发帖
雷达卡
文章声明：本文内容仅为个人在业余时间的研究成果，与任何单位或机构无关。文中提及的股票代码仅用于技术测试和示例展示，不构成任何形式的投资建议。投资市场存在风险，相关数据来源于网络采集与整理，仅供学习参考。本人致力于维护数据的时效性与准确性，但建议使用者通过自身代码逻辑进行验证。本项目由个人独立维护，更新需要一定周期，请理解。
在进行量化交易分析过程中，发现当前许多开源金融数据接口存在使用限制。例如，akshare设置了反爬机制，实际应用中基本无法稳定获取数据；tushare则需付费订阅才能解锁核心功能。相比之下，目前QMT平台的表现较为可用。因此，我决定搭建一套自有的本地化数据库系统，以支持长期的量化策略研究。
经过一段时间的数据积累和结构优化，目前已完成多个关键数据模块的入库工作，整体数据体系已初步上线运行。从实际测试来看，现有数据覆盖范围和更新频率能够满足常规量化研究需求。所有数据均由本人独立采集、清洗并维护，确保流程可控。
项目支持通过标准Python工具链快速部署，用户可直接使用pip命令完成安装，操作简便。同时提供网页端访问入口，便于数据浏览与调试验证。
以下是具体的安装代码示例：
py?-m pip install http://124.220.32.224:8888/xms_quant_trader_data-0.1-py3-none-any.whl执行安装后正常显示的结果如下：
数据获取方面，系统支持多种主流资产类别的历史信息提取。例如，可通过接口调用获取问财平台的相关数据：
from xms_quant_trader_data.xms_quant_trader_data import xms_quant_trader_data
api=xms_quant_trader_data(
? ? url='http://14.103.193.242',
? ? port='8080',
? ? password='test')
df=api.get_wencai_data(query='今天涨停')
df=api.data_to_pandas(df)
print(df)以下是一个典型的应用案例——获取A股市场股票行情数据：
from xms_quant_trader_data.xms_quant_trader_data import xms_quant_trader_data
api=xms_quant_trader_data(
? ? url='http://14.103.193.242',
? ? port='8080',
? ? password='test')
df=api.stock_zh_a_daily(stock='sz000001',start_date='20200101',end_date='20500101')
print(df)此外，也支持可转换债券的历史交易数据提取，适用于转债策略开发：
from xms_quant_trader_data.xms_quant_trader_data import xms_quant_trader_data
api=xms_quant_trader_data(
? ? url='http://14.103.193.242',
? ? port='8080',
? ? password='test')
df=api.bond_zh_hs_daily(stock='sz123241',start_date='20200101',end_date='20500101')
print(df)对于ETF基金产品的数据分析需求，系统同样提供了完整的接口支持：
from xms_quant_trader_data.xms_quant_trader_data import xms_quant_trader_data
api=xms_quant_trader_data(
? ? url='http://14.103.193.242',
? ? port='8080',
? ? password='test')
df=api.get_market_data_ex(stock_code='513100.SH',start_time='20240101',end_time='20500101')
df=api.data_to_pandas(df)
df['time']=df['time'].apply(lambda x:api.conv_time(x))
print(df)全部源代码已公开上传，用户既可以选择下载源码进行定制化修改，也可直接通过pip安装使用，方便集成到各类量化研究环境中。
京公网安备 11010802022788号
