导言

如何实现能完全双手离开键盘的自动化量化交易平台(Automated Quantitative Trading Platforms, AQTP)：

实惠的一手数据获取；
平台无关的交易策略编写
全自动化流程（支持回测和实盘）

数据获取¶

开发量化金融系统（如A股交易）的第一步确实是获取高质量、稳定、合法的一手数据。以下是获取A股市场数据的几种主流方法，从免费到付费、从简单到专业，供你选择：

✅ 一、免费数据源（适合学习/小规模回测）¶

1. Tushare（推荐入门）¶

官网：https://tushare.pro
特点：
免费注册，基础数据免费（需积分，可通过分享或邀请获取）
支持Python接口，数据包括日K线、分钟线、财务数据、指数、龙虎榜等
社区活跃，文档齐全

示例代码：

import tushare as ts
ts.set_token('你的token')
pro = ts.pro_api()
df = pro.daily(ts_code='000001.SZ', start_date='20230101', end_date='20231231')
print(df)

⚠️ 注意：免费版有调用频率限制，不适合高频或生产环境。

2. AKShare（纯免费，无Token）¶

GitHub：https://github.com/akfamily/akshare
特点：
完全免费，无Token限制
数据来源为公开网页（如新浪财经、东方财富），稳定性依赖网页结构
支持A股、期货、基金、宏观等

示例：

import akshare as ak
stock_zh_a_hist_df = ak.stock_zh_a_hist(symbol="000001", period="daily", start_date="20230101", end_date="20231231")
print(stock_zh_a_hist_df)

⚠️ 缺点：可能因网站改版导致接口失效，不适合生产环境。

3. Baostock（免费专业级）¶

官网：http://baostock.com
特点：
无积分、无限制、完全免费
提供A股、指数、财务、分钟线等
数据质量较好，适合回测

示例：

import baostock as bs
bs.login()
rs = bs.query_history_k_data_plus("sh.600000",
    "date,code,open,high,low,close,volume",
    start_date='2023-01-01', end_date='2023-12-31', frequency="d")
data_list = []
while (rs.error_code == '0') & rs.next():
    data_list.append(rs.get_row_data())
bs.logout()

✅ 二、付费专业数据源（适合实盘/生产系统）¶

1. 聚宽（JoinQuant） / 米筐（RiceQuant） / 掘金（MyQuant）¶

特点：
集成开发环境 + 数据 + 回测 + 实盘（部分支持）
数据质量高、稳定、有历史tick数据
适合不想自己搭数据管道的用户
缺点：
实盘需付费或满足条件
数据不能导出到外部系统（受平台限制）

适合策略研究 → 回测 → 实盘一体化开发。

2. 万得（Wind） / 同花顺iFinD / 东方财富Choice¶

特点：
机构级数据，最全最准
支持API（Python/Matlab等）
提供Level2行情、资金流、研报、宏观等
缺点：
昂贵（Wind年费约2~5万起）
个人用户申请较难（通常需企业资质）

适合专业机构或资金充足的个人开发者。

3. 券商L2行情接口（如华泰、中信、国泰君安等）¶

部分券商提供Level2行情API（需开户+申请）
数据包括：逐笔委托、逐笔成交、买卖十档等
通常需签署协议 + 编写C++/Python接口
适合高频或盘口策略开发者

例如：华泰的htsc、中信的citics、聚源的jqdata等。

✅ 三、自建数据管道（高阶玩家）¶

1. 爬虫抓取（不推荐用于生产）¶

来源：新浪财经、东方财富、雪球等
风险：
反爬机制（IP封禁、验证码）
数据不完整、延迟、格式不稳定
法律风险（违反网站Robots协议或服务条款）

仅适合学习，不推荐用于实盘系统。

2. 订阅交易所原始数据（最高级）¶

上交所/深交所提供原始行情数据（需申请+付费）
需要FIX/二进制协议解析能力
适合专业量化团队或私募

1. 上交所/深交所 Level-1 行情（标准行情）¶

内容：每3秒快照（五档买卖盘+最新价、成交量等）
年费（机构）：约 2万~5万元/交易所
个人：通常无法直接申请，可通过券商免费行情接口获取（延迟15分钟或实时但受限）

✅ 举例：你开户的券商APP里看到的“实时行情”，就是券商统一采购后免费提供给客户的Level-1。

2. 上交所/深交所 Level-2 行情（深度行情）¶

这是量化交易者最关注的数据，包含：

买卖十档盘口
逐笔成交（Tick数据）
委托队列（部分）
大单统计、资金流向等衍生数据

💰 费用（机构标准）：

项目	上交所 Level-2	深交所 Level-2	合计（双所）
基础行情年费	¥80,000 ~ ¥120,000	¥60,000 ~ ¥100,000	¥14万~22万
行情接入开发费（可选）	¥1万~5万	¥1万~5万	—
数据商服务费（如万得/同花顺）	+¥3万~10万/年	+¥3万~10万/年	+¥6万~20万

✅ 总计：机构用户约 20万~40万/年（双交易所Level-2全量数据）

3. 原始订单簿/逐笔委托（L2增强版 or L3）¶

内容：每一笔挂单、撤单、成交的完整流水（交易所原始二进制流）
用途：超高频策略、订单流分析、冰山单识别等
费用：50万~100万+/年，仅对顶级私募或券商自营部门开放
接入难度：需专用设备+协议解析（UDP组播+FAST协议）

✅ 四、数据存储建议¶

获取数据后，建议存储到本地数据库，便于回测和分析：

SQLite：轻量，适合个人
MySQL / PostgreSQL：结构化存储，支持并发
InfluxDB / TimescaleDB：时序数据库，适合行情数据
HDF5 / Parquet：适合批量回测读取

示例（存入SQLite）：

import sqlite3
conn = sqlite3.connect('stock_data.db')
df.to_sql('daily_k', conn, if_exists='replace', index=False)

✅ 推荐路线（根据你的阶段）¶

阶段	推荐方案
学习/入门	Tushare免费版 + AKShare + Baostock
回测/研究	Tushare Pro / 聚宽 / 米筐
实盘/生产	券商L2接口 + Wind/Choice（如预算充足）
高频/专业	交易所原始数据 + 自建行情系统

🚀 下一步建议¶

注册 Tushare 或 AKShare，跑通第一个数据获取脚本
存储到本地数据库
用 pandas 做简单分析（如均线、收益率）
接入回测框架（如 backtrader, vnpy, zipline）
逐步过渡到实盘（通过券商API或量化平台）

✅ 个人/小团队替代方案（低成本获取L2数据）¶

方式	费用	数据质量	适合人群
券商L2行情API（如华泰、国泰君安）	¥0~3000/年（部分免费）	实时L2，但限本账户使用	个人实盘交易者
Tushare Pro（L2数据）	¥2000~5000/年（按积分包）	日频/分钟级L2（非实时）	回测/研究
聚宽/掘金/米筐（平台内使用）	¥5000~20000/年（会员）	实时L2 + 回测环境	量化策略开发者
Wind金融终端（机构版）	¥2万~5万/年（起）	最全L1/L2 + 宏观/研报	专业投研团队
同花顺iFinD / Choice	¥1万~3万/年	类似Wind，性价比高	中小型机构

🎯 推荐个人用户路径： 1. 先用 Tushare Pro 或 AKShare 做策略原型 2. 进阶用 聚宽/掘金平台 获取实时L2回测 3. 实盘前开通 支持L2 API的券商账户（如华泰、中信）

💡 举个实际例子：¶

某私募基金（注册资本1000万）： - 向“通联数据”采购双交易所Level-2行情：¥18万/年 - 向“万得”采购宏观+财务数据：¥8万/年 - 自建行情接收服务器+开发团队：¥20万+ - 总成本第一年约50万+

某个人量化开发者： - Tushare Pro年费：¥2000 - 掘金量化平台会员：¥6000 - 券商账户（免费L2）：¥0 - 总成本：¥8000以内

⚖️ 法律与合规提醒¶

严禁将交易所原始数据转售、分发、用于非授权用途
使用数据商API时，需遵守其《用户协议》（如禁止缓存超过30天、禁止多人共享）
实盘交易必须通过持牌券商接口（如CTP、OST、券商专用API）

✅ 总结：你要花多少钱？¶

你的身份	推荐方案	年成本估算
学生/爱好者	AKShare + Tushare免费	¥0
个人开发者（回测）	Tushare Pro + 掘金	¥2000~8000
个人实盘交易者	券商L2 + 聚宽/米筐	¥0~10000
小型私募/团队	Wind/Choice + 券商API	¥3万~10万
专业高频团队	交易所原始L2 + 自建系统	¥30万~100万+

📌 建议：
除非你做超高频或订单流策略，否则Level-2分钟级或日频数据已足够覆盖90%的量化策略（如多因子、动量、反转、机器学习选股等）。不必一开始就追求原始行情。