Python股票接口实现查询账户，提交订单，自动交易（1）

股票程序化交易接口

墨衍会员 · AI 创作全网分发码龄2年

关注

原创最新推荐文章于 2025-10-18 10:44:13 发布 7k 阅读 AI 写同款· GEO 优化 ›

AI权益加码！Claude Code、Cursor等20+工具免费用！购周边限时加赠Coding Plan Lite，畅享主流AI工具！学习进阶更高效！阅读详情

部分券商已经支持股票的API交易接入，大部分讲量化交易的文章都是讲用各种Python库取股票数据，和交易策略的回测，很少有讲到账户的查询和订单的提交与查询。

基础介绍：

其实取数据有各种方法，也都没什么门槛，有很多免费好用的第三方Python库，即时性和准确性不像券商官方的稳定可靠，实现绝大部分的分析是足够了。这篇也只讲官方数据的获取，交易和查账在之后的文章中会讲到。

交易和查账的接口是需要找特定券商申请的，虽然现在可以给个人账户的小散户低门槛接入了，10万8万的资金量也可以开通，但是也是需要严格合规的报备流程的，有些券商渠道甚至可以3万2万就可以申请，这都不是主要的，重要的是接入的方式。

比如云端接入，首先代码的安全性没有保障，运算的性能也受限，如果你的交易策略没有很复杂的计算，只是根据实时数据决定是否执行交易，那云端的接入方式反而更有优势，因为速度要快很多。

再就是用的最多的，在自己的Python环境取数据，查账，提交订单。依托Python的灵活，强大，可以实现任何复杂策略的执行，这里不会讲到交易策略的编写，这里只讲基本的数据获取和订单执行，复杂庞大的交易策略要看你自己的能力和本地的配置了。

演示数据的获取：

get_full_tick(['000001.SZ', '600519.SH'])

参数是股票代码的列表，一次别太多，如果一次几千支，网络带宽也不强大的话，要1分钟以上才能取回来数据，

返回的数据是dict格式

{'600519.SH': {'timetag': '20240830 11:29:58', 'lastPrice': 1437.96, 'open': 1413, 'high': 1444.66, 'low': 1405, 'lastClose': 1413.3, 'amount': 2609109400, 'volume': 18263, 'pvolume': 1826345, 'stockStatus': 0, 'openInt': 13, 'settlementPrice': 0, 'lastSettlementPrice': 0, 'askPrice': [1437.96, 1438, 1438.5, 0, 0], 'bidPrice': [1437.23, 1437.18, 1437.15, 0, 0], 'askVol': [10, 16, 5, 0, 0], 'bidVol': [1, 2, 1, 0, 0]}, '000001.SZ': {'timetag': '20240830 11:30:00', 'lastPrice': 10.25, 'open': 10.11, 'high': 10.26, 'low': 10.11, 'lastClose': 10.13, 'amount': 834121300, 'volume': 819209, 'pvolume': 81920851, 'stockStatus': 0, 'openInt': 14, 'settlementPrice': 0, 'lastSettlementPrice': 0, 'askPrice': [10.25, 10.26, 10.27, 0, 0], 'bidPrice': [10.24, 10.23, 10.22, 0, 0], 'askVol': [4193, 6667, 6274, 0, 0], 'bidVol': [1051, 2263, 2667, 0, 0]}}

取历史数据：

get_market_data(
    ['open','high','low','close'],
    ['000001.SZ', '600519.SH'],
    '1m',
    '20240830',
    '20240830')

返回的也是字典格式，字典的键值是Pandas的dataframe，数据太长，这里不贴演示数据了

取了数据下一篇，演示提交订单到交易所，也就是报单。

今天分享就到这里，对股票量化程序化自动交易API接口感兴趣的朋友，可以关注我，有相关问题也可以留言讨论或者私信与我交流

收录于

股票API接口

量化交易

标签

#python #开发语言

本内容遵循 CC 4.0 BY-SA 版权协议

QMT本地数据缓存详解：get_market_data、get_market_data_ex和get_local_data到底怎么选？本文深入解析迅投QMT平台三大核心API——get_market_data、get_market_data_ex和get_local_data的差异与适用场景，帮助量化交易开发者精准选择最佳数据获取方式。通过对比数据结构、性能表现和实时数据集成策略，提供针对回测系统、实时监控和大数据分析等场景的优化建议，提升本地数据缓存效率。阅读详情