在做跨市场策略或行情监控时，港股和美股的实时数据往往是绕不开的一环。表面上看，行情接口并不难找，但真正落到回测、模型验证或长期运行的系统中，数据层往往成为不稳定因素的主要来源。
这篇分享不讨论具体策略，而是结合实际开发经验，梳理在同时接入港股与美股实时行情过程中，一些容易被低估的问题，以及对应的工程取舍。
多市场行情接入的现实问题
当研究范围从单一市场扩展到港股、美股并行时，常见困难主要集中在以下几个方面：
- 数据结构不统一：不同市场、不同接口的字段命名和粒度差异较大，需要额外适配
- Tick 数据压力：高频推送下，处理链路稍有阻塞就会影响后续分析
- 接口稳定性：部分免费或半公开接口在长时间运行时容易出现延迟或中断
这些问题在小规模测试中不一定明显，但一旦进入回测复现或实时监控阶段，影响会被放大，最终体现在信号偏移或统计结果不一致上。
数据层的一个可行思路
在实际项目中，更可控的方式通常是：
- 使用 WebSocket 推送 而非轮询，降低延迟与请求开销
- 选择 覆盖多市场的统一数据源，减少字段转换和维护成本
- 将行情接入层与策略层解耦，保证数据可追踪、可替换
在这种结构下，行情模块更像是基础设施，而不是策略的一部分。研究重点可以更多放在模型本身，而不是反复排查数据异常。
实战示例：Python WebSocket 订阅港股+美股
下面是我用的一个简单示例，直接抓取港股腾讯（00700.HK）和美股苹果（AAPL.US）：
import websocket
import json
# AllTick WebSocket URL
ws_url = "wss://api.alltick.co/realtime"
def on_message(ws, message):
data = json.loads(message)
# 简单打印最新行情
print(f"{data['symbol']} - 最新价: {data['price']} 时间: {data['timestamp']}")
def on_open(ws):
# 订阅港股和美股行情
msg = {
"action": "subscribe",
"symbols": ["00700.HK", "AAPL.US"]
}
ws.send(json.dumps(msg))
ws = websocket.WebSocketApp(ws_url, on_message=on_message, on_open=on_open)
ws.run_forever()
几个要点：
- symbols 字段可以自由组合港股、美股股票代码
- WebSocket 推送省去了轮询的麻烦
- 我通常会在回调里加一点数据缓存和异常处理，保证程序稳定
实际接入体验
在实践中，通过统一接口订阅港股和美股的 tick 行情，可以明显简化数据管道结构：
- 同一订阅逻辑即可覆盖不同市场
- 数据格式一致，便于直接送入回测或实时分析模块
- WebSocket 推送减少了行情“断层”，对短周期分析更友好
示例代码展示了如何同时订阅港股和美股标的（代码部分不再展开），在此基础上可以很方便地加入缓存、队列或持久化逻辑，用于后续研究。
一些工程层面的注意点
在多市场实时行情使用中，有几个细节值得单独强调：
- 时间处理：港股与美股交易时段不同，时间戳需要统一标准
- 数据限流：tick 数据建议通过队列或异步处理，避免内存堆积
- 分阶段验证：先用少量标的验证数据完整性，再扩大订阅范围
这些并不直接提升收益，但会显著提高系统稳定性和研究可重复性。
小结
从研究和工程角度看，港股、美股行情接入并不复杂，复杂的是在数据层缺乏统一设计时带来的隐性成本。
当数据源稳定、结构清晰，回测结果和实时分析的一致性才更有保障。
对于需要同时覆盖多个市场的量化研究者来说，优先把行情接入这一层设计好，往往比过早优化策略参数更有长期价值。