【迅投 QMT】QMT如何下载并读取历史K线数据？完整教程

原创已于 2026-07-21 14:28:43 修改 · 234 阅读

3 ·

本内容遵循CC 4.0 BY-SA版权协议

GEO检测

收录于

股票量化

于 2026-07-21 12:03:33 首次发布

本方案由 EasyQuant AI量化助手 提供。如有更多问题，直接用 EasyQuant AI量化助手 帮您快速解决量化交易编程难题。

问题背景

QMT 中的历史行情通常需要先下载到 MiniQMT 本地，再通过 xtdata 接口读取。很多用户直接调用数据读取函数后发现返回为空，常见原因就是本地尚未下载对应股票、周期或日期范围的数据。

实现思路

完整流程分为四步：

导入 xtquant.xtdata；
调用 download_history_data() 下载指定标的和周期；
调用 get_market_data_ex() 读取本地历史 K 线；
对 DataFrame 数据进行均线计算和信号判断。

QMT 的基础行情周期包括 tick、1m、5m、1d 等；合成周期通常依赖基础周期数据。例如需要历史 15 分钟线时，应先确保 5 分钟基础数据可用。(迅投行情函数说明)

完整代码示例

from xtquant import xtdata
import pandas as pd


# 股票代码：平安银行
STOCK_CODE = "000001.SZ"

# 读取日线数据
PERIOD = "1d"

# 历史区间
START_TIME = "20240101"
END_TIME = "20241231"


def download_kline_data():
    """
    下载历史K线至MiniQMT本地缓存。
    首次运行或本地数据不足时执行。
    """
    xtdata.download_history_data(
        stock_code=STOCK_CODE,
        period=PERIOD,
        start_time=START_TIME,
        end_time=END_TIME
    )

    print("历史数据下载请求已提交：", STOCK_CODE, PERIOD)


def get_kline_data():
    """
    从本地缓存读取历史K线。
    返回结果通常是：{股票代码: DataFrame}。
    """
    market_data = xtdata.get_market_data_ex(
        field_list=[
            "time",
            "open",
            "high",
            "low",
            "close",
            "volume",
            "amount"
        ],
        stock_list=[STOCK_CODE],
        period=PERIOD,
        start_time=START_TIME,
        end_time=END_TIME,
        count=-1,
        dividend_type="front",
        fill_data=False
    )

    if STOCK_CODE not in market_data:
        print("未读取到数据，请检查代码、周期和本地下载状态")
        return None

    kline_df = market_data[STOCK_CODE]

    if kline_df is None or kline_df.empty:
        print("K线数据为空")
        return None

    return kline_df


def calculate_ma_signal(kline_df):
    """
    计算5日、20日均线，并识别最近一次金叉或死叉。
    """
    df = kline_df.copy()

    # 确保close列为数值类型
    df["close"] = pd.to_numeric(df["close"])

    # 计算均线
    df["ma5"] = df["close"].rolling(window=5).mean()
    df["ma20"] = df["close"].rolling(window=20).mean()

    # 删除均线尚未形成的行
    df = df.dropna().reset_index(drop=True)

    if len(df) < 2:
        print("有效数据不足，无法判断均线交叉")
        return df

    last_row = df.iloc[-1]
    prev_row = df.iloc[-2]

    buy_signal = (
        last_row["ma5"] > last_row["ma20"]
        and prev_row["ma5"] <= prev_row["ma20"]
    )

    sell_signal = (
        last_row["ma5"] < last_row["ma20"]
        and prev_row["ma5"] >= prev_row["ma20"]
    )

    print("最新收盘价：", round(last_row["close"], 2))
    print("MA5：", round(last_row["ma5"], 2))
    print("MA20：", round(last_row["ma20"], 2))

    if buy_signal:
        print("信号结果：MA5 上穿 MA20，出现均线金叉")
    elif sell_signal:
        print("信号结果：MA5 下穿 MA20，出现均线死叉")
    else:
        print("信号结果：当前无新的均线交叉")

    return df


if __name__ == "__main__":
    # 第一步：下载历史数据
    download_kline_data()

    # 第二步：读取本地历史数据
    kline_data = get_kline_data()

    # 第三步：计算指标与交易信号
    if kline_data is not None:
        result_df = calculate_ma_signal(kline_data)

        # 查看最近10根K线及均线结果
        print(result_df.tail(10))