量化交易:Miniqmt获取可转债数据和交易python代码

哈喽,大家好,我是木头左!

低风险资产除了国债外,还有可转债,兼容有高收益的股性和低风险的债性,号称"下有保底,上不封顶"。

🔍 可转债:金融市场的双面娇娃

可转债,全称可转换债券,是一种可以在特定条件下转换为发行公司股票的债券。它既有债券的稳定收益特性,又有股票的增长潜力,是投资者进行资产配置的重要选择。

🎯 可转债的优势

  • 收益与风险的平衡:既有固定收益,又有转股后的增值潜力。
  • 市场适应性强:在不同的市场环境下,可转债都能展现出其独特的价值。
  • 流动性好:可转债通常在交易所上市,流动性较高。

🛠️ miniQMT:量化交易的瑞士军刀

miniQMT可以不依赖QMT客户端,可以在vscode中直接运行,它提供了丰富的数据接口和交易策略模板,使得用户可以轻松地构建和测试自己的量化交易策略。

前面已经安装好QMT,参考QMT量化入门 ,在安装目录下有userdata_mini,这就是我们后面要用的Miniqmt的安装目录。

直接下载的可以用,最好是使用最新版本的,可从官网下载:https://dict.thinktrader.net/nativeApi/download_xtquant.html?id=7zqjlm

直接覆盖即可,不可以通过pip install的方式安装。

💻 Python代码

下面,我将展示如何使用Python和miniQMT来获取可转债数据。

🔬 获取可转债数据

获取行情主要是通过xtdata实现。

python 复制代码
xtdata.download_history_data2(stock_list,period="1d",start_time="20240224")  #批量下载
kline_data=xtdata.get_market_data(field_list=['time','open','high','low','close','volume','amount'],
print(res)

📊 连接客户端

如果要交易,本来还是要启miniQMT客户端,并配置资金帐户和安装目录。

否则会报错:

python 复制代码
# coding:gbk
# @author      : 木头左
# @date        : 2024/06/03 22:18:26
# @description : 
from xtquant import xtdata
import random

from xtquant.xttype import StockAccount
from xtquant.xttrader import XtQuantTrader
from xtquant import xtconstant

# miniQMT安装路径
mini_qmt_path = r'E:\programData\qmt\userdata_mini'
# QMT账号
account = 'xx'
# 创建session_id
session_id = int(random.randint(100000, 999999))
# 创建交易对象
xt_trader = XtQuantTrader(mini_qmt_path, session_id)
# 启动交易对象
xt_trader.start()
# 连接客户端
connect_result = xt_trader.connect()

🚀 执行交易

最后,我们将委托提交客户端。

python 复制代码
if connect_result == 0:
    print('连接成功')
# 创建账号对象
acc = StockAccount(account)
# 订阅账号
xt_trader.subscribe(acc)
# 下单
res = xt_trader.order_stock(acc, stock_code=stock_code, order_type=xtconstant.STOCK_BUY, order_volume=100, price_type=xtconstant.FIX_PRICE, price=7.44)
print(res)

希望这篇文章能够激发你对量化交易的兴趣。记得点赞、分享和关注哦!👍🔄👀

相关推荐
我狸才不是赔钱货2 小时前
Python的“环境之殇”:从Venv到Conda的终极抉择
开发语言·python·conda
程序员爱钓鱼3 小时前
Python编程实战 - 函数与模块化编程 - 参数与返回值
后端·python·ipython
程序员爱钓鱼3 小时前
Python编程实战 - 函数与模块化编程 - 局部变量与全局变量
后端·python·ipython
jiuri_12158 小时前
Docker使用详解:在ARM64嵌入式环境部署Python应用
python·docker·容器
chenchihwen8 小时前
AI代码开发宝库系列:Function Call
人工智能·python·1024程序员节·dashscope
汤姆yu10 小时前
基于python的化妆品销售分析系统
开发语言·python·化妆品销售分析
上去我就QWER11 小时前
Python下常用开源库
python·1024程序员节
程序员杰哥12 小时前
Pytest之收集用例规则与运行指定用例
自动化测试·软件测试·python·测试工具·职场和发展·测试用例·pytest
Jyywww12112 小时前
Python基于实战练习的知识点回顾
开发语言·python