如何获取美股实时行情：Python 量化交易指南

在量化交易领域，美股实时行情数据是构建高效交易策略的核心要素。通过实时 Tick、实时报价、美股历史 K 线、美股历史数据等信息，交易者可以实现精准的市场分析和决策。本文将介绍如何利用股票数据 API、股票数据接口、金融 API、金融行情数据 API 以及股指期货 API 等工具，在 Python 环境中获取这些数据，帮助初学者快速上手量化交易实践。

为什么需要美股实时行情数据？

量化交易依赖于高质量的数据源，尤其是美股市场的高流动性要求实时性和准确性。实时 Tick 数据提供逐笔成交细节，实时报价包括开盘、最高、最低、收盘价等 OHLC 信息，而历史 K 线则用于回测策略。通过可靠的 API 接口，我们可以轻松集成这些数据，避免手动采集的低效。

本文将以 iTick API 为例进行演示。该 API 覆盖美股（US 地区）、港股（HK）、A 股（SZ/SH）等市场，支持 RESTful 和 WebSocket 两种方式。注意：使用前需在官网注册获取 API Token。

获取实时 Tick 数据

实时 Tick 数据包括最新价、成交数量和时间戳，适合高频交易监控。iTick 提供 GET 接口：/stock/tick?region={region}&code={code}。

Python 代码示例

import requests

# API endpoint

url = "https://api.itick.org/stock/tick?region=US&code=AAPL" # 以苹果股票为例

headers = {

 "accept": "application/json",

 "token": "your_api_token" # 替换为你的实际Token

}

response = requests.get(url, headers=headers)

if response.status_code == 200:

    data = response.json()

 print("实时Tick数据：", data)

else:

 print("请求失败：", response.status_code)

响应示例：

{

 "code": 0,

 "msg": null,

 "data": {

 "s": "AAPL",

 "ld": 225.215,

 "t": 1754554087000,

 "v": 1134500

  }

}

这里，ld是最新价，v是成交量，t是时间戳。通过轮询此接口，你可以实现简单的实时监控。

使用 WebSocket 获取实时报价和盘口

对于毫秒级推送，WebSocket 是首选。iTick 的 WebSocket 支持订阅 quote（报价）、depth（盘口）和 tick（成交）类型。连接后发送订阅指令，即可接收流式数据。

Python 代码示例

使用websocket库实现：

import websocket

import json

import threading

import time

# WebSocket URL和Token

WS_URL = "wss://api.itick.org/stock"

API_TOKEN = "your_api_token" # 替换为你的实际Token

def  on_message(ws, message):

    data = json.loads(message)

 if data.get("code") == 1  and data.get("msg") == "Connected Successfully":

 print("连接成功")

 elif data.get("resAc") == "auth"  and data.get("code") == 1:

 print("认证成功")

        subscribe(ws)  # 订阅数据

 elif data.get("data"):

        market_data = data["data"]

        data_type = market_data.get("type")

        symbol = market_data.get("s")

 print(f"{data_type.upper()} 数据 for {symbol}:", market_data)

def  on_error(ws, error):

 print("错误:", error)

def  on_close(ws, close_status_code, close_msg):

 print("连接关闭")

def  on_open(ws):

 print("WebSocket连接打开")

def  subscribe(ws):

    subscribe_msg = {

 "ac": "subscribe",

 "params": "AAPL$US,TSLA$US",  # 支持多个股票，格式：code$region

 "types": "depth,quote,tick"  # 订阅类型

    }

    ws.send(json.dumps(subscribe_msg))

 print("订阅消息已发送")

def  send_ping(ws):

 while  True:

        time.sleep(30)  # 每30秒心跳

        ping_msg = {

 "ac": "ping",

 "params": str(int(time.time() * 1000))

        }

        ws.send(json.dumps(ping_msg))

 print("Ping 已发送")

if  __name__ == "__main__":

    ws = websocket.WebSocketApp(

        WS_URL,

 header={"token": API_TOKEN},

 on_open=on_open,

 on_message=on_message,

 on_error=on_error,

 on_close=on_close

    )

 # 启动心跳线程

    ping_thread = threading.Thread(target=send_ping, args=(ws,))

ping_thread.daemon = True

    ping_thread.start()

    ws.run_forever()

此代码连接 WebSocket，认证后订阅 AAPL 和 TSLA 的美股数据。响应包括报价（OHLC、成交量）、盘口（买卖五档）和成交细节。适合构建实时交易系统。

获取美股历史 K 线数据

历史 K 线用于策略回测，支持分钟线到月线。接口：/stock/kline?region={region}&code={code}&kType={kType}&limit={limit}&et={et}。

• kType：1（1 分钟）、2（5 分钟）、…、10（月 K）

Python 代码示例

import requests

# API endpoint

url = "https://api.itick.org/stock/kline?region=US&code=AAPL&kType=1&limit=10" # 最近10条1分钟K线

headers = {

 "accept": "application/json",

 "token": "your_api_token" # 替换为你的实际Token

}

response = requests.get(url, headers=headers)

if response.status_code == 200:

    data = response.json()

 print("历史K线数据：", data)

else:

 print("请求失败：", response.status_code)

响应示例：

{

 "code": 0,

 "msg": null,

 "data": [

    {

 "tu": 56119888070.5,

 "c": 225.215,

 "t": 1741239000000,

 "v": 104799385,

 "h": 226.92,

 "l": 224.44,

 "o": 226.27

    }

  ]

}

通过调整kType和limit，你可以获取不同周期的历史数据，用于趋势分析或机器学习模型训练。

结语

本文详细介绍了如何使用 Python 获取美股实时行情数据，包括实时 Tick 数据、WebSocket 实时报价和盘口数据，以及历史 K 线数据。这些数据是构建量化交易策略的重要基础。通过实际代码示例，我们展示了如何用简单的方式接入这些金融数据 API，并对获取的数据进行初步处理。

在实际应用中，你可以将这些数据整合进更复杂的量化交易系统，结合技术指标计算、策略回测框架以及风险管理模块，构建完整的自动化交易解决方案。同时需要注意 API 调用的频率限制、数据安全性及合规性等问题。

希望这篇指南能帮助你快速入门美股量化交易的数据获取环节。随着实践经验的积累，你可以进一步探索高级功能，如多市场数据同步、高频交易优化和大数据量下的性能调优等课题。

提示：本文基于公开文档整理，仅供学习参考，非投资建议

参考文档：docs.itick.org/websocket/stocks

GitHub：https://github.com/itick-org/

本作品采用《CC 协议》，转载必须注明作者和本文链接