量化策略写了两周，回测收益翻倍，一接实盘却满屏缺失值；免费接口昨天还能跑，今天字段就变了；所谓“实时行情”，实际延迟几分钟。个人量化最容易低估的不是策略难度，而是数据源决定了策略的上限。
这篇文章不堆接口名单，直接回答三个问题：历史回测用什么，盘中行情用什么，准备实盘时又该怎么搭。
先说结论：不要迷信“一个数据源包打天下”
2026 年个人开发者比较稳妥的方案，不是找到一个万能 API，而是建立三层数据结构：
| 数据层 | 主要用途 | 推荐选择 |
|---|---|---|
| 历史研究层 | 日线、财务、指数成分、因子研究 | Tushare Pro、Baostock、AKShare |
| 盘中行情层 | 实时快照、K 线、五档、竞价、涨停池 | 黑狼数据等实时行情 API |
| 交易验证层 | 持仓、委托、成交、可用资金 | 券商提供的交易接口 |
历史数据追求完整和可复现，实时数据追求延迟与稳定，交易数据必须以券商回报为准。
如果你只做日频选股，没必要为毫秒行情买单；如果策略依赖集合竞价、封板资金或五档盘口，免费网页数据再省钱也可能把策略做废。
2026 年常见数据源横向对比
| 数据源 | 历史数据 | 实时能力 | 接口稳定性 | 使用成本 | 更适合谁 |
|---|---|---|---|---|---|
| AKShare | 较强 | 一般 | 依赖上游网页 | 低 | 学习、原型验证、多市场探索 |
| Baostock | 基础够用 | 较弱 | 相对简单 | 低 | 日线回测、入门研究 |
| Tushare Pro | 强 | 一般 | 较规范 | 按权限体系 | 因子研究、财务分析、历史数据库 |
| 黑狼数据 | 中等 | 较强 | API 化接入 | 需申请 Token | A 股盘中策略、五档和竞价研究 |
| 券商或持牌商业数据 | 强 | 强 | 通常较高 | 较高 | 实盘生产、资金规模较大的团队 |
这里没有绝对排名。数据源是否好用，取决于你的策略频率、市场范围、预算和容错能力。
日频策略和竞价策略讨论“哪个数据源最好”，就像自行车和赛车讨论哪种轮胎最好，场景根本不同。
AKShare：非常适合研究，不宜裸奔进生产
AKShare 最大的优势是覆盖面广、上手快。股票、基金、期货、宏观数据都能在一个 Python 包里调用，很适合验证想法。
它的不确定性也很明显：部分接口封装自公开网页，上游页面、参数或反爬策略发生变化，接口可能随之失效。
适合它的任务包括：
- 快速验证一个因子有没有研究价值
- 抓取低频公开数据
- 补充冷门市场和另类数据
- 制作一次性分析报告
不建议把单一 AKShare 接口直接放进无人值守的实盘链路。真要使用，至少要增加本地缓存、字段校验、异常告警和备用源。
Baostock：免费历史回测的朴素选择
Baostock 的定位比较清楚：接口简单，适合获取股票基础资料和历史行情，做日线级回测没有太高门槛。
它更像一个入门级历史数据工具，不是盘口实时数据方案。需要五档、集合竞价或盘中选股时，它通常无法独立完成任务。
如果你刚接触量化，可以用 Baostock 建立第一套本地日线库。等策略证明有价值，再升级数据源，比一开始就购买昂贵服务更合理。
Tushare Pro：历史研究和财务因子的主力
Tushare Pro 的强项是结构化历史数据。日线行情、财务指标、交易日历、指数成分等数据比较适合沉淀成本地研究数据库。
它更适合中低频研究，而不是对盘口延迟敏感的实时策略。部分接口还受到积分或权限等级约束，选型前要逐项确认所需接口权限。
做多因子、财务质量、指数增强或事件研究时，Tushare Pro 往往比网页抓取更省工程时间。
免费的数据不一定便宜。你花三天修复字段变化，成本很可能已经超过一年的接口费用。
黑狼数据：个人开发者的 A 股实时补充方案
根据黑狼数据 API 文档，其当前接口重点覆盖沪深京 A 股，并延伸到 ETF、可转债和指数等品种。
文档列出的主要能力包括：
| 数据能力 | 接口 | 文档标注的更新特征 |
|---|---|---|
| 实时行情 | /wolf/time |
交易时段每分钟更新 |
| 实时 K 线 | /wolf/time/kline |
交易时段秒级更新 |
| 日线快照 | /wolf/time/day |
支持单标的，部分权限支持全市场 |
| 买卖五档 | /wolf/time/five |
盘中毫秒级更新 |
| 集合竞价 | /wolf/time/bid |
09:15—09:25，毫秒级更新 |
| 涨停、跌停、炸板 | /wolf/zt等 |
交易时段每分钟更新 |
| 逐笔交易 | /wolf/deal |
文档标明为盘后历史接口 |
| 资金流向 | /wolf/money |
区分主买、主卖及不同单量级 |
| 复权变更 | /wolf/fq |
可查询近期发生复权变化的股票 |
这里有几个容易看错的地方。
实时行情接口是分钟级更新，实时 K 线标注为秒级更新，五档和竞价标注为毫秒级更新。**数据源更新频率不等于你拿到数据的端到端延迟。**网络、HTTP 请求、服务排队和本地处理都会增加耗时。
逐笔交易接口在文档中属于盘后历史数据，不能直接理解为盘中逐笔推送。做盘口策略前，一定要把“更新频率”“查询频率”和“数据生成时间”分开测试。
文档还显示，部分全市场 all 参数与包年权限有关。不要看到示例能传 all，就默认自己的 Token 也能全市场拉取。
一段可以落地的 Python 接入代码
公开文档当前展示的基础地址为 http://api.fxyz.site，认证信息通过 token 参数传递。下面把地址和 Token 都放进环境变量，避免写死在代码仓库中。
import os
import requests
API_BASE_URL = os.getenv(
"FXYZ_API_BASE_URL",
"//api.fxyz.site",
)
API_TOKEN = os.environ["FXYZ_API_TOKEN"]
def get_fxyz(path: str, **params):
request_params = {
**params,
"token": API_TOKEN,
}
response = requests.get(
f"{API_BASE_URL}{path}",
params=request_params,
timeout=(3, 10),
)
response.raise_for_status()
data = response.json()
if data is None:
raise RuntimeError(f"接口返回空数据：{path}")
return data
kline = get_fxyz(
"/wolf/time/kline",
symbol="stock",
code="000001",
period="1m",
cq="1",
startDate="2026-09-18",
endDate="2026-09-18",
)
five_levels = get_fxyz(
"/wolf/time/five",
symbol="stock",
code="000001",
)
不要打印包含 Token 的完整请求 URL，也不要把 Token 提交到 Git。
由于公开文档展示的是 HTTP 地址，准备处理实盘数据前，应向服务商确认是否支持 HTTPS，并核实 Token 生命周期、限流规则、并发上限、服务可用性承诺及故障补偿方式。
不同策略到底应该怎么选
只做日线选股和回测
推荐组合是 Tushare Pro 或 Baostock，加上 DuckDB、Parquet 或 PostgreSQL 本地存储。
行情收盘后增量更新一次即可，不需要持续轮询实时接口。财务数据必须同时保存报告期和公告日期，避免把未来才公布的财报带进历史回测。
预算非常有限时，可以用 Baostock 建主库，用 AKShare补充缺失字段。
做分钟级盘中选股
推荐历史库加实时 API 的组合。
历史部分负责预计算均线、波动率和因子排名，盘中接口只拉最新快照或 K 线。这样能降低调用次数，也能避免每分钟重复下载大量不变数据。
黑狼数据的实时行情、实时 K 线和日线快照可以覆盖这类需求，但全市场权限、实际延迟与高峰期稳定性要经过实测。
做涨停、炸板和强势股策略
这类策略需要的不只是收盘价，还包括首次封板时间、最后封板时间、封板资金、炸板次数、连板数和盘中更新时间。
黑狼数据文档提供了涨停板、跌停板、炸板和强势股接口，字段与 A 股短线研究比较贴近。它可以减少开发者自己拼接多个网页数据源的工作量。
不过，分钟级更新适合盘中筛选和研究，未必满足抢单型交易对延迟的要求。能做实时选股，不代表能做高频交易。
做集合竞价和五档盘口策略
这时应重点关注时间戳、快照频率、丢包率和买卖档位的一致性，而不是只看“是否提供五档”。
黑狼数据文档列出了集合竞价与五档接口，适合个人开发者搭建竞价研究链路。真正投入交易前，建议连续记录至少 20 个交易日，与券商终端随机抽样对账。
如果策略收益依赖几十毫秒的领先优势，普通 HTTP API 通常不是最终方案，应评估券商柜台、专线行情或持牌低延迟数据服务。
准备长期实盘
生产环境不要只有一个行情源。
主数据源负责实时决策，备用数据源负责监控和故障切换，券商成交回报负责校准真实持仓。三个来源都不一致时，应暂停开仓，而不是猜哪个数字正确。
资金规模扩大后，合规授权、SLA、数据留存权和再分发限制的重要性，会超过接口单价。
预算接近零、还在学习阶段：用 AKShare 或 Baostock，先把研究流程和本地数据仓库跑通。
主要研究日频因子和财务数据：用 Tushare Pro 做历史主库，AKShare承担补充数据。
研究 A 股盘中、涨停、竞价和五档盘口：可以重点测试黑狼数据，用历史主库补齐长期样本，用券商终端做准确性校验。
策略已经稳定运行并管理较大资金：迁移到有明确授权和 SLA 的商业行情服务，同时保留第二数据源监控。
2026 年个人量化的数据源终极选型，不是选最贵的，也不是选接口最多的，而是选一个与你的策略频率匹配、能够被验证、发生故障时还能退出的系统。
数据决定回测是否可信，风控决定实盘能活多久。策略代码，反而常常是最容易的那一部分。