别再手动一页页翻了:用 QMT 一次性拉取全部可转债历史数据

QMT可转债双低策略 源码 前段时间很多朋友给我私信,让我出一个QMT可转债双低轮动策略的文章, 今天我就给大家简单的介绍如何用QMT实现可转债双低策略。 首先来给大家介绍什么是双低可转债, 简单来说,“双低”指的是价格低,并且溢价率也低的可转债。可转债的价格越低, 说明他的债性越好,正股下跌时会更加抗跌,转股溢价率低, 说明可转债的股性越强,正股上涨时才能跟着涨。 市面上比较主流的双低值,是用以下公式来计算的: 双低 = 可转债价格 + 转股溢价率 * 100 介绍完双低可转债,接下来介绍可转债双低轮动策 阅读详情

本地的qmt不能使用,可以使用的数据源越来越少,需要研究策略,做可转债策略回测需要历史的行情数据做分析,我们可以利用qmt的行情函数,把历史数据下载到本地比如保存卫csv,xlsx,json都可以,做研究分析使用,大QMT下载本地保存数据是加密的.data格式文件不方便读取,自己保存就可以,前面介绍了下载,股票,基金的教程

第一步,补充历史数据,如果订阅读取在下载速度会很慢,可以一次性下载保存在本地,在读取本地的数据保存到excel就可以,这样快,点击界面的数据管理,下载历史数据

图片

选择自己需要数据长度补充就可以,也可以自定义标的下载

图片

点击下载就可以

图片

第二部,看一下板块名称,保护全部可转债成分股的板块,点击行情

里面有一个沪深转债板块包含了全部的可转债成分股

图片

第三步,编写代码下载全部可转债行情数据

先读取版本的成分股,设置保存文件的路径

图片

读取全部板块的成分股,输入板块的名称就可以

图片

读取历史行情数据,读取本地的不订阅行情

图片

把策略挂模型交易就可以下载历史数据保存在本地

图片

下载的结果

图片

下载数据随便看看,要求补充完整好数据

图片

图片

不懂的问我就可以

简单的代码参考

​​​​​​​

#coding:gbk
'''
全市场可转债数据下载器
功能:读取全部沪深可转债板块成分股,循环下载每只股票的历史日线数据,
保存为xlsx文件
'''
import pandas as pd
import os
import datetime
def init(c):
    c.account = '55001947'
    download_all_a_stock_data(c)
def download_all_a_stock_data(c):
    """
    下载全部A股历史日线数据
    参数 c: ContextInfo 对象(QMT回调传入)
    """
    # ========== 设置 ==========
    save_path = r'C:\Users\lxg123456\Desktop\data'
    
    # 创建文件夹
    if not os.path.exists(save_path):
        os.makedirs(save_path)
        print(f"已创建文件夹: {save_path}")
    
    # ========== 1. 获取全部A股股票池 ==========
    current_time = int(datetime.datetime.now().timestamp() * 1000)
    print("正在获取全部可转债板块成分股...")
    
    stock_list = c.get_stock_list_in_sector('沪深转债')
    
    # 如果"全部A股"拿不到,尝试"沪深A股"
    if not stock_list or len(stock_list) == 0:
        print("'全部可转债'板块未找到,尝试'沪深转债'...")
        stock_list = c.get_stock_list_in_sector('沪深转债')
    
    # 过滤:只保留正常A股(6位数字.市场标识)
    stock_list = [s for s in stock_list if s.count('.') == 1 and s.split('.')[0].isdigit()]
    
    print(f"共获取到 {len(stock_list)} 只可转债\n")
    
    # ========== 2. 循环下载每只可转债 ==========
    success = 0
    fail = 0
    
    for i, stock in enumerate(stock_list, 1):
        file_path = os.path.join(save_path, f"{stock}.xlsx")
        print(f"[{i}/{len(stock_list)}] 下载 {stock} ...", end="")
        
        try:
            # 获取历史日线数据
            data = c.get_market_data_ex(
                [],                 # 获取全部字段
                [stock],            # 股票代码
                period='1d',        # 日线
                start_time='19900101',  # 从1990年开始
                end_time='20500101',    # 到足够远的时间
                count=-1,           # 全部数据
                dividend_type='front',  # 前复权
                fill_data=True,
                subscribe=False
            )
            
            if stock in data and data[stock] is not None:
                df = data[stock]
                if not df.empty:
                    df.to_excel(file_path)
                    success += 1
                    print(f" 完成 ({len(df)}条)")
                else:
                    fail += 1
                    print(" 数据为空")
            else:
                fail += 1
                print(" 无数据")
                
        except Exception as e:
            fail += 1
            print(f" 失败 - {e}")
    
    # ========== 3. 打印结果 ==========
    print(f"\n{'='*50}")
    print(f"下载完成!")
    print(f"总计: {len(stock_list)} 只股票")
    print(f"成功: {success} 只")
    print(f"失败: {fail} 只")
    print(f"数据保存在: {save_path}")
    print(f"{'='*50}")
def handlebar(c):
    pass

2024年QMT智能量化交易全解读:一文带你深入了解什么是QMT 随着科技的飞速发展和金融市场的日益成熟,量化交易逐渐成为投资者关注的焦点。QMT(Quantitative Market Trading)智能量化交易系统,作为量化交易领域的重要工具,以其高效、精准、自动化的特点,受到越来越多投资者的青睐。本文将全面介绍QMT智能量化交易系统,帮助读者深入了解其原理、应用及优势。 阅读详情

相关推荐

股票程序化交易-QMT入门系列(6)-QMT行情接口介绍

随着前面篇文档从 QMT的安装、运行机制、编写策略以及关键的核心接口进行了初步的介绍,本章将介绍行情相关 的接口,通过本章的学习就可以掌握如何在QMT中获取行情数据。以上就是今天要讲的内容,本文仅仅针对常用的几个行情接口数据进行了介绍,更多的接口介绍请参考官方文档资料,下一章我们将介绍交易相关的接口。

秋天的落雨的博客 2479

量化研究--QMT下载全部的股票历史数据

最近小伙伴问我,本地的qmt使用不方便,需要历史行情数据做研究,问我怎么样找数据源,目前市场的数据源很大,但是有的收费,可以利用qmt的数据,把历史行情数据保存到本地,比如csv,xlsx。第一步下载全市场的股票数据需要读取市场板块的成分股,qmt界面的左边板块都可以读取。第三步,下载历史数据函数,因为订阅太慢,所以我没有订阅,直接读取本地保存的数据导出。用来计算技术指标,因子等分析,数据导出到本地可以多线程计算比如qmt平台快。随便打开一个数据看看,重点是要补充下载好数据,如果是订阅的方式下载不需要。

xg_factor的博客 201

QMT量化交易回顾

2、QMT提供的行情数据中,基础周期包含 tick 1m 5m 1d,这些是实际用于存储的周期 其他周期为合成周期,以基础周期合成得到合成周期。如果同时用到基础周期和合成周期,只需要下载基础周期,例如同时使用5m和15m,因为15m也是由5m合成,所以只需要下载一次5m的数据即可。(2)运行模式指策略根据实时行情信号进行运算,以主图行情开始时间到当前时间为运行区间,进行策略的模拟运行,但不进行真实的委托。(1)、可以参考市盈率,上市天数,归母净利润,成交额,开盘价,收盘价等等。

jiucaixiuyang的博客 1453

QMT入门—初识QMT

QMT是Quick Model Trade的缩写,全称是讯投QMT极速策略交易软件,是睿智融科开发的一款针对证券、期货公司等专业金融机构的私募基金管理人、VIP客户、个人高净值客户等活跃交易用户量身定制的集行情显示、投资研究、策略编写、自动交易、极速交易、智能算法交易、组合篮子交易、合规风险管理等一体的专业策略交易平台。QMT基本覆盖分类评级为A类的证券公司,支持股票、两融、期权、期货交易

richardzhutalk的博客 3448

别再手动下载了!用Python+国信QMT自动拉取股票历史Tick数据(附完整代码与避坑点)

本文详细介绍了如何利用Python和国信QMT的`get_market_data_ex`接口自动获取股票历史Tick数据,包括环境配置、核心API使用、数据清洗与校验等关键步骤,并提供完整代码与避坑指南,帮助量化交易者高效获取高质量数据。

weixin_42549496的博客 570

【迅投qmt系列】2、历史数据获取:从下载到调用的完整工作流解析

本文详细解析了迅投QMT平台历史数据获取的完整工作流,从数据下载到调用的核心逻辑与实战技巧。重点介绍了xtquant模块的download_history_data函数使用、批量下载优化策略以及数据缓存管理方法,帮助用户高效获取和处理金融市场历史数据,提升量化交易策略开发效率。

weixin_33691700的博客 485

QMT获取股票历史tick数据

我尝试了一下qmt去获取历史的tick数据,用了国金的miniqmt和大qmt发现tick数据是拉不下来的,或者说是打不开的,哪怕是下载好了,也是打不开的。这个时候我们就要用到国信的QMT。这个就是将这一天的股票拉下来,并且得到最近的这个tick的成交额。这里只是为了演示一个demo,我就只下载了一个股票的历史数据。在拉取历史数据的时候,首先需要将这个历史数据下载到本地上。

2301_77247806的博客 1927

QMT量化交易行情数据接口全解析:从历史数据获取到实时订阅实战

在量化交易与金融数据分析领域,高效、稳定地获取行情数据是策略研发与系统构建的基石。其核心原理在于通过API接口连接数据源,实现历史数据的批量查询与实时数据的流式推送,技术价值体现在为策略回测、风险监控和实时交易决策提供数据支撑。典型应用场景包括股票、期货等金融产品的自动化交易系统、市场监控预警以及量化研究平台。针对迅投量化(QMT)平台,其内置的xtdata模块提供了本地化的历史与实时行情接口,有效避免了网络API的延迟问题。本文聚焦于QMT的行情函数体系,通过Python示例代码,详细解析了get_mar

weixin_32285357的博客 375

QMT量化交易软件怎么使用——附超详细教程(从下载安装到实盘)

QMT(QuantTradingTerminal)是券商提供的本地化量化交易平台,支持Python策略开发。使用前需通过券商开通权限并安装软件。平台内置Python解释器,核心只需编写init()初始化函数和handle_bar()K线处理函数即可实现策略。安装时需注意不要修改Python库默认路径,且需补充完整历史数据。策略开发支持三种创建方式,必须声明编码格式并只能使用白名单内的第三方库。策略运行分为编译和测试两个阶段,建议先用模拟盘测试。QMT支持股票、ETF等多品种回测与实盘,所有计算在本地完成。

2502_92859122的博客 9099

量化交易入门:从手动交易到QMT自动化策略实战指南

量化交易是一种将投资决策流程化、自动化的方法论,其核心原理是通过预设规则替代人工判断,实现交易执行的一致性和高效性。这一技术能有效减少情绪干扰,提升投资纪律性,在股票、期货等金融市场的趋势跟踪、套利等场景中广泛应用。QMT作为国内主流的量化交易平台,集成了行情获取、策略回测和实盘交易功能,大幅降低了量化入门门槛。以均线交叉策略为例,投资者可通过Python编写简单的条件判断逻辑,利用QMT内置的回测引擎验证策略有效性,再通过模拟交易过渡到实盘部署。平台提供的风控模块和实时监控功能,帮助用户系统性管理仓位风险

weixin_32377497的博客 414

QMT xtquant数据接口实战:5分钟搞定Python本地行情数据订阅与历史数据下载

本文详细介绍了如何使用QMT的xtquant数据接口在Python中快速实现本地行情数据订阅与历史数据下载。通过极简客户端配置、实时数据订阅、历史数据批量下载及实战技巧,帮助量化研究者高效构建本地数据管道,特别适合A股市场的独立研究者。

weixin_33709590的博客 442

QMT vs Ptrade 速度对比 (一) 历史行情获取速度

众所周知(狗头),QMT是在你本地电脑运行的,包括行情获取,计算指标,选股选债,下单都在你的本地电脑执行。行情数据通过网络去券商服务器或者迅投(QMT)服务器获取,拿到数据在你的本地电脑处理,比如计算涨速,量比,然后再使用下单接口把下单指令通过网络提交到券商柜台,券商柜台接到QMT的委托指令后,再提交给交易所。

4743

量化入门:qmt获取可转债基本信息和行情数据

迅投的券商版和基础版都不支持可转债行情,投研专业版才支持,一年大概5000元。注意这里的cookie,如果未登录只能获取到30条,目前正常应该是有500多支可转债。如果没开通投研专业版,也没关系,可以从集思录下载。需要安装akshare,并登录。今天将展示如何使用Python和QMT来获取可转债的实时数据和财务数据。虽然券商版本没开放可转债信息查询接口,但是行情数据仍然是开放的。f12后可以看到自己的cookie。

木头大左的博客 3858

量化交易系统QMT与PTrade的区别、优势、量化交易策略,

前面我们说过对于量化初学者而言,不建议自己搭建量化框架/平台,应该以实现量化策略为主,所以就给大家推荐了一些量化平台,比如:聚宽、优矿、掘金、QMT、PTrade等等,但只是寥寥几句,并未做太多的介绍。那么今天我们便来说说其中两款比较优秀的量化交易平台:QMT与PTrade。

木头大左的博客 4679

[QMT量化交易小白入门]-七、可转债双低策略Python代码详解与实战

本专栏主要是介绍QMT的基础用法,常见函数,写策略的方法,也会分享一些量化交易的思路,大概会写100篇左右。QMT的相关资料较少,在使用过程中不断的摸索,遇到了一些问题,记录下来和大家一起沟通,共同进步,自己淋过雨了,希望大家都有一把伞。

木头大左的博客 3919

RK3588 MIPI屏幕调试避坑指南:双通道8Lane下DSC压缩屏的花屏、分层问题排查实录

本文详细解析了RK3588平台在双通道8Lane MIPI接口下调试DSC压缩屏时遇到的花屏、分层问题。通过硬件信号完整性检查、软件配置验证及帧数据分析,提供了一套系统化的排查方法,并深入探讨了初始化序列优化和双通道同步机制,帮助工程师高效解决高分辨率屏幕显示异常问题。

weixin_27015733的博客 282

QMT和PTrade在交易品种支持上有何不同?

QMT支持股票、两融、期货等多种交易品种,市场覆盖全面;PTrade主要支持股票、ETF等常见品种,二者各有特点,满足不同投资者需求。

股票量化交易自动交易程序化交易接口 1872

Unity AssetBundle 之 (入门)简单的资源打包成AB包的方法

Unity AssetBundle 之 (入门)简单的资源打包成AB包的方法 目录 Unity AssetBundle 之 (入门)简单的资源打包成AB包的方法 一、简单介绍 二、实现原理 三、注意事项 四、效果预览 五、实现步骤 六、关键代码 一、简单介绍 Unity中的一些基础知识点。 本节介绍,Asset Bundle 在 Unity中的使用,入门第一篇,如何AssetBundle标记,如何打包成AssetBundle的操作方法,有不对的地方欢迎指正。...

仙魁XAN 1万+

基于同花顺和QMT开发股票量化策略

量化交易已成为个人和机构投资者的重要工具。本文将详细介绍如何利用同花顺和迅投QMT平台开发完整的股票量化策略,从数据获取到策略实现,再到实盘部署的全过程。1.

NI_LINUX的博客 5605

为Codex添加任务完成提示音:提升开发效率的实用技巧

在自动化脚本开发和模型训练过程中,实时获取任务状态反馈是提升工作效率的关键。通过Hook机制,开发者可以在代码执行的关键节点注入自定义逻辑,实现各种自动化操作。Codex的Hook系统特别适合用于任务完成提醒,其post_execution节点能准确捕获执行结束事件。技术实现上,只需简单配置TOML文件并编写音频播放脚本,就能让系统在任务完成时自动播放提示音。这种声音反馈机制尤其适用于长时间运行的批量任务和模型训练场景,实测可提升30%以上的工作效率。结合动态音效选择和跨平台兼容方案,该技巧还能扩展为桌面通

weixin_26767391的博客 551

Xilinx平台Aurora IP介绍(汇总篇)

Aurora IP核使用超简单的,COME ON!

数字IC/FPGA杂货铺,找一找,或许有你想要的~ 2万+

【QMT】QMT 多因子数据 get_factor_data API 使用指南

探索 QMT 平台丰富的多因子数据库。本教程将指导您如何使用函数获取股票的估值、成长性、盈利能力等多种因子数据,用于构建复杂的多因子选股模型。在 QMT 平台中,获取股票的历史市盈率(PE)和市净率(PB)数据,最直接且推荐的方法是使用。该接口可以直接获取经过计算的因子值,无需用户手动通过财务报表和收盘价进行计算。

easyquant_qmt的博客 1561

LVGL misc timer 定时器(lv_timer.c)

定时器机制是LVGL中非常重要的一项功能,它承载了LVGL的延时任务执行,周期任务执行,时序任务执行等,可以说理解定时器的设计就一定程度上理解发LVGL的任务调度机制。

Bigan(安)的博客 4733
上一篇: 1000个策略--5日动量因子策略真的有效吗
下一篇: 动量研究-1斜率动量策略为什么涨得稳比涨得快更重要?
小果因子实验室
博客等级 码龄1年 4粉丝 38原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值