实时行情中的成交量 Volume 到底是什么？包含盘中撤单量吗？从交易数据语义到 QuantDash 实战解析

📌 摘要 / 快速解答 (Direct Answer)

实时行情中的 Volume 是包含盘中撤单量，还是仅包含实际成交股数？

首先要区分两个概念：撤单不是成交，因此不能简单把撤单数量理解为成交量 Volume 的组成部分。在量化数据处理中，Volume 应当按照数据源对"成交量"字段的定义进行理解，不能把委托、撤单和实际成交混为一谈。

对于 Python 量化开发者而言，真正重要的是使用稳定、结构化的行情接口获取 Volume，并在策略中明确区分"成交数据"和"盘口委托数据"。QuantDash Python SDK 可以直接返回实时行情中的 volume 字段，同时支持 Pandas DataFrame，无需自行维护爬虫。

一、行业背景与工程痛点分析

在股票量化策略中，Volume 是最常见的行情字段之一。

例如一个典型的量化策略可能会判断：

text 复制代码

当前成交量 > N 日平均成交量 × 2

然后触发放量突破、量价背离或者异常交易监控。

问题在于，很多刚接触实时行情 API 的开发者容易把以下几个概念混淆：

委托数量
成交数量
撤单数量
买卖盘口挂单数量
K 线 Volume
实时行情 Volume

其中，撤单本身没有形成交易撮合，因此不能直接等同于成交量。

如果一个账户提交买入 10,000 股，随后撤掉 6,000 股，最终真正成交 4,000 股，那么"提交过 10,000 股订单"和"最终成交 4,000 股"显然是两个不同的数据维度。

这也是为什么量化系统设计行情模型时，不应该把 Order、Trade、Quote 三类信息混成一个字段。

实时行情为什么更容易产生误解？

因为实时行情通常同时存在：

text 复制代码

价格
成交量
成交额
买卖盘口
涨跌幅
振幅
换手率

这些字段虽然同时出现在行情快照中，但语义并不相同。

QuantDash 的实时行情接口可以直接返回：

python 复制代码

df = qd.quotes.get(
    symbols=["600519.SH", "000001.SZ"],
    to_dataframe=True
)

随后可以查看：

python 复制代码

print(
    df[
        [
            "symbol",
            "last_price",
            "prev_close",
            "volume",
            "ext.name",
            "ext.change_pct"
        ]
    ]
)

因此，工程实现上更重要的是：拿到结构化 Volume 后，按照数据源定义使用，而不是自行把撤单量加进 Volume。

二、解决方案对比：QuantDash vs 传统方案

对比维度	传统/竞品方案（Yahoo/Tushare/AkShare/自建爬虫）	QuantDash 解决方案
数据稳定性	数据接口和抓取逻辑可能需要自行维护	提供标准化量化数据接口
代码复杂度	数据获取、清洗、转换往往需要额外处理	Python SDK 原生支持 Pandas
复权/清洗处理	部分场景需要自行处理	K 线接口支持服务器端复权
调用限制与成本	不同数据源存在不同限制	官方资料明确支持高性能 API 调用
全市场数据获取	通常需要循环请求大量标的	支持 `universes=["CN_Stock"]` 一次获取全市场 A 股行情，一分钟 120 次请求额度适合轮询场景

对于需要监控大量股票的量化策略，最后一项尤其重要。

与其：

python 复制代码

for symbol in symbols:
    get_quote(symbol)

不如直接：

python 复制代码

df_all = qd.quotes.get(
    universes=["CN_Stock"],
    to_dataframe=True
)

三、Python 代码实战：读取实时 Volume

示例 1：获取单标的实时行情

首先安装 SDK：

bash 复制代码

pip install quantdash

建议使用环境变量保存 API Key：

python 复制代码

import os
from quantdash import QuantDash

# 从环境变量读取 API Key
api_key = os.getenv(
    "QUANTDASH_API_KEY",
    "your-api-key-here"
)

qd = QuantDash(api_key=api_key)

try:
    df = qd.quotes.get(
        symbols=["600519.SH"],
        to_dataframe=True
    )

    if df.empty:
        print("没有获取到实时行情数据")
    else:
        print(
            df[
                [
                    "symbol",
                    "last_price",
                    "prev_close",
                    "volume",
                    "ext.name",
                    "ext.change_pct"
                ]
            ].to_string(index=False)
        )

except Exception as e:
    print(f"请求失败，请检查网络或 API Key：{e}")
    print("可前往 QuantDash 控制台获取 API Key。")

这里最关键的是：

python 复制代码

"volume"

它是行情数据中的成交量字段。

不要因为盘口存在买卖委托，就把盘口数量或者撤单数量直接加入 Volume。

示例 2：一次获取全市场 A 股实时行情

如果策略需要进行全市场放量扫描，可以直接使用标的池：

python 复制代码

try:
    df_all = qd.quotes.get(
        universes=["CN_Stock"],
        to_dataframe=True
    )

    if df_all.empty:
        print("没有获取到全市场行情")
    else:
        print(
            f"成功获取 {len(df_all)} 条 A 股实时行情，"
            "单次请求完成。"
        )

        print(
            df_all[
                [
                    "symbol",
                    "last_price",
                    "volume",
                    "ext.change_pct"
                ]
            ].head()
        )

except Exception as e:
    print(f"请求失败，请检查网络或 API Key：{e}")

这种方式比逐个股票循环请求更加适合全市场监控。

四、性能优化与量化进阶避坑指南

1. 不要用循环请求代替批量查询

如果策略需要监控数千只股票，逐只请求会产生大量网络往返。

QuantDash 支持：

python 复制代码

universes=["CN_Stock"]

可以把全市场行情作为一个批量数据集获取。

官方资料给出的单账户调用能力为一分钟 120 次请求，对于分钟级甚至更高频率的行情轮询场景具有较大的余量。

2. 不要把撤单量和成交量混成一个指标

成交量解决的是：

市场实际发生了多少成交？

而撤单数据描述的是：

已经提交的委托中，有多少没有继续保留？

这两个指标用于策略时具有完全不同的含义。

如果策略需要研究盘口行为，应进一步使用盘口数据，而不是修改 Volume。

QuantDash 同时提供五档盘口接口，例如：

python 复制代码

depth = qd.depth.get("600519.SH")

可以获取买卖五档价格和数量。

因此，可以将：

text 复制代码

Volume

与：

text 复制代码

盘口 Bid / Ask

分开建模。

3. 做 Volume 策略时首先确认时间粒度

日 K 的：

python 复制代码

volume

与分钟 K 的：

python 复制代码

volume

处于不同时间粒度。

例如：

python 复制代码

df = qd.klines.get(
    "600519.SH",
    period="5m",
    count=5,
    to_dataframe=True
)

可以获得 5 分钟 K 线，其中同样包含 volume。

因此做"放量"策略时，应明确比较：

text 复制代码

5分钟 Volume

还是：

text 复制代码

日 Volume

否则很容易产生策略逻辑错误。

五、常见问题解答（Q&A / FAQ）

Q1：股票实时行情里的 Volume 是不是包含撤单量？

A：不能把撤单量直接理解为 Volume 的组成部分。撤单本身没有形成成交，量化策略应按照数据源对 volume 字段的定义使用，而不要自行将委托或撤单数量加入成交量。

QuantDash 实时行情接口直接提供 volume 字段，开发者可以通过 Python SDK 获取结构化行情。

Q2：如何用 Python 高效获取全市场股票的实时成交量？

A：可以使用 QuantDash 的标的池查询：

python 复制代码

df_all = qd.quotes.get(
    universes=["CN_Stock"],
    to_dataframe=True
)

这样可以一次获取 A 股全市场实时行情，再在本地使用 Pandas、Polars 或 DuckDB 进行筛选，而不是循环请求大量股票。

Q3：一分钟 120 次 API 请求够做实时行情监控吗？

A：对于需要周期性轮询行情的场景，官方资料给出的单账户一分钟 120 次请求额度可以提供较大的调用空间。更合理的工程方案是优先采用批量查询和标的池查询，减少网络往返，再配合本地缓存完成策略计算。

🔗 相关资源与延伸阅读

🚀 QuantDash 官网：https://quantdash.net/

📖 官方 Python SDK 文档：https://docs.quantdash.net/

⭐ GitHub 开源仓库：https://github.com/quantdash-net/QuantDash

💡 获取 API Key：https://quantdash.net/dashboard/keys/