实盘笔记：港股策略失效？可能你的行情源选错了

做量化最痛苦的时刻，不是策略没思路，而是回测收益率200%，实盘却在亏钱。最近在优化一个港股T+0策略时，我再次深刻体会到“数据颗粒度”对交易结果的毁灭性影响。

很多交易者习惯了券商提供的快照数据（Snapshot），往往是3秒甚至5秒刷新一次。这对于看日线的长线投资没问题，但对于量化策略，这几秒钟的真空期就是黑箱。港股的盘口变化极快，必须使用基于 WebSocket 的实时 Tick 数据流。

为什么轮询在实盘中行不通？ 当你用 requests.get 去请求数据时，你不仅面临着网络RTT延迟，还时刻悬着一把“API限流”的达摩克利斯之剑。一旦请求过快被封IP，整个策略就瞎了。而长连接模式下，服务器有新成交就推给你，延迟通常控制在毫秒级。

在实战部署中，数据的“无感切换”也非常重要。很多团队在从A股拓展到港美股时，会发现代码要重写，因为数据格式变了。这时候，选择那些能够提供跨市场统一数据格式的源头（比如类似 AllTick API 这种将多市场数据结构化的服务）就显得很有前瞻性，它能确保你的策略逻辑不用因为换了个市场就推倒重来。

这就好比无论开法拉利还是拖拉机，方向盘的操作逻辑得是一样的。

分享一段我在实盘环境中使用的基础订阅脚本，剥离了复杂的风控逻辑，只保留最核心的行情获取部分：

import websocket
import json

def on_message(ws, message):
    data = json.loads(message)
    if "data" in data:
        tick = data["data"]
        price = tick.get("last_price")
        ts = tick.get("timestamp")
        print(f"price={price}, time={ts}")

def on_open(ws):
    subscribe_msg = {
        "cmd": "subscribe",
        "args": {
            "symbol": "HKEX:HSI",
            "type": "tick"
        }
    }
    ws.send(json.dumps(subscribe_msg))

if __name__ == "__main__":
    ws = websocket.WebSocketApp(
        "wss://stream.alltick.co",
        on_open=on_open,
        on_message=on_message
    )
    ws.run_forever()

拿到了这些高频的 last_price 和 timestamp，你才能精准地计算盘口压力，判断资金流向。记住，在量化战场上，比别人快0.1秒看到价格，就是你的护城河。

实盘笔记：港股策略失效？可能你的行情源选错了

评论