.SPOT', 'S0040010001.SPOT', 'S0040020001.SPOT', 'S0040030001.SPOT', 'S0040040001.SPOT', 'S0040050001.SPOT', 'S0040060001.SPOT', 'S0040070001.SPOT', 'S0040080001.SPOT', 'S0040090001.SPOT', 'S0040100001.SPOT', 'S0040110001.SPOT', 'S0040120001.SPOT', 'S0040130001.SPOT', 'S0040150001.SPOT', 'S0040160001.SPOT', 'S0040170001.SPOT']

{'S0010020001.SPOT':           amount   close    high     low    open  openInterest  preClose
19970701     0.0  2748.0  2748.0  2748.0  2748.0             0       0.0
19970801     0.0  2720.0  2720.0  2720.0  2720.0             0       0.0
19970901     0.0  2692.0  2692.0  2692.0  2692.0             0       0.0
19971001     0.0  2720.0  2720.0  2720.0  2720.0             0       0.0
19971101     0.0  2720.0  2720.0  2720.0  2720.0             0       0.0
19971201     0.0  2720.0  2720.0  2720.0  2720.0             0       0.0
          settelementPrice  suspendFlag           time  volume
19970701            2748.0            0   867686400000       0
19970801            2720.0            0   870364800000       0
19970901            2692.0            0   873043200000       0
19971001            2720.0            0   875635200000       0
19971101            2720.0            0   878313600000       0
19971201            2720.0            0   880905600000       0
...

期货列表

金融期货列表

提供当前时间段内有效的金融期货合约数据（如行情数据等），

支持的金融期货种类

沪深 300 指数期货合约表

上证 50 股指期货合约表

中证 500 股指期货合约表

中证 1000 股指期货合约表

2 年期国债期货合约表

5 年期国债期货合约表

10 年期国债期货合约表

商品期货列表

主力连续合约及加权

主力合约生成规则

每个品种只有一个主连合约。主连合约于下一个交易日进行指向切换，切换前主连合约不变。当日成交量和持仓量都为最大的合约，确定为下一日主连合约，若当日成交量和持仓量都为最大的合约有多个，取其中的近月合约确定为下一日主连合约，若无当日成交量和持仓量同时最大的合约，取成交量最大的合约确定为下一日主连合约。

加权品种的价格规则

由当前品种全部可交易合约以实时持仓量为权重加权平均计算得到。 具体的计算方式是将该品种下所有交易合约价格和持仓量的乘积相加，得到的结果再除以这些合约持仓量的总和。

月份连续合约生成规则

月份连续合约是指将所有的相同月份合约连续拼接起来，生成的连续合约；

以AP01.ZF为例：ap01的合成规则是将AP401.ZF,AP301.ZF,AP201.ZF,AP101.ZF.....等苹果一月份合约拼接起来的连续合约

中金所

大商所

上海国际能源交易中心

广期所

上期所

郑商所

关于迅投指数计算规则的说明

指数数据计算规则说明

迅投指数的计算规则为

1. 普通代码上市超过20个交易日后加入计算，债券为5个交易日。 2. 涨停打开超过3个交易日后加入计算。 3. 复牌股涨跌幅超25%不加入计算。 4. 指数成分等权进行计算。

获取沪深指数数据

获取指数代码列表

提示

为了获取指数合约列表,首先需要使用函数get_sector_list来获取需要查询的指数索引。具体的索引信息可以通过键入您感兴趣的索引名（例如："沪深指数"或"上证指数"）等获得。接下来，通过调用函数get_stock_list_in_sector并输入指定的索引名称，你就可以返回相应的指数合约列表。这部分合约列表包含了所有与特定指数相关的现有合约，这对于投资者在进行投资策略分析和决策时具有重要参考价值。

调用方法

# coding=utf-8
from xtquant import xtdata
# 获取板块列表
xtdata.get_sector_list()
# 根据板块列表找查询指数索引名称
xtdata.get_stock_list_in_sector(sector_name)

参数

返回

• 列表，包含指定板块成分代码。

示例与返回值(板块列表)返回值(板块数据)

# coding=utf-8
from xtquant import xtdata
# 获取板块列表
ret_sector_list = xtdata.get_sector_list()
print(f'获取板块目录: {ret_sector_list}')
# 根据板块列表找查询指数索引名称
ret_sector_data = xtdata.get_stock_list_in_sector('沪深指数')
print(f'获取板块合约: {ret_sector_data}')

# 板块目录以列表形式,截取部分展示!
['上证指数', '上证新兴', '上证材料', '上证民企', '上证沪企', '上证流通', '上证海外', '上证消费', '上证环保', '上证电信', '上证能源', '上证资源', '上证转债', '上证金融', '上证银行', '上证高新', '上证龙头', '专利领先', '两融标的', '中关村50', '中关村60', '中关村A', '中创100', '中创100R', '中创400', '中创500', ...]

# 指数合约以列表形式返回,截取部分展示!
['000001.SH', '000002.SH', '000003.SH', '000004.SH', '000005.SH', '000006.SH', '000007.SH', '000008.SH', '000009.SH', '000010.SH', '000011.SH', '000012.SH', '000013.SH', '000015.SH', '000016.SH', '000017.SH', '000018.SH', '000019.SH', '000020.SH', '000021.SH', '000022.SH', '000025.SH', '000026.SH', '000027.SH', '000028.SH', '000029.SH', '000030.SH',...]

获取指数成份股权重

如果你的本地环境中缺少合约权重数据，那么可以先通过函数download_index_weight进行数据下载。下载后,再使用get_index_weight函数来取得相关指数下各个合约的权重信息。这两步操作能帮助你获得详尽而全面的权重数据，进一步增强你对投资环境的理解和掌握，帮助做出更明智的投资决策。

调用方法

# coding=utf-8
from xtquant import xtdata
# 下载权重相关信息
xtdata.download_index_weight()
# 获取权重相关信息
xtdata.get_index_weight(index_code)

参数

• index_code:字符串格式,指数代码,例如 000300.SH

返回

• 字典, key为成分代码, value为权重

示例与返回值

# coding=utf-8
from xtquant import xtdata
# 下载权重相关信息
xtdata.download_index_weight()
# 获取权重相关信息
ret_weight_data = xtdata.get_index_weight('000300.SH')
print(ret_weight_data)

{'000001.SZ': 0.583, '000002.SZ': 0.501, '000063.SZ': 0.61, '000069.SZ': 0.096, ...}

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

# 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

• xtdata.get_market_data_ex

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

示例与返回值

# 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)

{'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  }

获取指数tick数据

获取全推tick数据的函数是用户主动调用的工具。所谓"全推tick数据"，指的是以tick（最小报价单位）为单位的实时市场数据，包括每一笔交易的信息，如成交金额、成交量、收盘价等。通过主动调用这个函数，用户能实时获得最新的市场动态，从而做出及时和准确的投资决策。

调用方法

# coding=utf-8
from xtquant import xtdata
xtdata.get_full_tick(code_list)

参数

• code_list:字符串格式, 例如 \['000001.SH', '000300.SH'\]

返回值

• dict 数据集 { stock1 : tick1, stock2 : tick2, ... }, tick字段如下

示例与返回值

# 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")
# 获取迅投板块指数信息
xt_sector_index_info = xtdata.get_instrument_detail(xt_sector_index_list[0])
# 获取迅投板块指数tick数据
ret_full_tick = xtdata.get_full_tick([xt_sector_index])
print(ret_full_tick)

{'260992.BKZS': {'timetag': '20231114 15:00:09',
  'lastPrice': 26327.94,
  'open': 26190.7,
  'high': 26430.76,
  'low': 26186.34,
  'lastClose': 26232.32,
  'amount': 7523740134,
  'volume': 9392934,
  'pvolume': 9392934,
  'stockStatus': 5,
  'openInt': 15,
  'settlementPrice': 0,
  'lastSettlementPrice': 0,
  'askPrice': [0, 0, 0, 0, 0],
  'bidPrice': [0, 0, 0, 0, 0],
  'askVol': [0, 0, 0, 0, 0],
  'bidVol': [0, 0, 0, 0, 0]}}

获取迅投商品市场指数行情数据

提示

1.获取迅投商品市场指数行情数据，如要获取历史数据需要进行下载download_history_data,再根据函数get_market_data_ex获取

2. VIP 权限数据

调用方法

# coding=utf-8
from xtquant import xtdata
# 下载合约
xtdata.download_history_data(stock_code,period = "1d")
# 获取迅投商品市场指数行情数据
xtdata.get_market_data_ex([],[stock_code],period='1d')

参数

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

示例与返回值

# coding=utf-8
from xtquant import xtdata
xtdata.download_history_data('290000.BKZS',period = "1d")
# 获取迅投商品市场指数行情数据
xtdata.get_market_data_ex([],['290000.BKZS'],period='1d')

{'290000.BKZS':                    time    open    high     low   close    volume
 19960102   820512000000  138.55  138.55  138.55  138.55         0
 19960103   820598400000  137.86  137.86  137.86  137.86         0
 19960104   820684800000  137.86  137.86  137.86  137.86         0
 19960105   820771200000  137.90  137.90  137.90  137.90         0
 19960108   821030400000  137.82  137.82  137.82  137.82         0
 ...                 ...     ...     ...     ...     ...       ...
 20231017  1697472000000  240.20  240.23  238.14  238.40  23597871
 20231018  1697558400000  238.39  239.81  237.67  237.89  24646472
 20231019  1697644800000  238.02  239.21  237.31  238.64  24785048
 20231020  1697731200000  238.60  239.34  236.77  237.10  25381186
 20231023  1697990400000  237.18  237.45  234.96  235.61  27538299

                 amount  settelementPrice  openInterest  preClose  suspendFlag
 19960102  0.000000e+00               0.0             0    138.69            0
 19960103  0.000000e+00               0.0             0    138.55            0
 19960104  0.000000e+00               0.0             0    137.86            0
 19960105  0.000000e+00               0.0             0    137.86            0
 19960108  0.000000e+00               0.0             0    137.90            0
 ...                ...               ...           ...       ...          ...
 20231017  1.400718e+12               0.0            13    239.99            0
 20231018  1.499089e+12               0.0            13    238.40            0
 20231019  1.449394e+12               0.0            13    237.89            0
 20231020  1.513323e+12               0.0            13    238.64            0
 20231023  1.549690e+12               0.0            13    237.10            0

 [6742 rows x 11 columns]}

Token 使用相关

无法连接 xtquant 服务

描述：

Exception: 无法连接xtquant服务，请检查QMT-投研版或QMT-极简版是否开启

提示

您未成功启动数据服务或请检查端口是否正确填写port=XXXXX。

Token 失效后是否再次订阅

描述：

如果token刷新失效后，换成新的token，是否需要再次进行订阅操作？

提示

需要让xtdatacenter调整token后重新连接行情，这个可以直接重启xtdatacenter的进程，这会导致下游的xtdata连接断开，断开后重连上需要重新订阅

获取行情相关

k 线数据缺失

描述：

获取到的数据 1m 的 K 线数据缺失。

提示

如果是get_market_data_ex获取K线可以用fill_data=True来填充。

这个填充现在只对 k 线这种标准的数据做了，其他的特色数据没有处理填充的操作。

因此其他函数如果在获取k线数据的时候，如果存在数据缺失，用fill_data=True来填充，并不适用。

订阅数据相关

描述：

盘中订阅完行情全推后，切换行情站点需要重新订阅吗？

提示

1. 对于内置python策略来说，需要重新订阅 2. 对于xtquant.xtdata来说，不需要重新订阅，除非xtdata断开

数据更新时间相关

描述：

收盘后什么时候能够下载到完整的当日行情数据

提示

股票收盘有两个时间点

大部分股票是 15:00，在交易所撮合尾盘竞价成交后下发行情，一般会延后几秒，大约是15:00:03左右

创业板、科创板有盘后定价交易，如果需要获取这部分数据的话，在15:30收盘之后获取，不需要的话也在15:00获取

期货一般在15:00收盘后有最新的收盘价，在16:30左右有结算价