量化交易数据源对比

Logan投资

于 2025-03-11 20:44:31 发布

阅读量973

点赞数 11

分类专栏：二级文章标签： python 数据分析量化投资

本文链接：https://blog.csdn.net/Edenfranx/article/details/146188583

版权

二级专栏收录该内容

3 篇文章

订阅专栏

文章来源公众号： Logan投资

往期文章：

DeepSeek论文集（9篇）获取及本地部署尝试

中国期货市场的动量

分解微秒级高频订单流因子(附代码)

科学的机器学习回测方法

高频因子(2)--集成订单流不平衡(有代码)

在量化交易中，数据如同“燃料”，策略的精准度、收益的稳定性都依赖于高质量的数据支持。然而，市面上的数据源五花八门，免费与付费如何权衡？新手如何避坑？本文从数据质量、成本、适用场景三大维度，为你深度剖析主流数据源优劣！

一、免费数据源：低成本入门首选

AKshare

文档：https://akshare.akfamily.xyz

优点：开源免费，覆盖股票、基金、期货等多品种数据；

缺点：数据偶有缺失，需自行清洗。而且我用实时数据的接口获取最新1分钟数据时，会存在大约500毫秒的延迟。所以用于高频就不是很适合了。当然，但凡有钱搞高频的谁会在乎那点钱买个好点数据源来减少延迟。

import akshare as ak
ak.index_zh_a_hist_min_em(symbol='000300',period='1')

Tushare

文档：https://www.tushare.pro/document/2

优点：基础功能是免费的，对于个人投资者和小型团队来说，这无疑降低了数据获取的门槛。虽然高级功能需要付费，但相比其他商业数据平台，Tushare的性价比依然很高。

缺点：部分数据的更新存在一定的延迟。而且从我使用过的经验来看，部分数据的细节还是存在缺陷。

如下图，IF2501在25年1月17日的持仓量数据跟rqdata的是对不是上的，不过原因是tushare处理数据的规则问题，它默认了合约最后一天的持仓量为0。我看了其他合约，如IF2401的最后一天24年1月19日的数据，持仓量也是0。虽然但是，这一点点的偏差也足够影响了。

Baostock

文档：http://baostock.com

优点：免费无需注册，支持历史行情下载。

缺点：实时行情更新较慢，不适合高频交易，数据覆盖面有限，没有美股，港股等数据。

有且仅有日频、周频及以上的股票数据，没有期货的。数据宽度较小。

实例代码如下所示，数据整合的过程比较复杂，实际使用需要自己再封装为一个函数。

import baostock as bs
import pandas as pd
bs.login()
rs = bs.query_history_k_data_plus("sh.000300","date, code, open, high, low,close,preclose,volume,amount,adjustflag,turn,tradestatus,pctChg, isST",start_date="2025-01-01",end_date="2025-03-07",frequency="d",adjustflag="3") # 默认不复权:3;1:后复权;2:前复权。
data_list =[]
while(rs.error_code =='0')& rs.next():
    # 获取一条记录，将记录合并在一起
    data_list.append(rs.get_row_data())
result=pd.DataFrame(data_list, columns=rs.fields)
bg.logout()

Efinance

文档：https://efinance.readthedocs.io

优点：开源免费，覆盖A股，美股等多品种数据，提供分钟级支持；

缺点：其他数据接口较少，而且文档不够详细，一些参数的设置要读代码的时候才能知道，最好还是去github看看https://github.com/Micro-sheep/efinance。而且1分钟数据仅支持当天，5分钟近2个月。港股好像没有（我也没去仔细看了）

import efinance as ef
stock_code = '510300'
ef.stock.get_quote_history(stock_code, klt=101).sort_values('日期')

MiniQMT

（这个得找券商开通才行，目前最好开通的是国金的，门槛10w吧，最近才把门槛提高的，开通不用付钱，开通后获取数据也不用，很友好的了）

文档地址：

https://dict.thinktrader.net/nativeApi/xtdata.html?id=AFsgJ2

我自己就是用这个，实盘交易用，获取历史数据也可以。

接口文档全，界面简洁，学习曲线相对平缓。即使是刚入门的量化新手，也能在短时间内掌握其基本操作。只是文档看着会比较累，尤其是获取账户信息的模块，输出的内容格式得再跳到另一个页面来看，文档不会提供输出的数据样式。习惯了会无所谓，就是辛苦一点而已。

tick级历史数据提供近1个月的

1分钟、5分钟级历史数据提供近1年的

日频数据提供近20年的

miniqmt的问题

和rqdata米筐数据来对比，在每天的早盘上会有差别

miniqmt会存在9：30的数据，这个是开盘竞价的总体数据，而rqdata是没有的。

rqdata会将开盘竞价的数据都放在9：31这每天第一根k线里。

所以miniqmt的9：31分k线的close，open，volume等与rqdata相比都不一样。对于我自己来说，习惯了rqdata的数据结构了，所以这个细节得处理一下

下图是Miniqmt的

下图是rqdata 中证500指数在2025年3月7日的1分钟数据

可以从上面两张图的红框处看到这些细节，miniqmt的前两分钟的k线数据合并后就是rqdata的第一根9：31分这根k线的数据。

二、付费数据源：专业玩家的“弹药库”

1. 沧海数据

文档：https://www.tsanghi.com/fin/doc

优点：免费版注册方便，全球数据覆盖，支持多种编程语言；有股票、指数，有外汇、有币的1分钟及更低频的数据。

缺点：免费版只有一年历史数据。没有期货的数据。而且请求数据是通过GET形式，即如下图所示

要用request去搞，所以如果真要用的话，还得自己重新封装一遍。

价格也还可以，最全功能的价格为6000块钱一年，相比于其他付费的确实可以的。

2. Alltick

文档：https://apis.alltick.co/

产品列表：

https://docs.google.com/spreadsheets/d/1avkeR1heZSj6gXIkDeBt8X3nv4EzJetw4yFuKjSDYtA/edit?gid=1702052913#gid=1702052913

优点：覆盖全球多数市场，支持多种编程语言，数据可靠性高；A港美币外汇商品都有

缺点：定价较贵，且使用usdt泰达币进行支付。

参数配置部分

获取数据部分

3. 理杏仁

文档：https://www.lixinger.com/open/api

优点：API可获取A股以及港股的数据；也有宏观数据

缺点：数据相对较少，且没有日内数据。

4. Polygon

文档：https://polygon.io/docs

这个接口我买来用过,得弄张VISA或者万事达来支付，而且接口也得自己封装一下。

优点：多接口支持，丰富的美股数据，以及美国期权指数等数据；数据质量挺高的。

缺点：没有A股数据，不适合专注A股的投资者。文档很全，但不算很好读，而且要科学上网。

最全功能的要160刀每个月

5. Eodhd

文档：https://eodhd.com/financial-apis/

优点：数据可靠，数据丰富，拥有大多数国家地区的股市数据。

缺点：主要面对海外用户，缺乏中文文档的支持。

6. Alphavantage

文档：https://www.alphavantage.co/documentation/

优点：美股数据丰富，数据实时更新；

缺点：其他国家地区的数据较少。

7. 麦蕊智数

文档：https://www.mairui.club

优点：A股数据较全，定价便宜；

缺点：数据覆盖范围有限，缺乏对美股等国际市场的支持。

8. 必盈

文档：https://ad.biyingapi.com/apidoc.html

优点：A股数据较全，定价便宜；

缺点：数据覆盖范围有限，缺乏对美股等国际市场的支持。

9. 聚合数据

文档：https://www.juhe.cn/docs/api/id/21

优点：覆盖A股，美股，港股三个市场，接口稳定性高；

缺点：数据较少，只提供实时数据。

10. Tpdog

文档：https://www.tpdog.com/p/index/1

优点：A股数据全面；

缺点：缺乏对其他市场的支持。

总结：

价格方面的统计可以在公众号后台回复 20250310 获取文件

（统计可能存在误差，大家看看就好）