量化miniQMT怎么获取资金流向数据？QMT原生python如何获取资金流向数据？

最新推荐文章于 2024-09-09 10:04:09 发布
最新推荐文章于 2024-09-09 10:04:09 发布
阅读量897 收藏 13
点赞数 11
文章标签： windows 大数据 python 算法
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/WdVX_19162777832/article/details/141934237
版权

原生python

原型

原生python

# 逐笔成交统计日级
get_market_data_ex([],stock_list,period="transactioncount1d",start_time = "", end_time = "")
# 逐步成交统计1分钟级
get_market_data_ex([],stock_list,period="transactioncount1m",start_time = "", end_time = "")

参数

参数名称类型描述
field_listlist数据字段列表，传空则为全部字段
stock_listlist合约代码列表
periodstring周期
start_timestring起始时间
end_timestring结束时间
countint数据个数。默认参数，大于等于0时，若指定了 start_time，end_time，此时以 end_time 为基准向前取 count 条；若 start_time，end_time 缺省，默认取本地数据最新的 count 条数据；若 start_time，end_time，count 都缺省时，默认取本地全部数据
dividend_typestring除权方式
fill_databool是否向后填充空缺数据
  • field_list字段可选:

提示

特大单：成交金额大于或等于100万元或成交量大于或等于5000手

大单：成交金额大于或等于20万元或成交量大于或等于1000手

中单：成交金额大于或等于4万元或成交量大于或等于200手

小单：其它为小单

字段名数据类型含义
timeint时间戳
bidNumberint主买单总单数
bidMostVolumeint主买特大单成交量
bidBigVolumeint主买大单成交量
bidMediumVolumeint主买中单成交量
bidSmallVolumeint主买小单成交量
offNumberint主卖单总单数
offMostVolumeint主卖特大单成交量
offBigVolumeint主卖大单成交量
offMediumVolumeint主卖中单成交量
offSmallVolumeint主卖小单成交量
bidMostAmountfloat主买特大单成交额
bidBigAmountfloat主买大单成交额
bidMediumAmountfloat主买中单成交额
bidSmallAmountfloat主买小单成交额
offMostAmountfloat主卖特大单成交额
offBigAmountfloat主卖大单成交额
offMediumAmountfloat主卖中单成交额
offSmallAmountfloat主卖小单成交额
ddxfloat大单动向
ddyfloat涨跌动因
ddzfloat大单差分
zjbyNetInflowint资金博弈 净流入
zjbyMostint资金博弈 超大单
zjbyBigint资金博弈 大单
zjbyMediumint资金博弈 中单
zjbySmallint资金博弈 小单
netOrderint净挂
netWithdrawint净撤
withdrawBidint总撤买
withdrawOffint总撤卖
unactiveBidMostVolumeint被动买特大单成交量
unactiveBidBigVolumeint被动买大单成交量
unactiveBidMediumVolumeint被动买中单成交量
unactiveBidSmallVolumeint被动买小单成交量
unactiveOffMostVolumeint被动卖特大单成交量
unactiveOffBigVolumeint被动卖大单成交量
unactiveOffMediumVolumeint被动卖中单成交量
unactiveOffSmallVolumeint被动卖小单成交量
unactiveBidMostAmountfloat被动买特大单成交额
unactiveBidBigAmountfloat被动买大单成交额
unactiveBidMediumAmountfloat被动买中单成交额
unactiveBidSmallAmountfloat被动买小单成交额
unactiveOffMostAmountfloat被动卖特大单成交额
unactiveOffBigAmountfloat被动卖大单成交额
unactiveOffMediumAmountfloat被动卖中单成交额
unactiveOffSmallAmountfloat被动卖小单成交额

返回

返回一个 {stock_code:pd.DataFrame} 结构的dict对象，默认的列索引为取得的全部字段. 如果给定了 fields 参数, 则列索引与给定的 fields 对应.

示例

from xtquant import xtdata

# 获取历史数据前，请确保已经下载历史数据
xtdata.download_history_data("000001.SZ",period="transactioncount1d")
xtdata.download_history_data("000582.SZ",period="transactioncount1d")

# 获取一只股票在一个时间段内的资金流量数据
data1 = xtdata.get_market_data_ex([],["000001.SZ"],period="transactioncount1d",start_time = "20230101", end_time = "20231009")

# 获取多只股票在一个时间段内的资金流向数据
data2 = xtdata.get_market_data_ex([],["000001.SZ","000582.SZ"],period="transactioncount1d",start_time = "20230101", end_time = "20231009")
# 获取多只股票在某一天的资金流向数据
data3 = xtdata.get_market_data_ex([],["000001.SZ","000582.SZ"],period="transactioncount1d",start_time = "20231009", end_time = "20231009")

data1返回值

{'000001.SZ':                          time  bidNumber  bidMostVolume  bidBigVolume  \
 20230919000000  1695052800000        984          69117         44872   
 20230921000000  1695225600000        895         108902         83679   
 20230925000000  1695571200000       1623         231467         74114   
 20230926000000  1695657600000       2062          67169         55677   
 20230927000000  1695744000000       2009          58878         62465   
 
                 bidMediumVolume  bidSmallVolume  offNumber  offMostVolume  \
 20230919000000            26438            6501       1967          85488   
 20230921000000            35465            3924        983         229549   
 20230925000000            43191           10924       2505         187342   
 20230926000000            51364           17352       2249         116657   
 20230927000000            56459           14777       1309          81739   
 
                 offBigVolume  offMediumVolume  ...  unactiveOffMediumVolume  \
 20230919000000         59203            59738  ...                    26438   
 20230921000000         86736            32368  ...                    35465   
 20230925000000        122762            72830  ...                    43191   
 20230926000000         60107            56529  ...                    51364   
 20230927000000         45153            35564  ...                    56459   
 
                 unactiveOffSmallVolume  unactiveBidMostAmount  \
 20230919000000                    6501             95675555.0   
 20230921000000                    3924            254330642.0   
 20230925000000                   10924            210680989.0   
 20230926000000                   17352            130480050.0   
 20230927000000                   14777             91271341.0   
 
                 unactiveBidBigAmount  unactiveBidMediumAmount  \
 20230919000000            66298552.0               66894672.0   
 20230921000000            96037439.0               35829510.0   
 20230925000000           138055328.0               81832159.0   
 20230926000000            67243196.0               63224375.0   
 20230927000000            50446231.0               39734344.0   
 
                 unactiveBidSmallAmount  unactiveOffMostAmount  \
 20230919000000              15027131.0             77417455.0   
 20230921000000               6162863.0            120659362.0   
 20230925000000              20874412.0            260444433.0   
 20230926000000              22504832.0             75270646.0   
 20230927000000               9942591.0             65804316.0   
 
                 unactiveOffBigAmount  unactiveOffMediumAmount  \
 20230919000000            50235300.0               29606244.0   
 20230921000000            92703643.0               39276977.0   
 20230925000000            83333817.0               48529084.0   
 20230926000000            62328071.0               57432804.0   
 20230927000000            69814571.0               63092343.0   
 
                 unactiveOffSmallAmount  
 20230919000000               7278898.0  
 20230921000000               4345184.0  
 20230925000000              12272276.0  
 20230926000000              19401833.0  
 20230927000000              16510431.0  
 
 [5 rows x 47 columns]}

data2返回值

{'000001.SZ':                          time  bidNumber  bidMostVolume  bidBigVolume  \
 20230919000000  1695052800000        984          69117         44872   
 20230921000000  1695225600000        895         108902         83679   
 20230925000000  1695571200000       1623         231467         74114   
 20230926000000  1695657600000       2062          67169         55677   
 20230927000000  1695744000000       2009          58878         62465   
 
                 bidMediumVolume  bidSmallVolume  offNumber  offMostVolume  \
 20230919000000            26438            6501       1967          85488   
 20230921000000            35465            3924        983         229549   
 20230925000000            43191           10924       2505         187342   
 20230926000000            51364           17352       2249         116657   
 20230927000000            56459           14777       1309          81739   
 
                 offBigVolume  offMediumVolume  ...  unactiveOffMediumVolume  \
 20230919000000         59203            59738  ...                    26438   
 20230921000000         86736            32368  ...                    35465   
 20230925000000        122762            72830  ...                    43191   
 20230926000000         60107            56529  ...                    51364   
 20230927000000         45153            35564  ...                    56459   
 
                 unactiveOffSmallVolume  unactiveBidMostAmount  \
 20230919000000                    6501             95675555.0   
 20230921000000                    3924            254330642.0   
 20230925000000                   10924            210680989.0   
 20230926000000                   17352            130480050.0   
 20230927000000                   14777             91271341.0   
 
                 unactiveBidBigAmount  unactiveBidMediumAmount  \
 20230919000000            66298552.0               66894672.0   
 20230921000000            96037439.0               35829510.0   
 20230925000000           138055328.0               81832159.0   
 20230926000000            67243196.0               63224375.0   
 20230927000000            50446231.0               39734344.0   
 
                 unactiveBidSmallAmount  unactiveOffMostAmount  \
 20230919000000              15027131.0             77417455.0   
 20230921000000               6162863.0            120659362.0   
 20230925000000              20874412.0            260444433.0   
 20230926000000              22504832.0             75270646.0   
 20230927000000               9942591.0             65804316.0   
 
                 unactiveOffBigAmount  unactiveOffMediumAmount  \
 20230919000000            50235300.0               29606244.0   
 20230921000000            92703643.0               39276977.0   
 20230925000000            83333817.0               48529084.0   
 20230926000000            62328071.0               57432804.0   
 20230927000000            69814571.0               63092343.0   
 
                 unactiveOffSmallAmount  
 20230919000000               7278898.0  
 20230921000000               4345184.0  
 20230925000000              12272276.0  
 20230926000000              19401833.0  
 20230927000000              16510431.0  
 
 [5 rows x 47 columns],
 '000582.SZ':                          time  bidNumber  bidMostVolume  bidBigVolume  \
 20231009000000  1696780800000       1235           1822          7834   
 
                 bidMediumVolume  bidSmallVolume  offNumber  offMostVolume  \
 20231009000000            13594           11220       1158              0   
 
                 offBigVolume  offMediumVolume  ...  unactiveOffMediumVolume  \
 20231009000000         13378            19074  ...                    13594   
 
                 unactiveOffSmallVolume  unactiveBidMostAmount  \
 20231009000000                   11220                    0.0   
 
                 unactiveBidBigAmount  unactiveBidMediumAmount  \
 20231009000000            10446929.0               14883956.0   
 
                 unactiveBidSmallAmount  unactiveOffMostAmount  \
 20231009000000               9972652.0              1419544.0   
 
                 unactiveOffBigAmount  unactiveOffMediumAmount  \
 20231009000000             6119272.0               10617787.0   
 
                 unactiveOffSmallAmount  
 20231009000000               8753931.0  
 
 [1 rows x 47 columns]}

 data3返回值

{'000582.SZ':                          time  bidNumber  bidMostVolume  bidBigVolume  \
 20231009000000  1696780800000       1235           1822          7834   
 
                 bidMediumVolume  bidSmallVolume  offNumber  offMostVolume  \
 20231009000000            13594           11220       1158              0   
 
                 offBigVolume  offMediumVolume  ...  unactiveOffMediumVolume  \
 20231009000000         13378            19074  ...                    13594   
 
                 unactiveOffSmallVolume  unactiveBidMostAmount  \
 20231009000000                   11220                    0.0   
 
                 unactiveBidBigAmount  unactiveBidMediumAmount  \
 20231009000000            10446929.0               14883956.0   
 
                 unactiveBidSmallAmount  unactiveOffMostAmount  \
 20231009000000               9972652.0              1419544.0   
 
                 unactiveOffBigAmount  unactiveOffMediumAmount  \
 20231009000000             6119272.0               10617787.0   
 
                 unactiveOffSmallAmount  
 20231009000000               8753931.0  
 
 [1 rows x 47 columns],
 '000001.SZ':                          time  bidNumber  bidMostVolume  bidBigVolume  \
 20231009000000  1696780800000       1720         124493         91717   
 
                 bidMediumVolume  bidSmallVolume  offNumber  offMostVolume  \
 20231009000000            52939           12295       2691         193122   
 
                 offBigVolume  offMediumVolume  ...  unactiveOffMediumVolume  \
 20231009000000        120549            79591  ...                    52939   
 
                 unactiveOffSmallVolume  unactiveBidMostAmount  \
 20231009000000                   12295            214620203.0   
 
                 unactiveBidBigAmount  unactiveBidMediumAmount  \
 20231009000000           133821821.0               88366888.0   
 
                 unactiveBidSmallAmount  unactiveOffMostAmount  \
 20231009000000              23450520.0            138450770.0   
 
                 unactiveOffBigAmount  unactiveOffMediumAmount  \
 20231009000000           101823002.0               58774037.0   
 
                 unactiveOffSmallAmount  
 20231009000000              13652109.0  
 
 [1 rows x 47 columns]}
WdVX_19162777832
关注
量化交易：Miniqmt获取可转债数据和交易python代码
木头大左的博客
06-05 1401
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”。
量化交易：如何在QMT中运行Python策略并在VSCode中高效调试？
木头大左的博客
05-29 1429
哈喽，大家好，我是木头左！
get-market-data
03-10
获取市场数据
qmt量化交易策略小白学习笔记第8期【qmt编程之获取股票资金流向数据--内置Python】
fanglue3705的博客
05-23 1210
获取股票资金流向数据 获取一只或者多只股票在一个时间段内的资金流向数据 提示 1.该数据通过get_market_data和get_market_data_ex接口获取，period参数选择transactioncount1d或者transactioncount1m 2.获取历史数据前需要先用download_history_data下载历史数据 3.VIP 权限数据 #内置python 原型 内置python
QMT的获取行情函数get_market_data与get_market_data_ex区别
路在何方
03-19 3722
而使用get_market_data_ex这个第二版函数的时候，内存占用，其他方面都很正常。既然做了升级，不知道为什么QMT没有把get_market_data这个函数抛弃了，反而还在文档中，让使用者傻傻分不清楚，只有掉坑里折腾半天才爬上来。当使用get_market_data函数时，可以看到内存占用直线飙升。
qmt量化交易策略小白学习笔记第4期【qmt如何获取获取行情数据--内置python使用方法】
fanglue3705的博客
05-22 885
获取历史行情与实时行情 提示 在gmd系列函数中，历史行情需要从本地读取，所以若想取历史行情，需要先将历史行情下载到本地，而实时行情是从服务器返回的 所以，若需要历史行情，请先使用界面端或者download_history函数进行下载；若需要最新行情，请向服务器进行订阅 特别的，对于xtdata.get_market_data_ex来说，由于没有subscribe参数，需要在参数外先进行订阅(subscribe_quote)才能获取最新行情 对于同时获取历史和实时行情的情况，gmd系列函数会自动进行
QMT中get_market_data_ex获取行情函数中的fields参数说明
路在何方
04-05 2371
fields：list，字段列表，对不同周期的数据取值范围不同。默认为空list，代表所有字段。
量化入门：qmt获取可转债基本信息和行情数据
木头大左的博客
06-11 917
迅投的券商版和基础版都不支持可转债行情，投研专业版才支持，一年大概5000元。注意这里的cookie，如果未登录只能获取到30条，目前正常应该是有500多支可转债。如果没开通投研专业版，也没关系，可以从集思录下载。需要安装akshare，并登录。今天将展示如何使用Python和QMT来获取可转债的实时数据和财务数据。虽然券商版本没开放可转债信息查询接口，但是行情数据仍然是开放的。f12后可以看到自己的cookie。
量化交易：miniQMT的可转债与正股折价套利策略python代码
木头大左的博客
06-13 842
折价套利是一种利用市场价格差异来获取利润的策略。当可转债的市场价格低于其转换价值时，就存在套利机会。折价套利的关键在于识别可转债的市场价格与其转换价值之间的差异。如果市场价格低于转换价值，我们可以买入可转债并转换为股票，从而实现套利。
量化交易入门：如何在QMT中配置Python环境，安装第三方依赖包
木头大左的博客
05-29 332
通过本文的学习，相信你已经掌握了如何在QMT中配置Python环境，安装第三方依赖包的方法。希望本文能够帮助你在量化交易的道路上更进一步，实现自己的交易目标。
qmt量化交易策略小白学习笔记第61期【qmt编程之期权行情数据--get_market_data_ex函数】
fanglue3705的博客
09-09 869
获取期权行情数据 获取期权最新数据，首先需要进行数据订阅。完成合约订阅后，用get_market_data_ex函数即可提取相关信息。这个过程包含两大步骤： 第一，通过订阅操作确保能接收到你感兴趣的期权合约的更新； 第二，调用get_market_data_ex函数来实际获取并处理这些订阅到的数据,如果需要用到历史数据或过期合约数据，需要使用download_history_data进行下载。
【大麦小米学量化】如何优雅地调教QMT量化平台编写量化策略（使用notepad++、pycharm、vscode等外部IDE编写量化交易代码）
IT里的交易员-博客
08-31 1万+
很多人开通了迅投QMT量化平台，可是进入编辑器界面，写python代码，那种感觉如同回到了原始时代，连调试代码最常用到行、块注释这么简单的操作都能把人整疯。想让迅投QMT即可修改编辑器，一时半会儿不现实。那么有没有一种方法？可以使用外部的编辑器编写，在迅投QMT里运行就行了，不也鱼与熊掌可兼得了吗？经过笔者孜孜探索，还真找到了一个方法，其实也很简单。就是坑有几个，不过我都填上了。提示：以下是本篇文章正文内容，其中代码为QMT默认自动生成，这里拿来仅作演示，不可用于实盘。............
qmt量化交易策略小白学习笔记第13期【qmt编程之获取交易日历--内置Python】
fanglue3705的博客
05-30 322
​ 获取交易日历 获取历史和未来日历数据 #内置python 调用方法 内置python get_trading_calendar(market,start_time='',end_time='') 参数 参数名称 类型 描述 market str 市场，如 'SH' start_time str 起始时间，如 '20170101' end_time str 结束时间，如 '20180101'​
qmt量化交易策略小白学习笔记第14期【qmt编程之获取交易日历--原生Python】
fanglue3705的博客
05-30 488
​ 获取交易日历 获取历史和未来日历数据 #原生python 调用方法 原生python # 下载交易日历数据 xtdata.download_holiday_data() # 返回获取的交易日历 result = xtdata.get_trading_calendar(market, start_time , end_time ) 参数 参数名称 类型 描述 market str 市场，如 'SH' start_time str 起始时间，如 '20170101' end_time str
【从零开始玩量化17】如何python+QMT完成自动化交易？（全网最详细入门教程）
热门推荐
量化投资助手的博客
04-23 2万+
本文介绍了QMT的基本概念和使用方法，并用miniQMT模式进行了实战，感觉相当好用，程序化交易不再是瓶颈了。后面会持续使用分享用法。
【迅投qmt系列】2、历史数据获取
domodo2012的博客
04-24 1517
介绍迅投qmt获取历史行情数据的方法
qmt教程2----订阅单股行情，提供源代码
qq_50882340的博客
04-23 563
今天外卖学习怎么样订阅单独行情，订阅模式有数据变化qmt会自动推送过来，登录qmt就可以，现在模拟盘登录不了，我用我实盘给大家展示。我本来打算全部上次git的，但是考虑到毕竟是实盘的内容，就放弃了。利用小果框架调用原生的qmt源代码获取获取数据的代码，很简答。今天我重新封装了全部qmt的内容，包括数据，交易。利用qmt原来的源代码调用方式，没有做任何改变。小果框架调用qmt原始的代码的效果，一模一样的。利用我的封装的类调用的数据，类强大。源代码​​​​​​​。源代码​​​​​​​。
.NET+Python量化【1】——环境部署和个人资金账户信息查询
WeskyNet
06-19 496
前言：量化资料很少，.NET更少。那我就来开个先河吧~以下是使用QMT进行量化开发的环境部署和基础信息获取有关操作。1、首先自己申请券商的QMT权限，此步骤省略。2、登陆QMT，选择极简模式，或者独立交易模式之类的。会进入到miniQMT里面。3、安装python环境，环境版本随意。我本地是3.10版本。此步骤省略。4、创建一个.net项目，用来测试使用。我此处使用的.net 8环境进行测试。5...
qmt迅投量化软件获取某只股票5日振幅代码
最新发布
10-04
在qmt迅投量化软件中，获取某只股票5日振幅通常涉及到数据处理和计算，下面是一个简单的示例代码片段，假设我们已经有了该股票的历史价格数据： ```python import pandas as pd from qmt import QuantitativeTrading # 假设df是包含股票价格数据的数据框，日期是索引，'Close'列是收盘价 def calculate_5_day_amplitude(df): # 计算每日最高价和最低价 high_low = df[['High', 'Low']].rolling(window=5).max() - df[['High', 'Low']].rolling(window=5).min() # 振幅通常是(最高价-最低价)/最低价，但这里为了简化我们只取绝对值 amplitude = high_low.abs() return amplitude['Close'] # 使用该函数并传入特定股票的数据 stock_code = "SH600000" # 例如上证指数代码 stock_data = get_stock_data(stock_code) # 获取股票数据 stock_5_day_amplitude = calculate_5_day_amplitude(stock_data) print(f"{stock_code}最近5天的振幅: {stock_5_day_amplitude}") ``` 在这个例子中，你需要`get_stock_data()`函数来实际获取股票数据。注意这只是一个简化的代码框架，实际操作中可能需要连接到数据源、处理缺失值等。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值