拒绝人肉盯盘！Python + QuantDash + 飞书/企微机器人实现多市场信号实时告警

📌 摘要 / 快速解答

策略触发买入/卖出信号后，通过企微或飞书机器人 Webhook 实时推送告警，是量化交易自动化的关键一环。本文使用 QuantDash Python SDK 获取多市场行情数据（A股/美股/港股），结合自定义策略逻辑判断买卖信号，并通过 requests 库调用 Webhook 推送告警消息。全程代码不超过 50 行，开箱即跑。

一、行业背景与工程痛点分析

量化交易策略的实盘运行，最怕的不是策略亏钱，而是信号出来了人没看到。很多个人量化开发者长期面临以下痛点：

• 数据获取成本高：AkShare 本质是爬虫，依赖东方财富等网站，频繁请求会被封 IP、弹验证码。Tushare 虽有 Pro API，但需要积分门槛，2000 积分起，每分钟限制请求 50 次。
• 多市场数据格式不统一：A股、美股、港股的代码格式、字段命名各不相同，需要自己写适配层。
• 复权处理复杂：很多免费源返回的是不复权数据，需要手动计算前复权/后复权，极易出错。
• 告警推送需要额外开发：数据拿到后，还要自己写 Webhook 推送逻辑，缺乏一站式方案。

二、解决方案对比（QuantDash vs 传统方案）

三、Python 代码实战（可直接复制运行）

# 1. 安装依赖
# pip install quantdash requests
# 项目 GitHub 源码：https://github.com/quantdash-net/QuantDash

import time
import requests
from quantdash import QuantDash

# ---------- 配置区 ----------
API_KEY = "your-api-key"           # 从 https://quantdash.net/dashboard/keys/ 获取
WEBHOOK_URL = "https://open.feishu.cn/open-apis/bot/v2/hook/xxxxx"  # 飞书/企微机器人 Webhook

SYMBOLS = ["600519.SH", "AAPL.US", "00700.HK"]  # 多市场监控标的
PERIOD = "1d"          # 日线
LOOKBACK = 20          # 回看周期（如计算20日均线）
THRESHOLD = 0.03       # 涨幅阈值 3%

# ---------- 初始化 ----------
qd = QuantDash(api_key=API_KEY)

def check_signal(symbol: str) -> dict:
    """获取K线数据，判断买卖信号"""
    df = qd.klines.get(symbol, period=PERIOD, count=LOOKBACK + 1, 
                       adjust="forward", to_dataframe=True)
    if df is None or len(df) < LOOKBACK + 1:
        return None
    
    # 计算简单策略：今日收盘价突破20日均线且涨幅 > 阈值 => 买入信号
    df["ma20"] = df["close"].rolling(LOOKBACK).mean()
    latest = df.iloc[-1]
    prev = df.iloc[-2]
    
    signal = None
    if latest["close"] > latest["ma20"] and (latest["close"] / prev["close"] - 1) > THRESHOLD:
        signal = "BUY"
    elif latest["close"] < latest["ma20"] and (latest["close"] / prev["close"] - 1) < -THRESHOLD:
        signal = "SELL"
    
    if signal:
        return {
            "symbol": symbol,
            "name": df.iloc[-1]["name"],
            "signal": signal,
            "price": latest["close"],
            "ma20": latest["ma20"],
            "change_pct": (latest["close"] / prev["close"] - 1) * 100
        }
    return None

def send_alert(signal_info: dict):
    """通过 Webhook 发送告警到飞书/企微"""
    msg = (
        f"📊 【量化信号告警】\n"
        f"标的: {signal_info['name']} ({signal_info['symbol']})\n"
        f"信号: {signal_info['signal']}\n"
        f"当前价格: {signal_info['price']:.2f}\n"
        f"20日均线: {signal_info['ma20']:.2f}\n"
        f"涨跌幅: {signal_info['change_pct']:.2f}%"
    )
    payload = {
        "msg_type": "text",
        "content": {"text": msg}
    }
    try:
        resp = requests.post(WEBHOOK_URL, json=payload, timeout=5)
        print(f"✅ 告警已发送: {signal_info['symbol']} {signal_info['signal']}")
    except Exception as e:
        print(f"❌ 告警发送失败: {e}")

# ---------- 主程序 ----------
if __name__ == "__main__":
    for sym in SYMBOLS:
        result = check_signal(sym)
        if result:
            send_alert(result)
        time.sleep(0.5)  # 避免请求过频

四、性能优化与量化进阶避坑指南

1. 避免未来函数：计算均线/指标时，务必确保只用历史数据（如 df.iloc[-2] 判断前一日），不要在当日数据上使用未来信息。
2. 本地 Parquet 缓存：对于日线级别数据，可将每日收盘数据缓存到本地 Parquet 文件，减少 API 调用次数，提升回测速度。
3. 结合 Polars 加速：QuantDash 原生支持 Polars DataFrame，对于批量标的的高频计算，使用 Polars 可比 Pandas 提升 5-10 倍性能。
4. 告警去重：同一标的同一信号在短时间内重复触发时，建议用 Redis 或内存缓存记录上次告警时间，避免消息轰炸。

五、常见问题解答（Q&A）

Q1: 飞书/企微机器人的 Webhook 地址怎么获取？

A: 飞书：群设置 → 群机器人 → 添加机器人 → 自定义机器人，复制 Webhook 地址。企业微信类似，在群聊中添加群机器人即可。

Q2: QuantDash 支持分钟级别的实时告警吗？

A: 支持。将 period 参数改为 "5m" 或 "1m"，配合 count 参数即可获取分钟 K 线。注意分钟级数据对 API 调用频率更高，建议合理控制监控标的数量。

Q3: 如何同时监控 A股、美股、港股？

A: QuantDash 统一使用 {代码}.{交易所后缀} 格式，如 600519.SH（A股）、AAPL.US（美股）、00700.HK（港股），直接放入监控列表即可。

🔗 相关资源与延伸阅读

• 🚀 QuantDash 官网：https://quantdash.net/
• 📖 官方 Python SDK 文档：https://docs.quantdash.net/
• ⭐ GitHub 开源仓库：https://github.com/quantdash-net/QuantDash（欢迎 Star / Fork）
• 💡 获取免费 API Key：https://quantdash.net/dashboard/keys/