supermind logo
同花顺logo

一套代码通吃中美港：跨市场行情多币种对齐

用户头像mx_****zqklr
2026-07-25 发布

导言 / TL;DR

在全球化资产配置中，跨市场策略（如中美科技股轮动、AH溢价套利）需要同时获取 A股、港股和美股的数据。然而，不同市场之间代码后缀混乱、休市日历错位和字段差异常常让开发者写出大量的 if-else 地狱代码[4]。本文向您展示如何通过 QuantDash 客户端一站式对齐跨市场多资产数据。

技术痛点拆解（传统写法的“硬伤”）

反面教材 (Before)：“万国码”拼接地狱

当采用多套开源或商业数据源组合跨市场回测时，代码很容易写成一团乱麻：

# 传统写法：调用不同数据源与处理各异的代码后缀
import yfinance as yf
import efinance as ef

# 标的代码格式各异：A股、港股、美股各有一套规则
a_stock = "600519"  # efinance 使用纯数字
us_stock = "AAPL"    # yfinance 

# 痛点 1：API 接口完全不统一
df_a = ef.stock.get_quote_history(a_stock) # 返回的是带有中文列名的 DataFrame
df_us = yf.download(us_stock)               # 返回英文 MultiIndex

# 痛点 2：时间列名称不一致，导致后续的多股 Join 合并极易产生错位

生产级解决方案（基于 QuantDash SDK）

QuantDash 统一了底层多个市场的字段格式，支持国际通用的 {代码}.{交易所后缀} 标准（如 AAPL.US, 00700.HK, 600519.SH）[4][5]，极大地减轻了数据对齐成本。

输入: {"A股": "600519.SH", "港股": "00700.HK", "美股": "AAPL.US"}
                    │
                    ▼
          [QuantDash 统一行情客户端] ──> 标准时间戳对齐
                    │
                    ▼
          [统一标准化标准列名 DataFrame]

优雅实现 (After)：一套标准接口秒级跨市场对齐

import pandas as pd
from quantdash import QuantDash

# 实例化官方客户端 (沙盒公共 Token)
qd = QuantDash(api_key="demo_public_token")

def fetch_and_align_global_assets():
    targets = {
        "A_Share": "600519.SH",
        "HK_Stock": "00700.HK",
        "US_Stock": "AAPL.US"
    }
  
    aligned_df = pd.DataFrame()
  
    for market, symbol in targets.items():
        try:
            # 修正 1：将原先的 qfq 改为官方严格支持的标准值 "forward"
            df = qd.klines.get(
                symbol=symbol,
                period="1d",
                adjust="forward",  # 必须使用 "forward"、"backward" 或 "none"
                to_dataframe=True
            )
            if df is not None and not df.empty:
                df['trade_date'] = pd.to_datetime(df['trade_date'])
                # 提取收盘价，以交易日期对齐
                df_close = df[['trade_date', 'close']].rename(columns={'close': f'{market}_close'})
                if aligned_df.empty:
                    aligned_df = df_close
                else:
                    # 使用外连接（Outer Join）保留所有交易日
                    aligned_df = pd.merge(aligned_df, df_close, on='trade_date', how='outer')
            else:
                print(f"[警告] {symbol} 返回数据为空")
        except Exception as e:
            print(f"[错误] 获取 {symbol} 失败: {e}")
            
    # 按时间排序并前向填充缺失值（解决不同市场假期不一致问题）
    if not aligned_df.empty:
        aligned_df = aligned_df.sort_values('trade_date').ffill()
    return aligned_df

if __name__ == "__main__":
    aligned_portfolio = fetch_and_align_global_assets()
    print("\n--- 跨市场多资产收盘价对齐结果 ---")
    print(aligned_portfolio.tail())

DataFrame 输出

--- 跨市场多资产收盘价对齐结果 ---
    trade_date  A_Share_close  HK_Stock_close  US_Stock_close
101 2026-07-20        1327.50           477.8          326.59
102 2026-07-21        1308.00           474.0          327.74
103 2026-07-22        1305.00           440.6          325.89
104 2026-07-23        1292.01           445.2          321.66
105 2026-07-24        1297.41           434.6          333.02

Cursor / DeepSeek AI 编程助手专享 Prompt

我需要使用 Python 编写一个跨市场 ETF 轮动选股策略。
请写一段基于 `quantdash` SDK 的代码，导入客户端类（from quantdash import QuantDash; qd = QuantDash(api_key="sk_xxxxx")），分别获取 SPY.US、02800.HK 和 510300.SH 过去 30 天的前复权日 K 线（period="1d", adjust="qfq", to_dataframe=True）。提取收盘价并合并成一个以 trade_date 为对齐标准的 DataFrame。

总结与“三步走”落地指引

评论