Python を使用した QMT ローカル データの解析
ローカル マーケット データを取得する
get_local_data(field_list=[], stock_code=[], period='1d', start_time='', end_time='', count=-1,dividend_type='none', fill_data=True, data_dir=data_dir)
言い換え
ローカル データ ファイルから市場データを取得します。これは、履歴部分の市場データをバッチですばやく取得するために使用されます。
パラメータ
field_list - リスト データ フィールド リスト。空の場合はすべてのフィールド
stock_list - 契約コード リストの一覧表示
ピリオド - 文字列ピリオド
start_time - 文字列の開始時間
end_time - 文字列の終了時間
count - int データの数
配当タイプ - 文字列 配当方法
fill_data - bool 不足しているデータを逆方向に埋めるかどうか
data_dir - データ ファイルを直接読み取るために使用される、MiniQmt コンパニオン パスの文字列 Userdata_mini パス。デフォルトでは、xtdata は接続を介して MiniQmt からこのパスを直接取得します。追加の設定は必要ありません。調整が必要な場合は、データ パスを data_dir として渡すか、xtdata.data_dir を直接変更してデフォルト値を変更できます。
戻る
周期が 1m 5m 1dK ライン周期の場合
return dict { フィールド 1 : 値 1, フィールド 2 : 値 2, ... }
field1、field2、... : データ フィールド
value1、value2、... : pd.DataFrame データセット、インデックスは stock_list、列は time_list
各フィールドに対応する DataFrame は、同じディメンションと同じインデックスを持ちます
period がティック周期の場合
return dict { 在庫 1 : 値 1, 在庫 2 : 値 2, ... }
stock1, stock2, ... : 契約コード
value1, value2, ... : np.ndarray データセット、データのタイムスタンプ時刻の昇順で並べ替え
述べる
レベル 1 データの取得にのみ使用
デモを呼び出す
from xtquant import xtdata
import pandas as pd
import datetime,time
df=xtdata.get_local_data(field_list=['time','open','high','low','close','volume','amount'],stock_code=['600050.SH'],count=10)
df2=pd.concat([df[i].loc['600050.SH'].T for i in['time','open','high','low','close','volume','amount']],axis=1)
df2.columns=['time','open','high','low','close','volume','amount']
df2['time2']=df2.index
df2['time']=df2['time2'].apply(lambda x: datetime.datetime.fromtimestamp(int(x/1000.0)))
df2.reset_index(drop=True,inplace=True)
print(df2)
出力
time open high low close volume amount time2
0 2023-01-09 4.98 5.01 4.88 4.98 3246943 1.608308e+09 1673193600000
1 2023-01-10 4.95 5.02 4.90 4.98 2571948 1.277204e+09 1673280000000
2 2023-01-11 4.97 5.12 4.93 4.96 3127401 1.572082e+09 1673366400000
3 2023-01-12 4.94 5.14 4.92 5.11 3870406 1.952001e+09 1673452800000
4 2023-01-13 5.07 5.14 4.99 5.06 3227926 1.631200e+09 1673539200000
5 2023-01-16 5.06 5.10 4.98 5.02 2944490 1.483375e+09 1673798400000
6 2023-01-17 4.99 5.04 4.94 4.95 2094947 1.043011e+09 1673884800000
7 2023-01-18 4.95 5.12 4.91 5.07 3392366 1.713247e+09 1673971200000
8 2023-01-19 5.04 5.18 5.02 5.17 4324306 2.205093e+09 1674057600000
9 2023-01-20 5.19 5.62 5.17 5.53 7470132 4.101551e+09 1674144000000