Python炒股自动化(2):获取股票实时数据和历史数据

如果你是一位大佬,看我前面的分享即可,相信你有自己的思路,或者已经有了成熟的策略,你需要的只是API接口来实现你的想法,前面的分享是你需要的,这些是给刚开始接触程序交易的朋友分享的。

前面发了股票程序交易接口的区别和券商接口的申请,隔了很长时间,事也多,人也懒,现在才开始下一步,获取股票实时数据和历史数据。

要实现股票的程序化自动化交易,可以简单分为三步,获取数据、提交订单、查询交易,要实现这些,方法很多,最好用最安全便捷的,还是找券商申请接口来操作。

申请到了API接口,环境的搭建就很简单了,现在的IDE直接傻瓜式安装就可以。你啥都不用管,直接上代码实现功能,至于什么是变量,什么是函数,每个函数的作用,都有哪些参数,程序的原理,量化交易需要哪些基础等等,这些统统不管,现阶段对你不重要,我会在下一系列的plus版中讲到这些,现在就把程序实现过程当做是普通App一样,就把每行代码当做是App中设置的参数,先跑起来再学走路(防杠狗头表情),以前的老司机都是开车上路了才办的驾驶证,没有去驾校考证这一说。

别人在学校学好几年才是个入门的程序员,再学习金融知识,再学习量化知识,再慢慢积累实战经验,十年八年过去了,最终成为一名合格的量化交易从业者。你的目标不一样,没有时间和精力按部就班的,一步一个脚印地深入去学,也没必要和那些资深大佬去对比,现在只是想把自己手工操作的过程,实现程序化自动化,解放双手,避免情绪影响,提高准确性和执行效率。

好了,我们现在先来取实时数据,也就一行代码,这里以平安银行和酱香科技为例。

python 复制代码
实时数据 = xtdata.get_full_tick(['000001.SZ', '600519.SH'])
print(实时数据)

Python炒股自动化(2):获取股票实时数据和历史数据

然后,我们再来取历史数据,还是以这两支股票为例,取2024年春节过后,第一个交易日的1分钟K线数据,开高低收四个字段,也是一行代码

python 复制代码
历史数据 = xtdata.get_market_data(
    ['open','high','low','close'],
    ['000001.SZ', '600519.SH'],
    '1m',
    '20240219',
    '20240219'
)
print(历史数据)

Python炒股自动化(2):获取股票实时数据和历史数据

结果返回的都是空数据,因为历史数据需要先下载,你可以在客户端上提前批量下载好,也可以在代码中加一行,download_history_data

python 复制代码
xtdata.download_history_data2(
    ['000001.SZ', '600519.SH'],
    '1m',
    '20240219',
    '20240219'
)
# 用哪段数据就下载哪段
历史数据 = xtdata.get_market_data(
    ['open','high','low','close'],
    ['000001.SZ', '600519.SH'],
    '1m',
    '20240219',
    '20240219'
)
print(历史数据)

Python炒股自动化(2):获取股票实时数据和历史数据

代码中print就是打印输出,把需要的信息显示出来,让写程序的人看到,机器不需要,它只要有"实时数据"或者"历史数据"这些变量,就可以在下一步分析中利用,图中就是get_full_tick和get_market_data这两个函数向服务器发送请求,取回的数据。

这两个函数有哪些参数,用什么格式,取回的数据是什么格式,怎么用先不管,下一节分析数据的时候,我们让程序知道就行。这些细节都先不要想,先让程序跑起来,我们的目标是先跑起来再学走路(加个狗头表情,别遇到杠精,这段记得划掉)。

注意这里我用的变量名是中文,之后的教程分享也是,以容易理解为主,先不说我自己有"变量命名困难综合症",初级教程,怎么简单怎么来,上手实战优先,自己用的程序,不是和别人合作,不用定什么标准,贴地飞行,弯道超车,光脚的不怕穿裤衩的,板砖破武术,片刀砍气功

今天的分享就到这里,对股票量化程序化自动交易感兴趣的朋友可以关注我,有任何相关问题也可以留言讨论或者私信与我交流


相关推荐
M--Y8 小时前
LangGraph 工作流模式
开发语言·javascript·python·langchain·大模型·llm·langgraph
数字新视界8 小时前
信创动环监控在机房环境管理中的智能化应用与实践分析
大数据·人工智能·物联网·信息与通信·动环监控系统
岁月宁静8 小时前
DeepSeek Harness 实战与架构解析:让 Agent 从“会聊”到“能交付”
人工智能·python·agent
LiaoWL1238 小时前
NumPy 入门实战(二):向量化与余弦相似度——从 ndarray 到 Embedding
python·numpy·embedding
forest_099 小时前
多 Agent 协作第二课:交叉验证≠独立验证
人工智能·python·算法·机器学习·prompt·agi
databook12 小时前
时间序列数据,先拆规律还是先查异常
python·数据挖掘·数据分析
大大大大晴天12 小时前
数仓分层架构设计:ODS、DWD、DWS、ADS、DIM 如何各司其职
大数据
师夷长技以自愈13 小时前
手搓 AI Agent 第 8 篇:从手写循环到画流程图——LangGraph 封装
人工智能·python
aifannihao14 小时前
Rust 1.100 的 DropGuard:用 Python 实测失败回滚与吞异常
python·rust·异常处理·标准库·contextlib
用户0190275816115 小时前
天勤 tqsdk 能做 A 股行情吗?期货强项与股票数据选型
python