supermind logo
同花顺logo

A 股实时行情低延迟获取与解析：WebSocket 实战方案

用户头像sh_****447dvu
2026-04-16 发布

在量化策略研发与实盘运行过程中，实时行情数据的时效性、稳定性与解析效率，直接影响信号生成、委托执行与回测可信度。本文基于实战场景，提供一套可直接落地的 A 股实时行情获取与数据处理方案，面向策略研究者与量化投资者做技术交流。

一、传统数据获取方式的瓶颈

早期以 HTTP 轮询为主的行情采集方式，在实盘与高频策略中存在明显局限：

  1. 轮询延迟固定，行情剧烈波动时数据更新滞后
  2. 频繁请求造成资源冗余，易触发限流与丢包
  3. 无法满足多标的并行订阅与全市场扫描需求
  4. 数据结构不统一，回测与实盘数据难以对齐

对于依赖tick 级数据的策略模型，上述问题会直接导致策略表现失真。

二、基于 WebSocket 的实时行情订阅方案

相比 HTTP 轮询，WebSocket 长连接可实现服务端主动推送，连接持久、延迟更低、吞吐量更高，更适合量化系统使用。

本文以 AllTick API 为数据源，支持 A 股全市场 tick 实时推送，数据格式规范，可直接对接策略、回测框架与数据存储模块。

标准接入流程：

  1. 获取 API 访问凭证
  2. 建立 WebSocket 长连接
  3. 订阅目标证券代码
  4. 回调接收 tick 数据并解析
  5. 标准化后用于策略计算 / 回测 / 入库

三、完整实现代码（可直接部署）

1. 建立连接与标的订阅

import websocket
import json

def on_message(ws, message):
    tick = json.loads(message)
    # 实时数据入口，可接入策略逻辑
    print(f"{tick['symbol']} 价格:{tick['price']} 成交量:{tick['volume']}")

def on_open(ws):
    # 订阅目标标的
    sub_pkg = {
        "action": "subscribe",
        "symbols": ["sh000001", "sz000001"]
    }
    ws.send(json.dumps(sub_pkg))

# 初始化并启动长连接
ws = websocket.WebSocketApp(
    "wss://api.alltick.co/ws/stock",
    on_open=on_open,
    on_message=on_message
)
ws.run_forever()

2. tick 数据标准化解析

统一数据结构，确保回测与实盘使用同一份解析逻辑：

def parse_tick(tick):
    symbol = tick["symbol"]
    price = float(tick["price"])
    volume = int(tick["volume"])
    prev_close = float(tick["prev_close"])
    change = price - prev_close
    pct_chg = (change / prev_close) * 100
    return {
        "symbol": symbol,
        "price": price,
        "volume": volume,
        "change": change,
        "pct_chg": pct_chg,
        "time": tick.get("time")
    }

3. 动态订阅管理（优化性能）

支持策略运行期动态增减订阅，降低无效数据处理：

# 初始订阅
ws.send(json.dumps({"action": "subscribe", "symbols": ["sh600000", "sz000002"]}))

# 新增订阅
ws.send(json.dumps({"action": "subscribe", "symbols": ["sz300750"]}))

# 取消订阅
ws.send(json.dumps({"action": "unsubscribe", "symbols": ["sh600000"]}))

四、高可用部署关键要点

为满足策略 7×24 小时稳定运行，建议补充以下机制：

  1. 自动重连：网络中断后自动重建连接，恢复订阅
  2. 快照补全：启动 / 重连时拉取快照数据，保证状态完整
  3. 异步处理：数据解析与策略逻辑异步执行，不阻塞接收线程
  4. 数据校验：对价格、成交量做异常值过滤，提升策略鲁棒性

五、应用价值与适用场景

本方案在量化实战中具备明确落地价值：

  • 提升tick 级别策略的信号实时性与执行精度
  • 统一实盘与回测的数据结构，降低数据偏差
  • 支持多标的并行订阅，适配行业轮动、截面选股等模型
  • 轻量化接入，可快速集成到现有量化框架
  • 适用于：高频策略、实时风控、行情监控、数据中台采集

六、总结

在量化策略研发体系中，数据链路是底层基础。WebSocket 推送模式相比传统轮询，在延迟、吞吐量与稳定性上更适合 A 股实盘环境。标准化解析与动态订阅管理，可进一步提升策略运行效率与数据质量。

欢迎社区同仁就行情接入、数据处理、策略对接等方向交流优化方案。

评论