qmt量化交易策略小白学习笔记第18期【qmt编程之获取对应周期的北向南向数据--方式2:原生python】

qmt编程之获取对应周期的北向南向数据

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 !

获取对应周期的北向南向数据

提示

  1. 该数据通过get_market_data_ex接口获取
  2. 获取历史数据前需要先用download_history_data下载历史数据,可选字段为"northfinancechange1m":一分钟周期北向数据,"northfinancechange1d":日线周期北向数据
  3. VIP权限数据

方式2:原生python

原生python

复制代码
xtdata.get_market_data_ex(
    fields=[], 
    stock_code=[], 
    period='follow', 
    start_time='', 
    end_time='', 
    count=-1, 
    dividend_type='follow', 
    fill_data=True, 
    subscribe=True
    )

参数

名称 类型 描述
field list 取北向数据时填写为[]空列表即可
stock_list list 合约代码列表
period str 数据周期,可选字段为: "northfinancechange1m":一分钟周期北向数据 "northfinancechange1d":日线周期北向数据
start_time str 数据起始时间,格式为 %Y%m%d%Y%m%d%H%M%S,填""为获取历史最早一天
end_time str 数据结束时间,格式为 %Y%m%d%Y%m%d%H%M%S ,填""为截止到最新一天
count int 数据个数
dividend_type str 除权方式,可选值为 '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 取此数据时不生效
fill_data bool 是否填充数据
subscribe bool 订阅数据开关,默认为True,设置为False时不做数据订阅,只读取本地已有数据。

返回值

返回一个 {stock_code:pd.DataFrame} 结构的dict对象,

示例2 通过原生python获取:

示例

复制代码
# 该示例演示token获取数据方式
from xtquant import xtdatacenter as xtdc

import xtquant.xtdata as xtdata

xtdc.set_token('用户token')
xtdc.init()

s = 'FFFFFF.SGT' # 北向资金代码
period = 'northfinancechange1m' # 数据周期
if 1:
    print('download')
    xtdata.download_history_data(s, period, '20231101', '')
    print('done')

data = xtdata.get_market_data_ex([], [s], period, '', '')[s]
print(data)

返回值

复制代码
	time	HGT北向买入资金	HGT北向卖出资金	HGT南向买入资金	HGT南向卖出资金	SGT北向买入资金	SGT北向卖出资金	SGT南向买入资金	SGT南向卖出资金	HGT北向资金净流入	HGT北向当日资金余额	HGT南向资金净流入	HGT南向当日资金余额	SGT北向资金净流入	SGT北向当日资金余额	SGT南向资金净流入	SGT南向当日资金余额
0	1679619600000	0	0	0	0	0	0	0	0	0	52000000000	56482000	41943518000	0	52000000000	38749800	41961250199
1	1679619660000	0	0	0	0	0	0	0	0	0	52000000000	79933000	41920067000	0	52000000000	47571600	41952428400
2	1679619720000	0	0	0	0	0	0	0	0	0	52000000000	104898100	41895101900	0	52000000000	66697000	41933303000
3	1679619780000	0	0	0	0	0	0	0	0	0	52000000000	112106000	41887894000	0	52000000000	80038500	41919961500
4	1679619840000	0	0	0	0	0	0	0	0	0	52000000000	120973900	41879026200	0	52000000000	110223100	41889776900
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
52802	1699517160000	25931289200	23761060600	7192241300	4497273400	31224095900	33457685500	6649753700	4381821900	3487650300	48512349700	3561839099	38438160900	-956425200	52956425199	2952439099	39047560900
52803	1699517220000	25931289200	23761060600	7192241300	4497273400	31224095900	33457685500	6649753700	4381821900	3487650300	48512349700	3573462800	38426537200	-956425200	52956425199	2953814300	39046185700
52804	1699517280000	25931289200	23761060600	7192241300	4497273400	31224095900	33457685500	6649753700	4381821900	3487650300	48512349700	3550669400	38449330600	-956425200	52956425199	2934226100	39065773900
52805	1699517340000	25931289200	23761060600	7257519800	4531832900	31224095900	33457685500	6717744000	4402893900	3487650300	48512349700	3550669400	38449330600	-956425200	52956425199	2934226100	39065773900
52806	1699517400000	25931289200	23761060600	7257519800	4531832900	31224095900	33457685500	6717744000	4402893900	3487650300	48512349700	3550669400	38449330600	-956425200	52956425199	2934226100	39065773900
52807 rows × 17 columns
相关推荐
coding随想4 分钟前
掌控网页的魔法之书:JavaScript DOM的奇幻之旅
开发语言·javascript·ecmascript
倔强的石头10611 分钟前
大数据时代下的时序数据库选型指南:基于工业场景的IoTDB技术优势与适用性研究
大数据·时序数据库·iotdb
Norvyn_713 分钟前
LeetCode|Day18|20. 有效的括号|Python刷题笔记
笔记·python·leetcode
爱吃烤鸡翅的酸菜鱼23 分钟前
IDEA高效开发:Database Navigator插件安装与核心使用指南
java·开发语言·数据库·编辑器·intellij-idea·database
chao_78931 分钟前
更灵活方便的初始化、清除方法——fixture【pytest】
服务器·自动化测试·python·pytest
心情好的小球藻1 小时前
Python应用进阶DAY9--类型注解Type Hinting
开发语言·python
都叫我大帅哥1 小时前
LangChain加载HTML内容全攻略:从入门到精通
python·langchain
惜.己1 小时前
使用python读取json数据,简单的处理成元组数组
开发语言·python·测试工具·json
Y4090011 小时前
C语言转Java语言,相同与相异之处
java·c语言·开发语言·笔记
笑衬人心。1 小时前
TCP 拥塞控制算法 —— 慢启动(Slow Start)笔记
笔记·tcp/ip·php