问题背景

QMT（Quantitative Market Trading）是一款功能强大的量化交易平台，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、合规风险管理等功能于一体。其核心优势在于对行情数据的全面支持与灵活调用，是许多量化投资者和策略开发者的首选工具。

QMT行情数据分类详解

QMT的行情数据主要分为三类：本地数据、全推数据、订阅数据，每种类型适用于不同的使用场景。下面将分别介绍它们的特点和使用方式。

1. 本地数据（Local Data）

• 定义：本地数据是用户下载到本地存储的加密行情文件，通常包括历史行情数据。
• 适用场景：适合用于回测、策略验证等需要历史数据的场景。
• Python 接口：
• get_local_data()
• get_market_data_ex(subscribe=False)
• 参数说明：
• 返回值为一个字典，键为时间戳（timetag），值为包含行情数据的字典（valuedict）。
• 当 period='tick' 时，返回分笔数据，valuedict 中包含以下字段：
• 示例：

data = get_local_data('SH.600000', period='tick')

2. 全推数据（Full Push Data）

• 定义：客户端启动后，自动接收并持续更新的全市场最新行情快照。
• 特点：
• 包含日线开高低收、成交量、成交额、五档盘口等信息（需在行情界面选择“五档行情”）。
• 每50毫秒更新一次，支持全市场品种。
• 每个品种的数据更新频率约为3秒一次，平均每秒处理1500个品种，50毫秒处理75个品种。
• Python 接口：
• get_full_tick()：一次性获取当前最新值。
• subscribe_whole_quote()：注册回调函数，实时处理增量
• 参数说明：
• 返回值为一个字典，键为股票代码（stock_code），值为该股票的最新行情数据。
• 数据结构参考 tick 字段。
• 示例：
• def on_tick(data): print(data['SH.600000']) subscribe_whole_quote(on_tick)
  

3. 订阅数据（Subscribed Data）

• 定义：从行情服务器订阅指定品种的行情数据，支持四种周期：分笔、1分钟、5分钟、日线。
• 特点：
• 可以订阅当日数据，历史数据需通过 down_history_data() 下载。
• 有最大订阅数量限制（目前为500个品种+周期组合）。
• Python 接口：
• subscribe_quote()：手动订阅指定品种。
• get_market_data() 或 get_market_data_ex(subscribe=True)：自动订阅并获取数据。
• 参数说明：
• subscribe_quote(stock_list)：返回订阅号，可用于后续反订阅。
• 使用 get_market_data 时，系统会自动订阅传入的品种，但无法手动取消订阅，只能通过停止策略释放订阅名额。
• 示例：
• sub_id = subscribe_quote(['SH.600000', 'SZ.000001']) data = get_market_data(['SH.600000'], period='day')
  

⚠️ 注意事项

• 在使用 QMT 获取行情数据时，必须登录券商 QMT 系统，并确保已配置好相应的行情数据源和权限。
• 不同券商或 QMT 版本可能会有不同的接口实现，建议参考官方文档或联系券商客服获取详细帮助。
• 实际操作中，建议结合本地数据 + 全推数据 + 订阅数据，构建完整的行情数据体系，提升策略的准确性和稳定性。

✅ 总结

QMT 是一款功能强大、适合量化交易的平台，尤其在行情数据支持方面表现突出。掌握本地数据、全推数据和订阅数据的使用方法，是进行策略开发和回测的基础。

如果你正在寻找一款稳定、高效、功能全面的量化交易平台，QMT 是一个非常值得尝试的选择。

如你有具体使用上的问题或想了解其他量化平台（如 掘金量化、聚宽、同花顺QMT、通达信、Wind 等），欢迎继续提问！