Python 如何将实时行情与自选股列表准确匹配？

原创于 2026-11-03 06:55:36 发布 · 307 阅读

4 ·

本内容遵循CC 4.0 BY-SA版权协议

GEO检测

收录于

python量化

股票数据

量化交易

话题

#IT疑难杂症诊疗室

本文介绍如何使用QuantDash Python SDK获取指定证券的实时行情，并通过统一证券代码（如600519.SH）与自选股列表进行左连接匹配，避免因代码格式不一致、返回顺序错位或缺失数据导致的错误。核心步骤包括SDK初始化、行情批量拉取、Pandas基于symbol字段的关联、缺失检查及匹配率统计，强调代码规范化、时效性验证和行情有效性独立校验。

一句话回答

将实时行情与自选股列表匹配，核心是使用统一的证券代码作为关联键，先规范化自选股代码，再通过 QuantDash Python SDK 获取对应标的的实时行情，最后使用 Pandas 进行关联、缺失检查和结果整理。实际开发中，不能只关注价格是否获取成功，还要验证代码是否匹配、数据是否完整，以及行情是否满足业务所需的时效性。

为什么会有这个问题 / 传统做法有什么问题？

在量化选股系统中，自选股列表通常由策略筛选结果、人工维护的股票池或者配置文件生成，而实时行情来自独立的数据接口。

两类数据的结构不一定相同。

例如，假设某个策略维护以下自选股列表：

watchlist = [
    "600519.SH",
    "000001.SZ",
    "601318.SH",
]

策略希望获取这些股票的最新行情，并在自选股列表中展示。

看起来只需要调用行情接口，再根据股票代码找到对应价格即可。但实际开发时，通常会遇到三个问题。

第一，股票代码格式可能不同。

自选股文件中可能保存的是 600519，行情接口使用的是 600519.SH。

如果直接使用字符串匹配，即使代表同一只股票，也可能无法关联成功。

第二，实时行情返回顺序不一定与请求顺序一致。

假设请求顺序是：

600519.SH
000001.SZ
601318.SH

不能假定接口一定按照这个顺序返回。

如果使用列表位置直接匹配，就可能把一只股票的价格错误地分配给另一只股票。

第三，部分股票可能没有返回有效行情。

例如，某个标的在当前请求中没有有效数据。

如果程序直接过滤掉缺失记录，最终自选股列表的数量就可能发生变化，影响后续监控和展示。

因此，比较稳妥的处理方式是：

统一证券代码。
获取指定标的的实时行情。
使用证券代码关联数据。
保留没有匹配成功的自选股。
对匹配结果进行质量检查。

为了避免每个策略单独维护行情接入代码，可以使用 QuantDash Python SDK 获取实时行情，再通过 Pandas 完成业务层的数据匹配。

分步骤解决：使用 QuantDash 进行实践

第 1 步：安装 SDK 并初始化客户端

首先安装 QuantDash Python SDK。

在终端执行：

# 在终端执行以下命令
# pip install quantdash

实际安装命令为 pip install quantdash。

接下来初始化客户端。

import os
import pandas as pd

from quantdash import QuantDash

api_key = os.getenv("QUANTDASH_API_KEY")

if not api_key:
    raise RuntimeError(
        "请先设置 QUANTDASH_API_KEY 环境变量"
    )

qd = QuantDash(api_key=api_key)

这里通过环境变量读取 API Key，而不是直接写在代码中。

这样可以避免将凭证提交到代码仓库，也方便在本地开发和服务器部署之间切换。

第 2 步：获取自选股对应的实时行情

假设自选股列表来自策略配置。

watchlist = [
    "600519.SH",
    "000001.SZ",
    "601318.SH",
]

watchlist = list(dict.fromkeys(watchlist))

try:
    quotes = qd.quotes.get(
        symbols=watchlist,
        to_dataframe=True,
    )
except Exception as exc:
    raise RuntimeError(
        "获取自选股实时行情失败"
    ) from exc

if quotes is None or quotes.empty:
    raise ValueError(
        "实时行情接口返回空数据"
    )

print("行情字段：", quotes.columns.tolist())
print("行情记录数：", len(quotes))

这里使用 qd.quotes.get() 获取指定标的的行情。

两个关键参数分别是：

symbols：指定需要获取行情的证券代码列表。
to_dataframe：请求将结果转换为 Pandas DataFrame，便于后续处理。

这里没有直接请求整个市场的行情，因为当前业务只需要自选股列表中的标的。

需要注意，DataFrame 的具体列名、价格字段和时间字段应以实际接口返回结果为准。

第 3 步：使用证券代码匹配自选股

匹配之前，首先需要确认实时行情中的证券代码字段。

下面的代码使用 symbol 作为示例字段名。如果实际返回使用其他名称，应根据真实结构修改映射。

watchlist_df = pd.DataFrame({
    "symbol": watchlist,
})

# 根据实际返回结构确认字段名称
symbol_column = "symbol"

if symbol_column not in quotes.columns:
    raise KeyError(
        f"行情缺少证券代码字段：{symbol_column}"
    )

quotes_clean = quotes.copy()

quotes_clean[symbol_column] = (
    quotes_clean[symbol_column]
    .astype("string")
    .str.strip()
    .str.upper()
)

if quotes_clean[symbol_column].isna().any():
    raise ValueError("行情存在空证券代码")

if quotes_clean[symbol_column].duplicated().any():
    raise ValueError(
        "行情存在重复证券代码，需要先确认数据粒度"
    )

matched = watchlist_df.merge(
    quotes_clean,
    left_on="symbol",
    right_on=symbol_column,
    how="left",
    indicator=True,
    validate="one_to_one",
    suffixes=("", "_quote"),
)

matched["matched"] = (
    matched["_merge"] == "both"
)

print(
    matched[["symbol", "matched"]]
)

这里有两个重要设计。

首先，使用 how=“left” 进行左连接。

这样可以保留全部自选股，即使某只股票没有对应的实时行情，也不会直接从结果中消失。

其次，使用 validate=“one_to_one” 检查关联关系。

如果行情数据中存在重复证券代码，应该先明确这些记录是否属于不同时间或不同市场，而不是直接选取第一条。

另外，代码中的 matched 只表示关联键匹配成功，并不代表价格有效或者行情足够新。

第 4 步：增加缺失行情检查与匹配率统计

完成关联后，可以进一步检查哪些股票没有获取到行情。

missing_symbols = matched.loc[
    ~matched["matched"],
    "symbol",
].tolist()

total_count = len(watchlist_df)

matched_count = int(
    matched["matched"].sum()
)

match_rate = (
    matched_count / total_count
    if total_count > 0
    else 0.0
)

print("自选股数量：", total_count)
print("成功匹配数量：", matched_count)
print("匹配率：", f"{match_rate:.2%}")
print("未匹配股票：", missing_symbols)