量化投资分析平台迅投 QMT（二）

量化投资分析平台迅投 QMT

[迅投 QMT](https://www.xuntou.net/?user_code=7NYs7O)
- 我目前在使用
- 如何获取数据
- 上代码
- - - 历史帖子

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。

如何获取数据

首先要将python的对接链跑起来。
建议获取一下交易日历，如果觉得不需要也无妨，
订阅下载你要的代码。

上代码

# 导入库
from xtquant import xtdatacenter as xtdc
from xtquant import xtdata
import pandas as pd
import numpy as np
from datetime import datetime as dt
from datetime import timedelta
from dateutil.relativedelta import relativedelta
import time
import os
from functools import cache

# 自行安排，这些是我设计需要的一些日期戳
today = str(dt.now().strftime('%Y%m%d'))
quarter = dt.now() - timedelta(days=92)
quarter = str(quarter.strftime('%Y%m%d'))
year = dt.now() - timedelta(days=360 * 1.4)
year = str(year.strftime('%Y%m%d'))

@cache   # 缓存，提高运算速度
def trading_calendar():xtdata.connect(port=ml.ports['QMT'])current_year = str(dt.now().year - 10)start_time = current_year + '0101'end_time = todaytrading_calendar_ = xtdata.get_trading_calendar('SH', start_time, end_time)return trading_calendar_"》》》返回的是一个列表list，里面包含日期，一般取[-1]就是最后一个交易日，如果不是非交易日，用当天日期也行。"

def subscriptors(ticker_, port_):xtdata.connect(port=port_)   # 建议启动和代码分开跑，然后调用直接接收端口就行了，非常方便。last_trading_day = trading_calendar()[-1]   # 获取最后一个交易日。periods = ['1m', '5m', '1d']   # 迅投服务端基本上就这个三个频率的数据，我们都要。for p_ in periods:# 订阅主要是用于日内数据xtdata.subscribe_quote(ticker_, period=p_, start_time=quarter, count=-1)# 历史数据属于当天之前的数据xtdata.download_history_data(ticker_, p_)print(f"{dt.now().strftime('%H:%M:%S')}订阅{ticker_}的{p_}数据已成功")time.sleep(1)"》》》 当你同时订阅和下载的话，迅投系统会自动帮你拼接数据到一起，非常方便."if p_ == '1d':xtdata.subscribe_quote(ticker_, period=p_, start_time=last_trading_day, count=-1)print(f"{dt.now().strftime('%H:%M:%S')}订阅{ticker_}的{p_}日内数据已成功")time.sleep(1)xtdata.subscribe_quote(ticker_, period=p_, start_time=year, count=-1)xtdata.download_history_data(ticker_, p_)print(f"{dt.now().strftime('%H:%M:%S')}订阅{ticker_}的{p_}历史数据已成功")time.sleep(1)"》》》 我是习惯性把日数据下载独立出来，因为我需要的下载的周期更长，与分钟数据有区别。"