迅投miniqmt数据存储详解

周末群里有同学在问关于 miniqmt 的tick数据存储， 反馈找不到本地存储数据在哪。 这里写一篇文章 详细介绍下 关于迅投miniqmt数据存储的科普文章。

对于量化交易者而言，行情数据就是策略的“粮食”。如何高效、可靠地获取和管理这些数据，直接关系到策略回测的效率和实盘交易的稳定性。迅投（迅投）MiniQMT作为一款广受欢迎的本地化量化交易系统，其独特的数据存储机制是必须掌握的核心知识点。

一、数据目录探秘

MiniQMT的所有本地数据都存储在软件安装目录下的 userdata_mini 文件夹中，而其中最关键的当属 userdata_mini\datadir 目录。这里是所有下载的历史行情数据的“家”。

当你打开datadir，会看到类似下图的树状结构：

userdata_mini\
└── datadir\
    ├── SH\          # 上海证券交易所
    │   ├── 0\       # Tick级分笔数据
    │   ├── 60\      # 1分钟K线数据
    │   ├── 300\     # 5分钟K线数据
    │   └── 86400\   # 日线数据
    ├── SZ\          # 深圳证券交易所
    │   └── ...      # 类似SH目录的结构
    ├── SZO\         # 深圳期权
    └── ...          # 其他市场

• 第一层：市场代码：如SH（上海证券交易所）、SZ（深圳证券交易所）、SZO（深圳期权）等，代表不同交易市场。
• 第二层：周期代码：以数字命名的文件夹，代表不同的K线周期。这些数字代表的是该周期所对应的秒数。
• 第三层：数据文件：具体到每个证券的数据文件，以股票代码.DAT的形式命名（例如000001.SZ.DAT）。

二、详解关键周期文件夹：86400与60的意义

1. 86400文件夹 - 日线数据（1 Day）

数字含义：86400秒 = 24小时 × 60分钟 × 60秒，即一日的总秒数。此文件夹存储的是日线数据。

内容

：每个文件包含对应股票或指数的日K线数据，通常包括每日的开盘价、最高价、最低价、收盘价、成交量、成交额等关键数据。

用途：日线数据是进行中长期策略回测和分析市场大趋势的基础，因其数据量小，容易处理，常用于初步的策略验证和宏观分析。

2. 60文件夹 - 1分钟K线数据（1 Minute）

数字含义：60秒 = 1分钟。此文件夹存储的是1分钟K线数据。

内容

：以一分钟为间隔的K线数据序列。

用途：分钟线数据是进行中短期策略回测（特别是日内交易策略）的核心。它提供了比日线更细致的价格波动信息，又比Tick数据更规整，计算负荷相对可控。

3. 其他常见周期文件夹

0文件夹 - Tick数据/分笔数据：这是最细粒度的数据，记录的是每一笔成交的详细信息，包括时间、价格、成交量、买卖盘挂单情况等。对于需要精确分析订单簿动态的高频策略至关重要。

300文件夹 - 5分钟K线数据（300秒）。

此外，系统还支持更多周期，如15m（15分钟）、30m（30分钟）、1h（1小时）等，这些数据通常也通过API获取，但在本地datadir中的存储可能仍沿用秒数或特定的命名规则。

三、数据文件格式与读取方式

需要注意的是，datadir目录下的.DAT文件是QMT系统的专用二进制格式，并且通常经过加密或压缩处理。你无法直接用文本编辑器（如记事本）打开查看其明文内容，这样做只会看到乱码。这种设计一方面是为了提高存储效率，另一方面也是为了保护数据的安全性。

要读取这些数据，必须通过MiniQMT提供的官方API接口，主要是xtdata模块下的函数：

xtdata.get_local_data：直接从本地数据文件获取历史行情数据。

xtdata.get_market_data_ex：功能更强的接口，既能读取本地数据，也能在订阅模式下获取实时或历史数据。

四、高效数据管理实战建议

1. 理解“数据补充”机制

调用download_history_data或download_history_data2函数，其核心作用是“补充”数据到本地的datadir目录。新下载的数据会智能地合并到现有数据文件中，避免重复。这保证了本地数据仓库的连续性和完整性。

2. 存储空间规划

• Tick数据量巨大：长期全市场下载Tick数据会占用大量磁盘空间，需要提前规划好存储位置。
• 灵活设置存储路径：虽然默认路径是datadir，但你可以通过创建符号链接（Symbolic Link）的方式，将其实际位置指向一块拥有更大空间的硬盘，从而避免系统盘被撑满。

3. 为回测加速：转换数据格式

虽然原生.DAT文件最适合QMT系统内部调用，但如果你需要结合Pandas进行大量复杂的数据分析，可以先将数据读出，转换为更高效率的通用文件格式进行存储，如Feather或Parquet。

Feather：读写速度极快，但不压缩文件，适合作为临时高速缓存。当你要对某个数据集进行反复、密集的回测时，可以先将数据转为Feather格式以提升加载速度。

Parquet：具有高效的列式存储和压缩能力，文件体积小，适合作为长期数据仓库。当需要归档历史数据以节省空间时，Parquet是更佳选择。 你学废了么？ 如果我的分享对你投资有所帮助，不吝啬给个点赞关注呗。 这个号主要分享AI量化技术相关， 当天的灵感相关记录，相对比较杂。