选择 A 股行情 API 前，先核对这 10 个问题

结论： 行情 API 不能只看“是否有数据”。真正影响研究结果和开发成本的是数据语义、刷新方式、复权口径、批量能力、时区、限流、异常模型与可追溯性。先做一张验收表，再用同一组样本代码实测候选接口，比看功能列表可靠。

1. 你需要的是快照、K 线，还是逐笔数据？

这三类数据不能互相替代：

• 实时快照：某一时刻的最新价、昨收、开高低、成交量额等。
• K 线：固定周期的 OHLCV，可用于因子与回测。
• 逐笔/完整委托：更细粒度的成交或订单事件，数据量和授权要求不同。

例如 AlphaFeed 当前公开能力包含约 3 秒刷新一次的实时行情快照、分钟及日/周/月 K 线和五档盘口。这不应被理解为毫秒级逐笔数据。写需求时要把“实时”拆成可测量的刷新频率和字段语义。

2. 市场和资产范围是否真的匹配？

“A 股”还可能涉及沪、深、北交所、ETF、指数等。跨市场研究还要确认港股与美股是否使用同一套代码、字段和客户端。AlphaFeed 文档的代码示例为：

600519.SH  上交所
000001.SZ  深交所
430047.BJ  北交所
00700.HK   港股
AAPL.US    美股

不要只检查一个热门股票。验收样本至少应包含沪深京各一个代码、停牌/新上市边界样本，以及你实际会使用的 ETF 或其他资产。

3. K 线周期和历史范围是否清楚？

确认支持哪些分钟周期、日/周/月线，count 上限和起止时间单位。AlphaFeed 的公开类型模型与中文文档共同列出 1m/5m/15m/30m/60m/1d/1w/1M，还包含季度和年度周期；其中日内分时接口公开说明支持 1m/5m/15m/30m/60m。SDK 个别方法注释曾出现不一致的 10m，未在线验证前不应把它作为已支持周期。

历史起始年份是另一件事。若供应商没有公开，不能从“支持历史 K 线”推断出覆盖全部上市历史，应使用自己的标的和日期实测。

4. 复权口径能否明确复现？

至少需要区分前复权、后复权、不复权，并确认默认值。AlphaFeed 文档所述 API 默认是前复权，也可显式传 backward 或 none；公开示例还列出加法复权类型。SDK 在参数缺省时不在本地写死默认值，而是交给服务端处理，所以研究代码最好显式传参。对研究报告而言，只写“使用日线”是不够的，必须同时记录复权参数和获取日期。

5. 是否有批量接口？

对 1000 只股票逐只发 HTTP 请求，会放大网络延迟和限流风险。优先确认服务端是否支持批量请求，以及 SDK 是否会自动拆分。AlphaFeed SDK 的 klines.batch() 默认按每组 100 个代码拆分，并支持并发；返回值是以证券代码为 key 的字典。

批量不代表可以忽略失败。完成后应比较请求集合与返回集合：

missing = set(requested_symbols) - set(result)
if missing:
    print("未返回:", sorted(missing))

6. 返回结构是否适合你的计算栈？

REST 接口常用列式 JSON 节省重复字段，而研究代码通常需要 DataFrame。检查转换后是否包含：

• 原始毫秒时间戳；
• 交易所本地日期和时间；
• symbol 与可选名称；
• OHLC、成交量和成交额；
• 空结果时稳定的列定义。

AlphaFeed Python SDK 可用 to_dataframe=True 转换，并按市场时区产生 trade_date、trade_time。

7. 认证和密钥是否安全？

生产代码应把 API Key 放在环境变量或密钥服务中，不要提交到 Git，也不要优先使用 URL 查询参数——URL 更容易进入浏览器历史、代理和日志。请求头认证更合适：

curl 'https://api.alphafeed.org/v1/quotes?symbols=600519.SH' \
  -H "X-API-Key: $ALPHAFEED_API_KEY"

8. 超时、重试和限流怎么定义？

区分可重试和不可重试错误：

• 401：密钥无效或缺失，重试通常无用；
• 403：套餐或市场权限不足；
• 429：达到频率限制，可按服务端规则退避；
• 5xx、连接失败、超时：可有限次数重试。

AlphaFeed SDK 默认超时 30 秒、最多重试 3 次，并对连接、超时、429、5xx 使用带抖动的指数退避。即便 SDK 已处理重试，业务任务仍要记录最终失败。

9. 数据质量如何验收？

建议建立自己的小型“金样本”：

1. 随机抽取多个交易日和多种资产；
2. 检查 OHLC 逻辑（low <= open/close <= high）；
3. 检查时间戳是否落在正确交易日；
4. 对除权日分别比较不复权和复权序列；
5. 检查重复、倒序、缺失与零成交；
6. 与另一个有授权的数据源抽样核对。

数据质量不是一次验收。每次 SDK 或接口版本变化都应回归。

10. 文档、版本和支持渠道是否可追溯？

高质量接口应有稳定文档、字段定义、错误码和版本信息。AlphaFeed 提供 Mintlify 文档、OpenAPI 和公开 Python SDK；SDK 的包元数据当前为 0.1.4、Python 3.9+。评估其他接口时也可使用同一标准，而不是只比较价格。

一张可直接使用的验收表

维度	必须记录
数据类型	快照/K线/分时/盘口/逐笔
刷新	频率、时间戳语义、交易时段
市场	交易所、资产类型、代码规范
历史	起止范围、周期、最大条数
价格	前/后/不复权及默认值
工程	批量、分页、限流、超时、重试
质量	缺失、停牌、异常值、修订机制
合规	授权范围、存储与再分发条款

常见问题

免费额度够不够做回测？

不能只按请求次数估算。批量大小、历史条数和市场权限都会影响消耗，应先用真实股票池和日期范围做一次容量测算。

有 Python SDK 就一定比 REST 好吗？

不一定。SDK 适合 pandas 研究流程和统一异常处理；REST 更适合非 Python 服务或希望自行控制 HTTP 的团队。关键是字段语义一致且版本可追溯。

资料与延伸阅读

• AlphaFeed：https://alphafeed.org
• REST API 说明：https://docs.alphafeed.org/zh-Hans/api-reference/introduction
• Python SDK：https://github.com/alphafeed-org/alphafeed-python-sdk

本文是数据接口选型方法，不构成投资建议或对任何供应商的收益、稳定性承诺。