本方案由EasyQuant AI量化助手提供。如有更多问题直接用EasyQuant AI量化助手帮您快速解决量化交易编程难题。问题背景QMT 中的历史行情通常需要先下载到 MiniQMT 本地再通过xtdata接口读取。很多用户直接调用数据读取函数后发现返回为空常见原因就是本地尚未下载对应股票、周期或日期范围的数据。实现思路完整流程分为四步导入xtquant.xtdata调用download_history_data()下载指定标的和周期调用get_market_data_ex()读取本地历史 K 线对 DataFrame 数据进行均线计算和信号判断。QMT 的基础行情周期包括tick、1m、5m、1d等合成周期通常依赖基础周期数据。例如需要历史 15 分钟线时应先确保 5 分钟基础数据可用。(迅投行情函数说明)完整代码示例from xtquant import xtdata import pandas as pd # 股票代码平安银行 STOCK_CODE 000001.SZ # 读取日线数据 PERIOD 1d # 历史区间 START_TIME 20240101 END_TIME 20241231 def download_kline_data(): 下载历史K线至MiniQMT本地缓存。 首次运行或本地数据不足时执行。 xtdata.download_history_data( stock_codeSTOCK_CODE, periodPERIOD, start_timeSTART_TIME, end_timeEND_TIME ) print(历史数据下载请求已提交, STOCK_CODE, PERIOD) def get_kline_data(): 从本地缓存读取历史K线。 返回结果通常是{股票代码: DataFrame}。 market_data xtdata.get_market_data_ex( field_list[ time, open, high, low, close, volume, amount ], stock_list[STOCK_CODE], periodPERIOD, start_timeSTART_TIME, end_timeEND_TIME, count-1, dividend_typefront, fill_dataFalse ) if STOCK_CODE not in market_data: print(未读取到数据请检查代码、周期和本地下载状态) return None kline_df market_data[STOCK_CODE] if kline_df is None or kline_df.empty: print(K线数据为空) return None return kline_df def calculate_ma_signal(kline_df): 计算5日、20日均线并识别最近一次金叉或死叉。 df kline_df.copy() # 确保close列为数值类型 df[close] pd.to_numeric(df[close]) # 计算均线 df[ma5] df[close].rolling(window5).mean() df[ma20] df[close].rolling(window20).mean() # 删除均线尚未形成的行 df df.dropna().reset_index(dropTrue) if len(df) 2: print(有效数据不足无法判断均线交叉) return df last_row df.iloc[-1] prev_row df.iloc[-2] buy_signal ( last_row[ma5] last_row[ma20] and prev_row[ma5] prev_row[ma20] ) sell_signal ( last_row[ma5] last_row[ma20] and prev_row[ma5] prev_row[ma20] ) print(最新收盘价, round(last_row[close], 2)) print(MA5, round(last_row[ma5], 2)) print(MA20, round(last_row[ma20], 2)) if buy_signal: print(信号结果MA5 上穿 MA20出现均线金叉) elif sell_signal: print(信号结果MA5 下穿 MA20出现均线死叉) else: print(信号结果当前无新的均线交叉) return df if __name__ __main__: # 第一步下载历史数据 download_kline_data() # 第二步读取本地历史数据 kline_data get_kline_data() # 第三步计算指标与交易信号 if kline_data is not None: result_df calculate_ma_signal(kline_data) # 查看最近10根K线及均线结果 print(result_df.tail(10))注意事项QMT 股票代码格式为代码.市场例如000001.SZ、600000.SH。download_history_data()负责补充本地数据读取前应确认 MiniQMT 已连接且行情权限正常。count-1表示读取满足条件的全部本地数据数据量较大时应限制时间范围。前复权、后复权或不复权会影响价格序列策略回测和实盘计算应保持一致。下载历史数据与订阅实时数据是两套流程历史部分通常先下载实时部分可通过订阅接口获取。(迅投 XtData 文档)总结QMT 获取历史 K 线的关键是“先下载、再读取”。掌握download_history_data()和get_market_data_ex()后就可以继续扩展到多股票数据、分钟线指标计算、回测数据准备和实时策略开发。本方案由EasyQuant AI量化助手提供。
【迅投 QMT】QMT如何下载并读取历史K线数据？完整教程
本方案由EasyQuant AI量化助手提供。如有更多问题直接用EasyQuant AI量化助手帮您快速解决量化交易编程难题。问题背景QMT 中的历史行情通常需要先下载到 MiniQMT 本地再通过xtdata接口读取。很多用户直接调用数据读取函数后发现返回为空常见原因就是本地尚未下载对应股票、周期或日期范围的数据。实现思路完整流程分为四步导入xtquant.xtdata调用download_history_data()下载指定标的和周期调用get_market_data_ex()读取本地历史 K 线对 DataFrame 数据进行均线计算和信号判断。QMT 的基础行情周期包括tick、1m、5m、1d等合成周期通常依赖基础周期数据。例如需要历史 15 分钟线时应先确保 5 分钟基础数据可用。(迅投行情函数说明)完整代码示例from xtquant import xtdata import pandas as pd # 股票代码平安银行 STOCK_CODE 000001.SZ # 读取日线数据 PERIOD 1d # 历史区间 START_TIME 20240101 END_TIME 20241231 def download_kline_data(): 下载历史K线至MiniQMT本地缓存。 首次运行或本地数据不足时执行。 xtdata.download_history_data( stock_codeSTOCK_CODE, periodPERIOD, start_timeSTART_TIME, end_timeEND_TIME ) print(历史数据下载请求已提交, STOCK_CODE, PERIOD) def get_kline_data(): 从本地缓存读取历史K线。 返回结果通常是{股票代码: DataFrame}。 market_data xtdata.get_market_data_ex( field_list[ time, open, high, low, close, volume, amount ], stock_list[STOCK_CODE], periodPERIOD, start_timeSTART_TIME, end_timeEND_TIME, count-1, dividend_typefront, fill_dataFalse ) if STOCK_CODE not in market_data: print(未读取到数据请检查代码、周期和本地下载状态) return None kline_df market_data[STOCK_CODE] if kline_df is None or kline_df.empty: print(K线数据为空) return None return kline_df def calculate_ma_signal(kline_df): 计算5日、20日均线并识别最近一次金叉或死叉。 df kline_df.copy() # 确保close列为数值类型 df[close] pd.to_numeric(df[close]) # 计算均线 df[ma5] df[close].rolling(window5).mean() df[ma20] df[close].rolling(window20).mean() # 删除均线尚未形成的行 df df.dropna().reset_index(dropTrue) if len(df) 2: print(有效数据不足无法判断均线交叉) return df last_row df.iloc[-1] prev_row df.iloc[-2] buy_signal ( last_row[ma5] last_row[ma20] and prev_row[ma5] prev_row[ma20] ) sell_signal ( last_row[ma5] last_row[ma20] and prev_row[ma5] prev_row[ma20] ) print(最新收盘价, round(last_row[close], 2)) print(MA5, round(last_row[ma5], 2)) print(MA20, round(last_row[ma20], 2)) if buy_signal: print(信号结果MA5 上穿 MA20出现均线金叉) elif sell_signal: print(信号结果MA5 下穿 MA20出现均线死叉) else: print(信号结果当前无新的均线交叉) return df if __name__ __main__: # 第一步下载历史数据 download_kline_data() # 第二步读取本地历史数据 kline_data get_kline_data() # 第三步计算指标与交易信号 if kline_data is not None: result_df calculate_ma_signal(kline_data) # 查看最近10根K线及均线结果 print(result_df.tail(10))注意事项QMT 股票代码格式为代码.市场例如000001.SZ、600000.SH。download_history_data()负责补充本地数据读取前应确认 MiniQMT 已连接且行情权限正常。count-1表示读取满足条件的全部本地数据数据量较大时应限制时间范围。前复权、后复权或不复权会影响价格序列策略回测和实盘计算应保持一致。下载历史数据与订阅实时数据是两套流程历史部分通常先下载实时部分可通过订阅接口获取。(迅投 XtData 文档)总结QMT 获取历史 K 线的关键是“先下载、再读取”。掌握download_history_data()和get_market_data_ex()后就可以继续扩展到多股票数据、分钟线指标计算、回测数据准备和实时策略开发。本方案由EasyQuant AI量化助手提供。
