本文记录一套面向个人量化研究场景的美股实时数据获取方案。该方案以低成本、易集成为目标，适用于需要实时行情与分钟K线数据的策略开发者与研究者。经过近两周的选型与测试，该方案已稳定运行一个月，能够满足多数非高频策略的数据需求。
研究痛点与数据需求分析
在构建美股监控或回测系统时，数据接入环节通常面临两个突出问题：
- 专业数据终端订阅费用高昂，个人研究者难以承受。
- 实时数据与历史K线数据往往需要不同的获取方式，单一接口难以兼顾延迟与批量查询效率。
针对上述问题，本文提出一种组合式数据获取架构，核心在于根据数据使用场景选择不同的通信协议。
技术路径对比：WebSocket与REST的适用边界
| 维度 | WebSocket | REST |
|---|---|---|
| 适用场景 | 盘中实时行情监控、逐笔推送 | 历史K线回补、批量查询 |
| 延迟水平 | 毫秒级 | 取决于轮询频率 |
| 连接方式 | 长连接，需维护状态 | 无状态，每次请求独立建立 |
| 资源消耗 | 客户端需处理心跳与重连 | 简单直接，但高频轮询增加开销 |
| 典型用例 | 少数标的的高频更新 | 多标的历史数据一次性拉取 |
从表中可知，实时行情适合采用WebSocket，历史K线适合采用REST，二者结合可在成本与性能之间取得平衡。
实现示例与集成说明
下面给出一个基于Python的WebSocket订阅示例，用于获取美股AAPL的实时报价。示例中使用的接口覆盖美股、港股及外汇等多个品种，便于后续扩展。该接口的注册与密钥获取流程较为简便，适合快速验证。
python
import websocket
import json
def on_message(ws, message):
data = json.loads(message)
print("收到行情:", data)
def on_open(ws):
sub_msg = {
"cmd_id": 22002,
"seq_id": 1,
"trace": "sub-us-stock",
"data": {
"symbol_list": [{"code": "AAPL.US"}]
}
}
ws.send(json.dumps(sub_msg))
ws = websocket.WebSocketApp(
"wss://quote.alltick.co/quote-stock-b-ws-api",
on_open=on_open,
on_message=on_message
)
ws.run_forever()
上述代码运行后，终端将持续接收AAPL的实时报价，延迟处于毫秒量级，可作为个人监控面板或策略信号输入的基础数据源。
分钟K线数据回补策略
分钟K线数据的完整性直接影响回测结果的准确性。本方案采用以下流程：
- 策略启动时，通过REST接口批量拉取最近数日的分钟K线。
- 将拉取的数据写入本地存储，构建初始K线序列。
- 后续新形成的K线由WebSocket实时推送更新，追加至本地序列末尾。
- 设置自动重连机制，防止因网络波动导致数据中断。
该流程避免了启动初期K线图出现空白区间的问题，确保数据连续性。
实际运行效果与可靠性
该方案已持续运行约一个月，服务器总成本控制在人民币一千元以内。运行期间出现的主要问题是WebSocket偶发断线，通过客户端自动重连逻辑已有效解决。对于希望以较低成本获取美股实时api数据的研究者，上述组合架构提供了一条可落地的技术路径。建议根据自身策略对数据频率和标的数量的实际需求，调整订阅列表与存储策略。