核心前置说明：QMT 与 PTrade 数据底层区别
QMT（本地终端）
本地客户端直连券商行情专线，支持主动拉取、事件订阅、K 线实时联动三种模式，可缓存 Tick 历史数据，适合本地高频、回测 + 实盘一体化策略；MiniQMT 轻量版与专业版接口通用，仅订阅标的上限不同。
PTrade（云端量化）
策略托管券商云端，无需本地开机，无本地缓存，仅支持快照拉取 + 云端订阅双逻辑，免费开放 L2 逐笔数据，适合网格、波段、自动条件单等中低频策略。
通用优势：全部券商官方合规数据源，无限流、无数据篡改风险，股票 / ETF / 可转债 / 期权全品种覆盖。
三种实时数据获取方式详解（QMT/PTrade 双平台适配）
方式一：主动快照拉取（get_full_tick /get_current_data）
核心逻辑
主动调用接口，即时读取客户端 / 云端缓存最新一盘完整快照数据，属于一问一答模式，无持续后台推送，需要循环调用刷新行情。
适配终端与函数
QMT 本地（Mini / 专业版）：xtdata.get_full_tick()，获取全盘 Tick 快照，含五档盘口、逐笔现价、成交量、涨跌幅
PTrade 云端：get_current_data()，云端实时快照，免费自带 L2 逐笔委托数据
适用场景
低频波段策略，每隔 3 秒 / 1 分钟循环读取价格做条件判断；
简易网格交易、止盈止损监控，不需要毫秒级响应；
多标的批量扫盘，盘中批量筛查异动个股；
新手入门调试，代码逻辑最简单，无回调函数门槛。
极简实操代码
QMT 代码示例
python
运行
from xtquant import xtdata
# 批量拉取多标的实时快照
stock_list = ["600036.SH", "159915.SZ", "123060.SZ"]
tick_data = xtdata.get_full_tick(stock_list)
# 读取实时现价与成交额
for code, info in tick_data.items():
   print(f"{code} 现价：{info['lastPrice']} 成交额：{info['amount']}")
PTrade 代码示例
python
运行
# PTrade云端策略直接调用
stock_list = ["600036.SH", "159915.SZ"]
real_data = get_current_data(stock_list)
for stock, data in real_data.items():
   print(f"{stock} 实时盘口五档：{data['bidPrice']}")
优缺点
✅ 优点：代码简单、无订阅释放、不占用服务器推送资源、不会出现内存堆积；
❌ 缺点：循环轮询存在毫秒级延迟，不适合高频 Tick 策略，频繁调用会小幅占用程序算力。
方式二：事件驱动订阅推送（subscribe_quote /subscribe_whole_quote）
核心逻辑
提前向行情服务器订阅指定标的，建立长连接；盘中价格、盘口变动时，系统主动推送最新数据触发回调函数，无需循环拉取，毫秒级实时响应，量化高频主流方案。
两类订阅细分：
单标的精准订阅 subscribe_quote：单只 / 少量标的，可读取完整逐笔成交数据；
全市场批量订阅 subscribe_whole_quote：批量数百只标的，快速扫盘市场异动
适配终端与函数
QMT 本地：subscribe_quote、subscribe_whole_quote，支持持续 Tick 数据流，本地长期缓存推送记录；
PTrade 云端：内置云端订阅机制，策略托管后台持续接收推送，关机不中断监控。
适用场景
短线高频、套利、可转债日内 T+0 策略；
盘口异动捕捉（大单扫货、跌停撬板、ETF 折溢价套利）；
多标的实时监控，价格变动立刻触发交易信号；
需要毫秒级行情，对数据延迟敏感的自动化策略。
极简实操代码（QMT 订阅回调模板）
python
运行
from xtquant import xtdata
# 行情变动回调函数
def on_quote_update(data):
   for code, tick in data.items():
       print(f"行情异动{code}，最新价{tick['lastPrice']}")
# 订阅标的实时Tick推送
sub_id = xtdata.subscribe_quote("600036.SH", period="tick", callback=on_quote_update)
# 保持程序持续接收推送
xtdata.run()
# 策略结束取消订阅释放资源
xtdata.unsubscribe_quote(sub_id)
优缺点
✅ 优点：被动推送无延迟，行情变动即时响应，算力消耗低；
❌ 缺点：需手动管理订阅 ID，程序结束必须取消订阅，多标的订阅存在数量上限（MiniQMT 上限 500 只）。
方式三：K 线联动实时数据（get_market_data_ex 开启 subscribe 参数）
核心逻辑
兼顾当日实时 K 线 + 历史 K 线一体化读取，在读取 1min/5min/Tick 周期 K 线时，开启subscribe=True参数，接口自动同步实时更新 K 线数据，既能看历史走势，又能获取盘中最新实时 K 线收盘价，是趋势量化专属方案。
适配终端与函数
QMT 本地：xtdata.get_market_data_ex()，全能行情接口，实时 + 历史二合一；
PTrade 云端：get_history()搭配实时更新参数，云端动态刷新当日 K 线。
适用场景
均线、MACD、量价趋势类量化策略，需要结合历史 K 线 + 实时最新 K 线计算指标；
分时波段策略，依托分钟 K 线实时生成买卖信号；
盘中动态复盘，实时刷新当日完整分时 K 线数据；
回测实盘通用一套代码，无需切换数据获取逻辑。
QMT 实操代码
python
运行
from xtquant import xtdata
stock = "600036.SH"
# subscribe=True 开启K线实时自动刷新
kline_data = xtdata.get_market_data_ex(
   stock_list=[stock],
   period="1m",
   count=200,
   fields=["open","high","low","close","volume"],
   subscribe=True
)
# 读取最新一根实时分钟K线
latest_k = kline_data[stock].iloc[-1]
print(f"最新1分钟K线收盘价：{latest_k['close']}")
优缺点
✅ 优点：一套接口同时读取历史 + 实时行情，指标计算便捷，趋势策略首选；
❌ 缺点：仅支持 K 线维度，无法单独获取逐笔 Tick 盘口明细，不适合纯高频逐笔交易。
三种数据方式横向对比速查表
表格
获取方式 核心函数 延迟级别 最佳适配策略 QMT/PTrade 差异
主动快照拉取 get_full_tick / get_current_data 30-100ms 网格、低频波段、新手调试 QMT 本地可批量扫盘；PTrade 云端无本地缓存
事件订阅推送 subscribe_quote 系列 5-20ms（毫秒级） 日内高频、套利、盘口异动 QMT 支持本地 Tick 存储；PTrade 云端托管不依赖电脑
K 线联动实时 get_market_data_ex(subscribe=True) 50ms 均线、MACD、分时趋势策略 双终端通用，侧重 K 线指标计算，无逐笔盘口
QMT&PTrade 数据使用避坑要点
合规红线：禁止将终端行情接口对接第三方平台、爬虫转发交易所数据，会触发券商量化权限风控限制；
订阅资源管理：订阅推送模式下，策略退出务必执行取消订阅，长期大量订阅会造成客户端卡顿；
MiniQMT 限制：轻量版订阅标的上限 500 只，做全市场扫盘需升级完整版 QMT；
PTrade 短板：云端无法本地下载历史 Tick 数据，仅实盘可获取当日实时 Tick，Tick 级回测建议用本地 QMT；
L2 行情权限：部分券商需单独开通 Level2 权限才能读取完整逐笔委托、十档盘口，开通后三种数据方式均可自动调用。

开户找我优惠多多！选8888资金靓号！股票满足条件万0.854！ETF佣金万0.5！逆回购手续费百万分之一！免费量化QMT+miniQMT+ptrade！更多优惠欢迎找我！