本文将系统介绍 A 股 Level-2 行情数据 API 的技术特点、接入方案及实战应用,帮助开发者在量化交易的道路上构建坚实的数据底座。 数据量方面,A 股 Level-2 行情每日增量约 30-45GB,历史数据可达 10TB 级别。这意味着,处理 Level-2 数据不仅需要高效的 API 接入方案,更需要强大的数据存储与计算能力。 同花顺 iFinD:延迟在 100-200 毫秒,覆盖全市场 A 股及港股数据。采用年费制,数据质量稳定,功能丰富,适合专业投资机构使用。 4.2 实时行情接入代码示例以下提供 iTick API 的完整接入示例,包括 REST API 和 WebSocket 两种方式,涵盖 A 股、港股、美股等市场。 七、结语A 股 Level-2 行情数据 API 为量化开发者打开了一扇通往市场微观结构的大门。从十档盘口的深度分析到逐笔成交的资金流向追踪,Level-2 数据承载着比传统行情丰富十倍的信号价值。
作者在自学机器学习的过程中,尝试开发了一个基于机器学习的A股选股工具。本文是在赤兔的“数据挖掘”小组分享的此次开发过程和心得体会的整理。 A股选股器开发过程 数据来源 就财经类的数据而言,现在各大门户网站都有专门的频道,信息很多,如果对实时要求高,通过爬虫取其中有用的部分应该是一个办法。 它是免费的,提供结构化的数据,感觉每天更新也挺快。 预处理 拿到数据后第一步是做预处理。我认为股票的数据主要是做归一化,使得不同股票具有可比性。比如涨幅百分比,复权等等。 最初是用了最近3年的数据,后来考虑到A股从2007年到2015年恰好走过了一个上涨到下降再到上涨的完整周期,因此扩大到了8年的数据。 再是对算法的改进,我尝试引入了“推荐指数”的概念。 股灾日经常是“千股跌停”,上涨的股票太少了…可以看出在这些“股灾日”的时候,模型也不太准确,出现了失真。 总结与心得 选股工具利用机器学习算法,一般情况下比传统的算法(或者人为经验)的准确率高。
并且,隔夜美股的暴跌态势已经蔓延到了亚太股市和欧洲股市。 今日早上,亚太市场开盘后随美股一样暴跌。 其中,最早开盘的澳洲股指ASX200指数盘初跌2%,日股日经225指数开盘跌2%,日本东证指数下跌3%,迈向3月以来最大跌幅,韩国KOSPI指数开盘下跌2.43%。 台股加权指数开盘跌1.9%,目前跌幅扩大至逾4%。 在美股惨遭血洗的时候,其中,科技巨头的股票也一路下跌。 国内媒体认为,美债收益率上升是美股承压原因之一。美国国债收益率本月以来一直攀升,10年美债收益率一度触及3.25%的七年最高水平。10月5日,有数据显示,美国失业率降到了3.7%的历史低位。
八股 浏览器输入网址到看到结果的全过程 ==首先是解析url,然后进行缓存判断,判断请求的资源在不在缓存中,如果在缓存中且没有失效,就直接使用,否则就要向服务器发起请求。 (2)缓存判断: 浏览器会判断所请求的资源是否在缓存里,如果请求的资源在缓存里并且没有失效,那么就直接使用,否则向服务器发起新的请求。 该状态会持续 2MSL(最大段生存期,指报文段在网络中生存的时间,超时会被抛弃) 时间,若该时间段内没有服务端的重发请求的话,就进入 CLOSED 状态。 数据链路层(Data Link Layer): 主要功能:在直接连接的两个设备之间提供可靠的数据传输。 作用:将物理层提供的比特流分组成数据帧,并负责数据的错误检测和纠正。 接收到第四次挥手的一方进入TIME_WAIT状态,等待一段时间(通常为2倍的最大报文段寿命,以确保所有可能的数据包都已传递完毕),然后关闭连接。
该 API 提供实时价格、K 线数据、历史数据查询、实时 tick、实时报价、低延时报价 api、盘口数据和逐笔成交等功能,特别适合量化交易开发者使用。 主要优势:实时数据:毫秒级更新,支持实时价格和逐笔成交。历史数据查询:批量获取多股 K 线数据,包括开盘价、最高价、最低价、收盘价和成交量(OHLCV)。 2. 批量历史 K 线查询支持多股同时查询历史 K 线数据,周期从分钟线到月线。适合历史数据查询和 K 线数据分析。请求路径:GET /stock/klines? 示例 2:批量历史 K 线查询import requestsdef get_klines(region, codes, k_type, limit): url = f"{BASE_URL}/stock K 线数据分析,支持多股批量操作。
作者寄语 更新之前的港股和美股接口直接返回复权后的数据,方便策略回测使用,具体的使用方法参见文档。 AkShare 股票数据 美股-历史行情 接口: stock_us_daily 目标地址: http://finance.sina.com.cn/stock/usstock/sector.shtml 描述 : 获取美股历史行情数据,设定 adjust="qfq" 则返回前复权后的数据,默认 adjust="", 则返回未复权的数据,历史数据按日频率更新 限量: 单次返回指定上市公司指定 adjust 后的所有历史行情数据 输入参数 名称 类型 必选 描述 symbol str Y 美股代码, 可以通过 「get_us_stock_name」 函数返回所有美股代码, 由于美股数据量大, 建议按需要获取 adjust str , 可以选择返回复权后数据,更新频率为日频 限量: 单次返回指定上市公司的历史行情数据(包括前后复权因子), 提供新浪财经拥有的该股票的所有数据(并不等于该股票从上市至今的数据) 输入参数 名称 类型
作者寄语 熟悉东方财富的小伙伴一定听过东方财富的股吧评论数据,无论是学术论文还是业界的金工报告都有提及相关内容,本次更新根据股吧浏览、自选股添等数据统计得出,关注指数越高代表该股越受市场关注的千股千评指数接口 ,本数据有东方财富制定。 /stockcomment/ 描述: 获取东方财富网-数据中心-特色数据-千股千评 限量: 单次获取所有数据 输入参数 名称 类型 必选 描述 - - - - 输出参数 名称 类型 默认显示 描述 TDate 接口示例 import akshare as akstock_em_comment_df = ak.stock_em_comment()print(stock_em_comment_df) 数据示例 - - -3953 2020-03-23T00:00:00 900955 海创B股 ...
2.高级信息:输入ffmpeg -h long命令可以查看更加详细的帮助信息,包括各种输入输出格式、编码器、滤镜等的详细说明。 2.解码:分别对音频流和视频流进行解码,得到原始的音频帧和视频帧数据。 3.编码:使用指定的编码器(libx264或libx265)对视频帧进行重新编码,以达到需求的分辨率和压缩质量要求。 这是因为PCM音频并不包含文件头等元数据信息,在没有其他信息的情况下,FFmpeg无法正确地猜测采样率、声道数和采样格式等参数,需要手动指定。 同时,实际所指定的-f参数对应的是解码器,即在此处使用的PCM解码器(pcmdec.c),而该解码器只根据指定的参数解析原始音频数据。 因此,如果音频数据的采样格式与所指定的参数不匹配,将会导致解码失败或者产生噪声等问题。在选择参数时,需要了解音频数据的具体采样格式和编码方式,并根据需要选择合适的解码器和参数选项。
* 播放 PCM 数据文件 `48000_2_f32le.pcm`,指定采样率为 48000 Hz,声道数为 2,格式为 32 位浮点型: ``` ffplay -ar 48000 -ac 2 -f 提取PCM数据 * 从音频文件 `buweishui.mp3` 中提取 PCM 格式的音频数据,采样率为 48000 Hz,声道数为 2,采样格式为 signed 16-bit little-endian PCM 格式的音频数据,采样率为 48000 Hz,声道数为 2,采样格式为 float 32-bit little-endian,并输出为文件 `48000_2_f32le.pcm`: ``` ffmpeg ` 中提取前 10 秒的音频数据,采样率为 48000 Hz,声道数为 2,采样格式为 float 32-bit little-endian,并输出为文件 `48000_2_f32le_2.pcm`: test.mp4 -vcodec copy -acodec copy test_copy.ts ``` * 将视频文件 `test.mp4` 中的视频数据和音频数据以原始编码格式拷贝到输出文件 `test_copy2
作者寄语 更新 破净股统计 接口,破净是指市值跌破净资产值,破净股是指股票的每股市场价格低于它每股净资产价格。 数据的时间段为:2005年-至今 更新接口 "stock_a_below_net_asset_statistics" # A 股破净股统计 破净股统计 接口: stock_a_below_net_asset_statistics 目标地址: https://www.legulegu.com/stockdata/below-net-asset-statistics 描述: 获取 A 股破净股统计数据 限量: 单次获取所有历史数据 输入参数 名称 类型 必选 描述 - - - - 输出参数 名称 类型 默认显示 描述 date datetime Y 交易日 below_net_asset float Y 破净股家数 total_company = ak.stock_a_below_net_asset_statistics() print(stock_a_below_net_asset_statistics_df) 数据示例
作者寄语 本次接口主要东方财富的行业板块中成份股,可以与同花顺的对照使用。 更新接口 "stock_board_industry_cons_em" # 东方财富-成份股 东方财富-成份股 接口: stock_board_industry_cons_em 目标地址: https: stock_board_industry_cons_em_df = ak.stock_board_industry_cons_em(symbol="小金属") print(stock_board_industry_cons_em_df) 数据示例 市盈率-动态 市净率 0 1 688190 N云路 123.05 163.89 ... 120.00 46.63 57.34 124.09 8.20 1 2 300127 银河磁体 31.40 19.35 ... 26.06 26.31 17.18 50.84 7.63 2 3 600259 广晟有色 56.40
播放 PCM 数据文件 48000_2_f32le.pcm,指定采样率为 48000 Hz,声道数为 2,格式为 32 位浮点型: ffplay -ar 48000 -ac 2 -f f32le 48000 提取PCM数据 从音频文件 buweishui.mp3 中提取 PCM 格式的音频数据,采样率为 48000 Hz,声道数为 2,采样格式为 signed 16-bit little-endian,并输出为文件 -ac 2 -codec:a pcm_s16le out2_s16le.wav 从音频文件 buweishui.mp3 中提取 PCM 格式的音频数据,采样率为 48000 Hz,声道数为 2,采样格式为 -acodec pcm_f32le 48000_2_f32le.pcm 从视频文件 test.mp4 中提取前 10 秒的音频数据,采样率为 48000 Hz,声道数为 2,采样格式为 float vcodec copy -acodec copy test_copy.ts 将视频文件 test.mp4 中的视频数据和音频数据以原始编码格式拷贝到输出文件 test_copy2.ts 中: ffmpeg
对于金融科技开发者而言,如何稳定、低延迟地获取美股数据是开发全球资产配置工具的第一步。本文将基于 StockTV 全球金融 API,为你详解如何快速集成美股实时行情、历史数据及指数信息。 一、 美股接口对接美股数据通常面临着交易所授权费高昂、API 协议复杂(如 FIX 协议)等痛点。 StockTV 提供了简化后的 REST 和 WebSocket 接口:全市场覆盖:支持纽约证券交易所(NYSE, ID: 1)和纳斯达克(NASDAQ, ID: 2)。 获取美股市场列表若要获取美国市场的股票信息,你需要将 countryId 设置为美股对应的代码(如获取美国列表,通常涉及交易所 ID 1 或 2)。 — 纳斯达克 (NASDAQ)2.
核心技术工具说明本次自动化选股项目依赖 Python 的三大核心库,各自承担关键职责:Requests:轻量高效的 HTTP 请求库,负责向金融数据网站发送请求,获取公开的个股行情与财务数据,是爬虫实现的核心工具 Pandas:高性能的数据处理与分析库,负责对提取的金融数据进行清洗、整理、指标计算与筛选,是实现选股逻辑的关键支撑。2. :处理抓取到的缺失值、异常值、格式错误等问题,形成标准化数据集;选股逻辑实现:基于价值投资与成长投资的核心指标,预设筛选规则,利用 Pandas 完成自动化筛选;结果输出:将筛选出的潜力股整理为表格,保存为本地文件方便查阅 抓取股票基础数据与核心指标本次我们抓取东方财富网的 A 股列表数据,提取核心选股指标。 2.
2,引擎:InnoDB,MyIsam 3,超键,候选键,主键,外键 4,Sql约束: 主键约束:唯一性,非空 唯一约束:唯一性,有一个可为空 检查约束:对列的数据范围限定 默认约束:数据的默认值 外键约束 不可以,正常情况下没问题,但是如果需要回滚,innodb没问题,myisam就会无法撤销,出现数据不一致。 13,Innodb和Myisam的区别 锁 1,为什么要加锁 2,按照粒度划分锁 3,乐观锁悲观锁,怎么实现 悲观锁就是加锁呗,可以java的,比如synchronized。 也可以对数据,如for update。 乐观锁有CAS和版本号机制。 4,InnoDB的行锁怎么实现 给索引项加锁,所以使用行锁一定要使用索引。 其他 1,为什么要使用分库分表 分表:数据太大 分库:并发太大 2,读写分离,主从同步,主从复制 就这两大类问题。
日股历史数据和实时报价对量化工作意义重大。 日股 API 为量化工作者获取这两类数据提供便捷途径,专业日股 API 能定制数据获取,提高效率和准确性,满足量化交易要求,免费报价 API 虽有局限,但对初步量化研究和小型量化团队也有价值,能降低成本开展工作 近期日股整体呈现上涨趋势,具体来看以下几个方面:指数表现:当地时间 1 月 15 日,日股三大股指全面大幅上涨。 上涨原因分析通胀数据符合预期:最新发布的消费者价格指数(CPI)数据显示,日本 2024 年 12 月 CPI 同比上升 2.9%,环比升 0.4%,均与市场预期相符。 请求K线python -m pip install requests"""**iTick**:是一家数据代理机构,为金融科技公司和开发者提供可靠的数据源APIs,涵盖外汇API、股票API、加密货币API
港美A股实时盘口数据:Python 接入示例教程在量化交易和大宗交易决策中,实时盘口数据(也称为市场深度或 Level 2 数据)是关键要素。 本文聚焦港股(HK)、美股(US)和 A 股(SH/SZ)的实时盘口,介绍如何通过 RESTful API 和 WebSocket 方式接入这些数据,支持多市场覆盖和毫秒级更新。 例如,在港股市场,腾讯控股(700.HK)的盘口可能显示买一价 568 HKD,挂单量 75000 股。 美股 (US):如 AAPL (苹果)、TSLA (特斯拉)。A 股 (SH/SZ):上海和深圳交易所股票。接入方式有批量查询(REST)和实时推送(WebSocket)。 支持港美 A 股订阅(如 params: "700$HK,AAPL$US,600000$SH")。
stock_rank_cxd_ths" # 创新低 创新低 接口:stock_rank_cxd_ths 目标地址:http://data.10jqka.com.cn/rank/cxd/ 描述:同花顺-数据中心 -技术选股-创新低 限量:单次指定 symbol 的所有数据 输入参数 名称 类型 描述 symbol str symbol="创月新低"; choice of {"创月新低", "半年新低", "一年新低 akshare as ak stock_rank_cxd_ths_df = ak.stock_rank_cxd_ths(symbol="创月新低") print(stock_rank_cxd_ths_df) 数据示例 涨跌幅 换手率 最新价 前期低点 前期低点日期 0 1 000002 万科A -4.81 2.52 18.21 19.13 2021-10-28 1 2 000030 富奥股份 -1.05 0.41 5.66 5.66 2021-09-29 2 3 000034 神州数码 0.00 0.53 14.90 14.90
3月4日晚间,国产探针卡大厂强一股份披露了2026年1-2月经营数据,其合并营收达16,365.92万元,同比暴涨157.9%。 强一股份表示,2026年1-2月经营业绩显著提升,主要系受益于 AI 算力需求爆发与半导体行业景气周期,下游头部客户需求旺盛,公司高端 MEMS 探针卡业务增长迅猛。 根据公开信息搜集并经整理以及 Yole 的数据显示,近年来,前十大探针卡厂商合计市场份额均超过 80%。其中,前五大厂商排名均未发生变化,合计市场份额约为 70%,为第一梯队厂商。 今年2月26日,强一股份公布的2025年业绩快报显示,报告期内,公司实现营业总收入约10.12亿元,同比增长57.81%,实现营业利润约4.47亿元,同比增长 72.67%;实现归属于母公司所有者的净利润约 利润总额、归属于母公司所有者的净利润、归属于母公司所有者的扣除非经常性损益的净利润、基本每股收益大幅增长的主要原因系:半导体行业需求持续扩容,公司营收快速增长,贡献了业绩增量;产品结构持续优化,成熟 2D
更新接口 "stock_dzjy_hygtj" # 大宗交易-活跃A股统计 大宗交易 活跃A股统计 接口: stock_dzjy_hygtj 目标地址: http://data.eastmoney.com /dzjy/dzjy_hygtj.aspx 描述: 获取东方财富网-数据中心-大宗交易-活跃 A 股统计 限量: 单次返回所有历史数据 输入参数 名称 类型 必选 描述 period str Y period import akshare as ak stock_dzjy_hygtj_df = ak.stock_dzjy_hygtj(period='近三月') print(stock_dzjy_hygtj_df) 数据示例 -2.17058 4.4287555084745742 1 2 600989 ... 13.116939344262336 6.8297114754098418 2 3 600519 ... 0.17680629921259783 0.81875039370078784 3 4 600399 ...