哪家券商有量化api接口？不会python编程可以使用量化软件交易吗？

after_trading_end（可选）

after_trading_end(context, data)

使用场景

该函数仅在回测、交易模块可用

接口说明

该函数会在每天交易结束之后调用，用于处理每天收盘后的操作，如无盘后处理需求，该函数可以在策略中不做定义。

注意事项：

参数

context: Context对象，存放有当前的账户及持仓信息；

展开全文

data：保留字段暂无数据；

返回

None

示例

def initialize(context):

#g为全局变量

g.security = '600570.SS'

set_universe(g.security)

def handle_data(context, data):

order('600570.SS',100)

def after_trading_end(context, data):

log.info(g.security)

tick_data（可选）

tick_data(context, data)

使用场景

该函数仅交易模块可用

接口说明

该函数可以用于处理tick级别策略的交易逻辑，每隔3秒执行一次，如无tick处理需求，该函数可以在策略中不做定义。

注意事项：

参数

context: Context对象，存放有当前的账户及持仓信息；

data: 一个字典（dict），key为对应的标的代码（如：'600570.SS'），value为一个字典（dict），包含order（逐笔委托）、tick（当前tick数据）、transcation（逐笔成交）三项

结构如下：

{'股票代码':

'order(最近一条逐笔委托)':DataFrame/None,

'tick(当前tick数据)':DataFrame,

'transcation(最近一条逐笔成交)':DataFrame/None,

每项具体介绍：

order - 逐笔委托对应DataFrame包含字段：

business_time：时间戳毫秒级

hq_px：价格

business_amount：委托量

order_no：委托编号

business_direction：委托方向

0 – 卖；

1 – 买；

2 – 借入；

3 – 出借；

trans_kind：委托类别

1-- 市价委托；

2 -- 限价委托；

3 -- 本方最优；

tick - tick数据对应DataFrame包含字段：

amount：持仓量

avg_px：均价

bid_grp：买档位，dict类型，内容如：{1:[42.71,200,0],2:[42.74,200,0],3:[42.75,700,...，以档位为Key，以list为Value，每个Value包含：委托价格、委托数量和委托笔数；

business_amount：成交数量；

business_amount_in：内盘成交量；

business_amount_out：外盘成交量

business_balance：成交金额；

business_count：成交笔数；

circulation_amount：流通股本；

close_px：今日收盘

current_amount：最近成交量(现手)；

down_px：跌停价格；

end_trade_date：最后交易日

entrust_diff：委差；

entrust_rate：委比；

high_px：最高价；

hsTimeStamp：时间戳，格式为YYYYMMDDHHMISS，如20170711141612，表示2017年7月11日14时16分12秒的tick数据信息；

issue_date：上市日期

last_px：最新成交价；

low_px：最低价；

offer_grp：卖档位，dict类型，内容如：{1:[42.71,200,0],2:[42.74,200,0],3:[42.75,700,...，以档位为Key，以list为Value，每个Value包含：委托价格、委托数量和委托笔数；

open_px：今开盘价；

pb_rate：市净率；

pe_rate：动态市盈率；

preclose_px：昨收价；

prev_settlement：昨结算

px_change_rate: 涨跌幅

settlement：结算价

start_trade_date：首个交易日

tick_size：最小报价单位

total_bid_turnover: 委买金额

total_bidqty: 委买量

total_offer_turnover: 委卖金额

total_offerqty: 委卖量

trade_mins：交易时间，距离开盘已过交易时间，如100则表示每日240分钟交易时间中的第100分钟；

trade_status：交易状态；

START -- 市场启动(初始化之后，集合竞价前)

PRETR -- 盘前

OCALL -- 开始集合竞价

TRADE -- 交易(连续撮合)

HALT -- 暂停交易

SUSP -- 停盘

BREAK -- 休市

POSTR -- 盘后

ENDTR -- 交易结束

STOPT -- 长期停盘，停盘n天，n>=1

DELISTED -- 退市

POSMT -- 盘后交易

PCALL -- 盘后集合竞价

INIT -- 盘后固定价格启动前

ENDPT -- 盘后固定价格闭市阶段

POSSP -- 盘后固定价格停牌

turnover_ratio：换手率

up_px：涨停价格；

vol_ratio：量比；

wavg_px：加权平均价；

transcation - 逐笔成交对应DataFrame包含字段：

business_time：时间戳毫秒级；

hq_px：价格；

business_amount：成交量；

trade_index：成交编号；

business_direction：成交方向；

0 – 卖；

1 – 买；

buy_no: 叫买方编号；

sell_no: 叫卖方编号；

trans_flag: 成交标记；

0 – 普通成交；

1 – 撤单成交；

trans_identify_am: 盘后逐笔成交序号标识；

0 – 盘中；

1 – 盘后；

channel_num: 成交通道信息；

返回

None

示例

def initialize(context):

g.security = '600570.SS'

set_universe(g.security)

def tick_data(context,data):

# 获取买一价

security = g.security

current_price = eval(data[security]['tick']['bid_grp'][0])[1][0]

log.info(current_price)

# 获取买二价

# current_price = eval(data[security]['tick']['bid_grp'][0])[2][0]

# 获取买三量

# current_amount = eval(data[security]['tick']['bid_grp'][0])[3][1]

# 获取tick最高价

# current_high_price = data[security]['tick']['high_px'][0]

# 最近一笔逐笔成交的成交量

# transaction = data[security]["transcation"]

# business_amount = list(transaction["business_amount"])

# if len(business_amount) > 0:

# log.info("最近一笔逐笔成交的成交量：%s" % business_amount[0])

# 最近一笔逐笔委托的委托类别

# order = data[security]["order"]

# trans_kind = list(order["trans_kind"])

# if len(trans_kind) > 0:

# log.info("最近一笔逐笔委托的委托类别：%s" % trans_kind[0])

if current_price > 38.19:

# 按买一档价格下单

order_tick(security, 100, 1)

def handle_data(context, data):

pass

后续小编会持续更新关于量化ptrade的使用和开通指南，感兴趣的投资者可以提前关注私信评论一起交流学习哦！