迅投 QMT

我目前在使用

两个月前（2024年4月）迅投和CQF有一个互动的活动，进行了平台的一个网上路演，刚好我也去听了，感觉还是挺不错的。后来与“客服麻瓜”进行了对QMT的深入了解和使用，最后决定买了他们的服务。注册就可以进行试用，但是是有期限的。如果只是单方面的研究的话，还是建议用稍微便宜些的平台，我主要是需要期权的实时数据进行分析和交易。

如何读取下载好的数据出来

1. 首先要将python的对接链跑起来。
2. 建议获取一下交易日历，如果觉得不需要也无妨，
3. 订阅下载你要的代码。
4. 通过内部函数命令读取你下载好的数据

上代码

def get_data_daily(ticker_: str) -> pd.DataFrame:
	hist_data_1d_dict = xtdata.get_market_data_ex(
		field_list=[],
		stock_list=[ticker_],
		period='1d',
		start_time=year,
		end_time="",
		count=-1,
		dividend_type='front',
		fill_data=False,
	)

	hist_data_1d_ = [value for key, value in hist_data_1d_dict.items()][-1]

    data_.index = pd.to_datetime(hist_data_1d_.index.astype(str), format='%Y%m%d', errors='coerce')

	return data_

1. 可能很多人会问我[value for key, value in hist_data_1d_.items()][-1]是个什么鬼代码。我们获取过来的hist_data_1d_dict 返回的是字典形式的数据，key是我们获取数据的代码，譬如说510300.SH; value才是是封装好的Dataframe。我们通过.item()函数将字典拆分来获取。
2. 养成一个好习惯，每次获取完Dataframe后一定要确定你的index设为什么值；或者如果有index的话，我们如何拿到一个我们更喜欢的格式。我通过pandas的to_datetime内部函数，把index从数字串封装成标准的字符串形式，标准的时间戳，以便后面的并表或画图的操作。我们来看看修改前后的效果。
3. 另外普及一下：undl是underlying的缩写，underlying asset 通指标的资产，在期权交易当中我们经常会看到相关词汇。
   
   下一贴我还没有想好些什么呢，大概率会是如何来获取期权的数据和一些获取的技巧逻辑的内容。

历史帖子

量化投资分析平台 迅投 QMT（一）激活python迅投对接端口
量化投资分析平台 迅投 QMT（二）服务器端订阅下载数据