跨市场量化策略写了一半，发现美股数据用一个接口、A股用另一个、港股还得再申请一个；免费接口昨天还能跑，今天字段就变了；所谓"实时行情"，实际延迟十几秒。个人做全球股票策略，最容易低估的不是策略难度，而是多市场数据源的工程成本决定了策略能跑多远。 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，跨市场统一数据又该怎么搭。 先说结论：不要迷信"一个数据源包打天下" 个人开发者做全球股票，比较稳妥的方案不是找到一个万能API，而是按需求分层： 数据层 主要用途 适合的选择 历史研究层 日线、财务、指数成分、因子研究 本地数据库+免费历史接口 盘中行情层 实时快照、K线、跨市场比价 统一格式的实时行情API 交易验证层 持仓、委托、成交 券商交易接口 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；如果策略依赖跨市场比价、盘口或实时资金流，免费网页数据再省钱也可能把策略做废。 常见全球股票数据源横向对比 数据源 覆盖市场 实时能力 接口稳定性 使用成本 更适合谁 Yahoo Finance 全球主要市场 较弱（延迟明显） 依赖网页，偶尔限流 低 学习、原型验证、低频分析 Alpha Vantage 美股为主 一般 较规范，但调用频率受限 免费额度有限 美股日频研究、入门项目 Tushare Pro A股为主 一般 较规范 按积分权限 A股因子研究、财务分析 AKShare A股+部分海外 一般 依赖上游网页 低 多市场探索、数据抓取 iTick 美股/A股/港股/日股/印股 较强 API化接入 需申请Token 跨市场策略、实时监控、多市场并行 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。 只做日频选股和做跨市场实时比价讨论"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。 免费数据源：适合研究，不宜裸奔进生产 Yahoo Finance和AKShare这类免费源最大的优势是覆盖面广、上手快。股票、基金、指数都能在一个Python包里调用，很适合验证想法。 它们的不确定性也很明显：部分接口封装自公开网页，上游页面结构、参数或反爬策略发生变化，接口可能随之失效。Yahoo Finance的免费接口经常限流，高频调用会被封IP；AKShare的部分字段依赖网页解析，页面一改就挂。 适合它们的任务包括： 快速验证一个因子有没有研究价值 抓取低频公开数据做一次性分析 学习不同市场的代码格式和交易规则 不建议把单一免费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。 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。 统一实时行情API：跨市场策略的工程解法 做跨市场策略的时候，最头疼的不是单市场数据拿不到，而是每个市场用一个接口，代码维护成本爆炸。美股用一个SDK，A股用另一个，港股还要再申请一个Token，时间戳格式不一样，字段命名不一样，出了问题都不知道查哪头。 统一实时行情API的思路是：用一套接口格式、一个认证Token，覆盖多个市场。看几个实际能力： import requests API_BASE = "https://api.itick.org" TOKEN = "your_token_here" headers = {"accept": "application/json", "token": TOKEN} # 同一份代码，换个region就能拿不同市场的数据 def get_quote(region, code): resp = requests.get( f"{API_BASE}/stock/quote", headers=headers, params={"region": region, "code": code} ) return resp.json()["data"] # 美股苹果 us = get_quote("US", "AAPL") # A股贵州茅台 cn = get_quote("CN", "600519") # 港股腾讯 hk = get_quote("HK", "00700") # 日股丰田 jp = get_quote("JP", "7203") # 印股Reliance in_ = get_quote("IN", "RELIANCE") print(f"美股AAPL: {us['ld']} ({us['chp']}%)") print(f"A股600519: {cn['ld']} ({cn['chp']}%)") print(f"港股00700: {hk['ld']} ({hk['chp']}%)") 同一份get_quote函数，换个region参数就能拿五个市场的数据。这种统一格式对跨市场策略开发来说，工程价值很大——不用维护五套代码，出了问题查一个接口就行。 WebSocket实时推送也是统一格式： import json import websocket WS_URL = "wss://api.itick.org/stock" TOKEN = "your_token_here" authenticated = False def on_message(ws, message): global authenticated payload = json.loads(message) # 等鉴权成功 if payload.get("resAc") == "auth" and payload.get("code") == 1 and not authenticated: authenticated = True # 同时订阅美股和港股 ws.send(json.dumps({ "ac": "subscribe", "params": "AAPL$US,00700$HK", "types": "quote" })) return data = payload.get("data") or {} if data.get("type") == "quote": print(f"{data['s']}: {data['ld']} ({data['chp']}%)") ws = websocket.WebSocketApp(WS_URL, header=[f"token: {TOKEN}"], on_message=on_message) ws.run_forever() 一个WebSocket连接同时订阅美股和港股，不用维护两个连接。这种统一设计在做跨市场实时监控的时候特别省心。 注意几个容易踩的坑： 各市场代码格式不一样：美股是AAPL，A股是600519，港股是00700，日股是7203 印度股票订阅格式特殊，是三个参数：RELIANCE$NSE$IN 时间戳都是毫秒，直接当秒数处理会出错 交易时间不一样，美股晚上才开盘，做跨市场监控要注意时间窗口 不同策略到底应该怎么选 只做单市场日频选股和回测 推荐组合是免费历史接口加本地数据库（DuckDB、Parquet或PostgreSQL）。行情收盘后增量更新一次即可，不需要持续轮询实时接口。 预算非常有限时，用免费源建主库，再用实时API补充盘中数据。 做多市场对比和跨市场监控 这时候统一实时行情API的价值就出来了。历史数据可以用免费源，但盘中实时监控需要一个稳定、格式统一的接口。不然你美股用一个SDK、A股用另一个，代码维护成本会吃掉你做策略的时间。 做AH股溢价、中美比价这类跨市场价差策略 这类策略需要同时拿两个市场的实时价格，时间戳一致性很重要。用两个不同接口的数据，时间戳对不上，算出来的价差不准。统一接口的好处是两边的数据来自同一个服务，时间戳一致性好很多。 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。 选型建议总结 预算接近零、还在学习阶段：用免费接口，先把研究流程和本地数据仓库跑通。 主要研究单市场日频因子和财务数据：用单市场的专业历史接口做研究主库，免费接口补充缺失字段。 做跨市场对比、AH溢价、多市场实时监控：重点测试统一格式的实时行情API，用历史主库补齐长期样本。 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。 接口的具体参数和返回字段说明，可以参考官方文档对照着写，比自己猜参数靠谱多了。 GitHub：https://github.com/itick-org/ 一、策略思路 只做两只 ETF：进攻端用红利低波 ETF，防守端用十年期国债 ETF，二选一满仓持有，不做杠杆、不做空、不做日内。用日线级别的趋势信号判断该持有哪一边，T 日收盘出信号、T+1 开盘调仓，单边佣金万 0.5。 二、回测结果 指标 策略 基准（红利低波ETF） 累计收益 +366% +139% 年化收益 22.0% 12.4% 最大回撤 -14.2% -16.5% 卡玛比率 1.55 0.75 Beta 约 0.2 1.0 回测区间 2019-01 ~ 2026-10，初始资金 10 万，按不复权真实价格成交。 三、交易特征 7 年半只调仓 25 次，平均持有 103 天，年化换手不到 2 次——交易成本几乎可以忽略，也不用担心冲击成本。 13 次买入、12 次完整平仓，12 笔全部盈利，单笔收益 +8% ~ +19%。 持仓分布约 2/3 时间在红利低波 ETF、1/3 时间在国债 ETF，所以和宽基指数的相关性很低，适合当组合里的低波卫星仓位。 谷歌开放AI自建应用：让AI写跨市场行情App要过12关 让 AI 写一个跨市场行情面板只要两分半，模拟数据下一切正常；接上真实接口，第一屏全是“数据获取失败”。我用同一个 AI 写了5份行情代码：不给资料的3份，在适用的检查项里错了27处；先让它查一遍真实接口的2份，只错1处。这是一份让 AI 写行情 App 的全景指南，12道关，附提示词模板和自检脚本。 10月13日，谷歌宣布：美国18岁以上的用户，可以用 Google AI Studio 让 AI 做一个只给自己用的 App，直接通过 Google Play 运行；之后还能分享给信任的朋友，想公开上架，要先过安全审核。谷歌负责人的说法是，Play 商店要从“总有一个 App 适合这件事”变成“总有一个 App 是给我的”。 国内也一样热。证券时报9月28日报道，券商正在成批上线智能体；一家大模型公司给数十家头部金融机构的方案，把“权威数据源”放在了第一位。柯林斯词典早在2025年就把“vibe coding”（凭感觉写代码）选为年度词汇。 人人都能让 AI 写 App 了。可如果你让 AI 写的是一个行情 App，“只给自己用”也不安全，它算错的是你的钱。 我做了一个实验。同一个主流 AI 编程助手，三段老板、产品经理、个人投资者都会说的普通需求，一共写了5份行情代码： 不给任何资料的3份，对照真实接口逐项检查，适用的30项里错了27项； 写之前先让它通过 MCP 查一遍真实接口的2份，适用的20项里只错了1项。 不给资料的那3份，AI 在交付说明里都老老实实写着一句话：路径、参数、字段，“都是我猜的”。 AI 写得出能跑的行情 App，写不出知道自己在显示什么的行情 App。它缺的不是编程能力，是两样东西：你接的接口长什么样，行情数字背后的规则是什么。 这篇写给想用 AI 做行情产品的老板、产品经理和开发者，也写给想让 AI 帮自己写盯盘脚本的投资者。读完你能带走： 一次5份代码的对照实验，和三张没修饰过的截图 让 AI 写行情 App 要过的12道关：每一关 AI 会怎么写错、代价多大、提示词里该怎么写 一段复制即用的提示词模板 一段“接口事实卡”脚本：写代码前先把真实接口的事实取出来，贴给 AI 6件 AI 替你决定不了、必须人来拍板的事 一、一次实验：同一个AI，5份行情代码 不给资料，AI 靠“常见写法”猜接口；先查一遍真实接口，它几乎不犯低级错。 实验怎么做 我准备了三段需求，都是现实里最常见的说法： 编号 需求原话（节选） 谁会这么说 A “帮我写一个跨市场行情面板，3小时内要能上线给老板看……React 单文件，后端用 Flask 做个转发，能跑就行” 产品经理、外包团队 B “只要一个 HTML 文件，不要后端，双击打开就能看，今天下午要给老板演示” 赶时间的任何人 C “我是个人投资者，帮我用 Python 写一个盯盘脚本……算一下持仓市值和今日盈亏，统一换算成人民币” 个人投资者 六个品种和系列前两篇一致：A股寒武纪、港股腾讯、美股苹果、黄金、比特币、标普500。 每段需求先在“不给资料”的条件下写一遍（A0、B0、C0）。A 和 C 再在“先查接口”的条件下各写一遍（A1、C1）：动笔前，让 AI 用 MCP 工具对每个品种实际调一次接口，同时给它一份官方接口要点。B 的场景是“双击就能看的单文件”，没有做第二轮。 结果：先查接口，错误从27处降到1处 我把每份代码对照2026年10月14日上午实测的真实接口返回，按12个检查项逐项判定： 几个数字： 不给资料：三份代码分别用了81、104、154秒写完，最长的778行。适用的检查项 A0 错10/12，B0 错10/10，C0 错7/8。 先查接口：两份代码用了237秒和319秒，只多花2到3分钟。A1 错1/12（价格转成了浮点数），C1 全对。 先查接口的两份代码，交付时各列了一串“需要你确认”的问题，比如“今日”按北京时间0点还是 UTC 0点算、美股夜盘算不算进盈亏。这些问题本来就该人来回答，第四部分细说。 三张截图：演示、接真接口、改对路径 我把 A0 的代码原样跑起来，分三步截图。真实数据是10月14日09:56通过接口取得的单次返回，按官方路径回放给它： 给老板演示时：一切正常。可价格是 AI 编的，寒武纪1,277元、比特币10.9万；右上角还弹出一条“黄金大跌2.79%”的提醒，同样是编的。 接上真实接口：每一行都是“数据获取失败”，AI 猜的快照路径根本不存在。这时页面左上角挂着一个“实时”标签。 只把路径和参数改对：价格出来了，问题也露出来了。成交量、成交额整列是“—”，买一卖一几乎全空；涨幅榜第一名是比特币，用的是滚动24小时的涨幅；苹果显示341.27美元，那是几个小时前的美股收盘价，页面上没有时间。 AI的行情常识停在哪一天 三份“不给资料”的代码都带了一套演示数据。AI 自己说这些数是随手编的，但它编出来的数，暴露了它的“常识”停在哪一天： 演示价格编错了，标个“模拟数据”就算了。真正危险的是 C0 写死的汇率：美元兑人民币7.10、港元兑人民币0.91，取不到实时汇率时就用它兜底。而当天真实的是6.6927和0.8527。 它猜的港元汇率代码在接口里不存在，所以港元会直接退回0.91，仅腾讯500股一项，持仓市值就多算约1.2万元。如果两个汇率都退回写死值，整个持仓（真实约115.99万元）会被高估约5.98万元，高5.2%。脚本不会报错，只会安静地显示一个更好看的数字。 二、全景地图：让AI写行情App要过的12关 12道关分三层：接得上、显示对、上得了线。AI 不给资料时，几乎每一关都会栽。 第一层决定代码能不能跑，第二层决定显示的数对不对，第三层决定敢不敢上线。第二层的8关，正好对应系列第一篇讲的“价格身份证”五格：品种、时段、算法、时间、状态。 下面每一关都按同一个顺序写：AI 不给资料时怎么写 → 真实接口是什么样 → 代价 → 提示词里怎么写。 第一层 接得上：接口路径、字段名、数字精度 ① 接口路径和参数 AI 怎么写：三份代码猜了三种路径，/quote、/quotes，还有直接请求根地址；A0 把参数写成单数 symbol，三份都没传资产类型。 真实接口：快照是 /ticker，参数是 symbols（逗号分隔，可批量）加 type。 代价：第一屏全部报错。更隐蔽的是不传资产类型：系列第一篇实测过，“000001”同时是平安银行和上证指数，接口会报歧义错误；换一家会替你猜的接口，你的自选里就会出现一个3,808元的“平安银行”。 提示词：“先调用真实接口，以返回为准，不要按常见写法猜路径和参数；每个品种写明资产类型。” ② 字段名 AI 怎么写：成交量按 volume、vol 取，成交额按 amount、turnover、quote_volume 取，涨跌幅按 change_pct 一类取。B0 和 C0 一口气列了七八个候选名，挨个试。 真实接口：volume_24h、quote_volume_24h、price_change_percent_24h。最新价 last_price 猜中了，这三个一个都没猜中。 代价：路径改对以后，这三列依然是“—”；涨跌幅取不到，AI 就自己拿前收重算，算法问题被藏得更深（见第⑤关）。 提示词：“字段名以真实返回为准；取不到的字段报错，不要用候选名挨个试。” ③ 数字精度 AI 怎么写：三份代码都把价格转成浮点数再算。 真实接口：价格、成交额都以字符串返回，比如 "4155.87000"、"83400.01000000"，保留了数据源给的精度。 代价：显示一个价格时看不出来，一旦算持仓市值、累计成交额，浮点误差会一路带进报表和对账。先查接口的 A1 也栽在这一关，C1 用了十进制计算。 提示词：“价格和金额保留字符串，计算用十进制，不要直接转浮点数。” 第二层 显示对：单位、窗口、时段、时间、零值、盘口、K线、币种 ④ 成交量单位 AI 怎么写：成交量不带单位，统一按“万、亿”格式化。 真实接口：寒武纪的成交额÷成交量÷价格约等于100，成交量按手（100股）计；腾讯约等于1，按股计。先查接口的 A1 自己算出了这个比值，把A股成交量乘了100。 代价：A股成交额、换手率、大单筛选全部差100倍（系列第一篇返工点②）。 提示词：“每个市场的成交量写明单位；用成交额÷成交量÷价格自检。” ⑤ 涨跌幅窗口 AI 怎么写：用（现价−前收）÷前收自己算，涨幅榜直接混排，超过±2%就提醒。 真实接口：股票按当个交易日；比特币是滚动24小时；黄金没有官方收盘价，前收落在哪根K线要看数据源怎么切日。 代价：截图里涨幅榜第一名是比特币，它比的是“过去24小时”，其他品种比的是“今天”，名次没有可比性。系列第二篇实测过，同一刻同一个金价，涨跌可以是−0.69%，也可以是+0.24%，提醒一家响一家不响。 提示词：“每个涨跌幅标明窗口；跨市场排序或提醒前，先按同一个窗口重算。” ⑥ 美股时段 AI 怎么写：只读主快照的价格，忽略接口里的盘前、盘后、夜盘对象。 真实接口：北京时间上午，苹果主快照341.27美元，时间戳是凌晨4:00（美股收盘）；同一份返回里还有夜盘价341美元，时间是一分钟前。 代价：用户把几个小时前的收盘价当成现价；首页和详情页对不上（系列第二篇场景④）。 提示词：“美股主快照与盘前、盘后、夜盘分开显示，各标时段。” ⑦ 数据时间 AI 怎么写：A0 的列表不显示行情时间；更危险的是一行兜底代码，返回里没有时间戳时，就用“现在”补上。 真实接口：每个快照都带毫秒时间戳，不同品种的时间可以差好几个小时。 代价：一条旧数据会被显示成刚刚更新。盯盘最怕的不是数据慢，是不知道它慢。 提示词：“界面显示每个数字的数据时间；没有时间戳就标‘时间未知’，不要用当前时间代替。” ⑧ 零和没有 AI 怎么写：B0 只过滤空值，标普500的买一卖一会显示成“0.0000”。A0 碰巧没出错：它的写法把“0”当成了空值，这是运气，不是设计。 真实接口：标普500的买价、卖价返回 "0.00000"，成交量返回 "0.00"。指数没有买卖盘，这里的0意思是“没有”。 代价：中间价按（0+0）÷2算成0，指数估值归零；用价差做风控，价差变成0（系列第一篇返工点⑤）。 提示词：“对该品种不适用的字段，即使返回0也显示‘—’。” ⑨ 盘口档数 AI 怎么写：A0 请求盘口时写死 limit=5，前端最多画5档；它的演示数据里，标普500也有5档买卖盘。 真实接口：同一时刻，寒武纪5档、腾讯10档、苹果夜盘只有1档，指数没有盘口。 代价：港股深度丢一半；演示给老板看的，是一份根本不存在的指数盘口。用户照着假深度下单，是最贵的一种错（系列第一篇返工点⑦）。 提示词：“盘口按接口实际返回的档数画，不截断、不补档；不支持的市场写‘不支持’。” ⑩ K线时间戳 AI 怎么写：K线时间戳统一处理，最后一根不做标记。 真实接口：09:56查寒武纪5分钟K线，最后一根标着10:00，它还在走；A股K线标的是每根的结束时刻，港股标的是开始时刻（由返回结果推断）。先查接口的 A1 发现了这一点，把A股统一减了5分钟。 代价：A股和港股叠在一张图上错开一根；回测会提前用到5分钟后才有的数据。 提示词：“写明K线时间戳是开始还是结束，最后一根标‘未结束’。” ⑪ 币种与汇率 AI 怎么写：A0、B0 把人民币、港元、美元的成交额都格式化成“万、亿”，不标币种；C0 汇率取不到时用写死的7.10和0.91。 真实接口：当天美元兑人民币6.6927，港元兑人民币0.8527。先查接口的 C1 从接口取汇率，还发现港元汇率要换一个代码才取得到。 代价：前面算过，同一组持仓最多高估约5.98万元。 提示词：“不同币种不直接相加；汇率从接口取，取不到就报错，不用写死的数。” 第三层 上得了线：密钥、模拟数据、刷新频率 ⑫ 密钥与模拟数据 AI 怎么写：B0 按需求把 API Key 明文写进了 HTML（它自己提醒了：“把这个文件发给别人，就等于把 key 也给了别人”）；接口连续失败3次，页面会自动切到模拟数据，只挂一条黄色横幅。A0 把 Key 放在服务端，模拟数据也挂了醒目标签，这一关做得对。 真实情况：GitGuardian 2026年的报告统计，2025年公开 GitHub 上新泄露的密钥约2,865万个，同比增长34%；带 AI 编程助手署名的提交，泄露比例约是平均水平的2倍。 代价：Key 被盗刷、额度被用光；更难发现的是“自动切到模拟数据”，演示时数字一直在跳，没人会想到它是假的。 提示词：“API Key 只放服务端或环境变量；没有真实数据时页面醒目标出‘模拟数据’，不自动切换。” 上线前还有两件事 AI 一般不会主动问：刷新频率和失败处理。B0 按需求每秒刷新一次；A0、B0 都提醒了要注意调用频率限制，但都说不清额度是多少。一个页面每秒打一次接口，多开几个标签页就可能触发限流，限流以后整页空白。请求频率、限额、失败后显示什么，要在上线前问清楚。 12关一张表 关 AI 不给资料时的典型写法 正确做法 对应前文 ① 接口路径和参数 猜/quote，不传资产类型 先查真实接口，写明类型 系列第一篇① ② 字段名 七八个候选名挨个试 以真实返回为准，取不到就报错 ③ 数字精度 转浮点数 字符串保留，十进制计算 ④ 成交量单位 不带单位 按市场写单位，比值自检 系列第一篇② ⑤ 涨跌幅窗口 自己重算，直接混排 标窗口，同窗口重算再排 系列第二篇 ⑥ 美股时段 只读主快照 各时段分开显示 系列第一篇③ ⑦ 数据时间 不显示，缺了用“现在”补 每个数字带时间 ⑧ “0”和“没有” 0照常显示 不适用显示“—” 系列第一篇⑤ ⑨ 盘口档数 写死5档，演示造档 按实际返回画 系列第一篇⑦ ⑩ K线时间戳 统一处理 标开始或结束，末根标未结束 系列第一篇⑥ ⑪ 币种与汇率 混币种、写死汇率 分币种，汇率从接口取 ⑫ 密钥与模拟数据 Key 写进前端，失败自动切模拟 Key 放服务端，模拟数据醒目标注 这张表就是上线前的体检清单：12项逐项打勾，打不上勾的那一项，就是上线后的第一个工单。 三、为什么AI会这样：它缺的是事实，不是能力 AI 没见过你的接口，只能按“常见写法”补全；行情规则不在任何通用知识里，它不知道要问。 它在猜，而且猜得很自信。这不是行情接口独有的毛病。美国三所大学的研究人员测试了16个代码生成模型，模型推荐的软件包里约19.7%根本不存在；商用模型约5.2%，开源模型约21.7%。AI 编出一个不存在的接口路径，和编出一个不存在的软件包，是同一种行为。 它的常识停在学习的那一天。价格、汇率、交易规则都在变。今年7月6日起A股多了一段15:05到15:30的盘后固定价格交易，11月1日美国结束夏令时，11月16日起港股开始统一每手股数。这些 AI 都可能不知道，前面那张“行情常识”表就是证据。 行情规则不在通用知识里。成交量按手还是按股、涨跌幅按哪个窗口、K线时间戳标开始还是结束，每个市场、每家数据源都不一样。AI 不知道这里有坑，也就不会问。 差一点就对最贵。Stack Overflow 2025年开发者调查：80%的开发者在工作中用 AI 工具，但信任 AI 准确性的只有29%；45%的人把“差一点就对的 AI 代码”列为头号烦恼，66%的人说花在修这类代码上的时间变多了。行情 App 恰恰是“差一点”的重灾区：页面能跑，数字看着合理，错在单位和窗口里。 安全问题不会自己消失。Veracode 2025年测试了100多个大模型、80个编程任务，45%的情况下 AI 写出的代码引入了安全漏洞，Java 的失败率超过70%。 这五条加起来，结论很简单：AI 缺的是事实，补上就好。补事实的办法也很简单：让它先查真实接口，再动笔。 四、正确姿势：先查、再写、人拍板 先让 AI 看到真实接口，再把行情规则写进提示词，最后用12项清单验收。定义类的问题，留给人。 1. 先查：让AI看到真实接口 两种做法，选一种： 你的 AI 工具支持 MCP：像实验里的 A1、C1 一样，在需求前加一句“先调用真实接口，看到返回再写代码”。AI 会自己调几次接口，把字段、单位、时段看一遍。 不支持 MCP：先跑一遍下面这段“接口事实卡”脚本，把输出贴进对话框。它只做一件事：把真实返回里和“价格身份证”有关的事实整理成 AI 能读的说明。 # 测试环境：Python 3.11 # 用途：写代码之前，先把真实接口的“事实”取一遍，生成一段可以直接贴给 AI 的说明 import os import sys import time from decimal import Decimal import requests API_KEY = os.getenv("TICKDB_API_KEY") # 只放在环境变量或服务端 BASE_URL = "https://api.tickdb.ai/v1/market" WATCHLIST = { # 资产类型逐个写明，不靠代码后缀猜 "688256.SH": "stock", "700.HK": "stock", "AAPL.US": "stock", "XAUUSD": "forex", "BTCUSDT": "crypto", "SPX": "indices", } WINDOW = {"stock": "当个交易日（美股为常规盘）", "forex": "按数据源切日，需确认切日时刻", "indices": "上一交易日收盘", "crypto": "滚动24小时"} def get_tickers(type_, symbols): resp = requests.get(f"{BASE_URL}/ticker", params={"symbols": ",".join(symbols), "type": type_}, headers={"X-API-Key": API_KEY}, timeout=10) body = resp.json() if resp.status_code != 200 or body.get("code") != 0: raise RuntimeError(f"{type_}: HTTP {resp.status_code}, code={body.get('code')}, {body.get('message')}") return body["data"] def is_zero(v): try: return Decimal(str(v)) == 0 except Exception: return False def facts(q, type_, now_ms): lines = [f"- {q['symbol']}（type={type_}）"] lines.append(f" 返回字段：{', '.join(sorted(k for k in q if not isinstance(q[k], dict)))}") lines.append(f" 数值是字符串（如 last_price=\"{q.get('last_price')}\"），计算请用十进制，不要直接转浮点") lines.append(f" 涨跌幅字段 price_change_percent_24h=\"{q.get('price_change_percent_24h')}\"（已是百分数），窗口：{WINDOW[type_]}") age_h = (now_ms - q["timestamp"]) / 3_600_000 lines.append(f" 数据时间距现在 {age_h:.1f} 小时；界面必须显示数据时间，不要用当前时间代替") vol, amt, last = q.get("volume_24h"), q.get("quote_volume_24h"), q.get("last_price") if vol and amt and not is_zero(vol): ratio = Decimal(amt) / Decimal(vol) / Decimal(last) unit = "手（100股）" if ratio > 50 else "股或币" lines.append(f" 成交额÷成交量÷价格 ≈ {ratio:.1f} → 成交量单位推断为：{unit}（接入前以文档确认）") elif amt is None: lines.append(" 没有成交额字段：显示“—”，不要补0，也不要自己算") for k in ("bid_price", "ask_price", "volume_24h"): if k in q and is_zero(q[k]): lines.append(f" {k} 返回 \"{q[k]}\"：对这个品种表示“没有”，显示“—”，不要显示0") if type_ == "stock" and "bid_price" not in q: lines.append(" 快照里没有买一卖一：需要另调盘口接口，或在界面上写明“无”") for k in ("pre_market_quote", "post_market_quote", "overnight_quote"): if k in q: sub = q[k] lines.append(f" {k}：last_done={sub.get('last_done')}，前收={sub.get('prev_close')}，" f"距现在 {(now_ms - sub['timestamp']) / 3_600_000:.1f} 小时；与主快照分开显示，各标时段") return lines def main(): if not API_KEY: sys.exit("请先设置环境变量 TICKDB_API_KEY") now_ms = int(time.time() * 1000) by_type = {} for sym, t in WATCHLIST.items(): by_type.setdefault(t, []).append(sym) print("【接口事实卡】以下内容来自真实接口返回，写代码时以此为准：") for t, syms in by_type.items(): got = {q["symbol"]: q for q in get_tickers(t, syms)} for sym in syms: if sym not in got: print(f"- {sym}：接口没有返回这个代码，先确认代码写法和资产类型") continue print("\n".join(facts(got[sym], t, now_ms))) if __name__ == "__main__": main() 用10月14日09:56的实测数据跑出来的结果（节选三个品种）： 【接口事实卡】以下内容来自真实接口返回，写代码时以此为准： - 688256.SH（type=stock） 返回字段：category, high_24h, last_price, low_24h, name, open, prev_close, price_change_24h, price_change_percent_24h, quote_volume_24h, symbol, timestamp, type, volume_24h 数值是字符串（如 last_price="976.8"），计算请用十进制，不要直接转浮点 涨跌幅字段 price_change_percent_24h="0.03"（已是百分数），窗口：当个交易日（美股为常规盘） 数据时间距现在 0.0 小时；界面必须显示数据时间，不要用当前时间代替 成交额÷成交量÷价格 ≈ 99.5 → 成交量单位推断为：手（100股）（接入前以文档确认） 快照里没有买一卖一：需要另调盘口接口，或在界面上写明“无” - AAPL.US（type=stock） 返回字段：high_24h, last_price, low_24h, name, open, prev_close, price_change_24h, price_change_percent_24h, quote_volume_24h, symbol, timestamp, type, volume_24h 数值是字符串（如 last_price="341.27"），计算请用十进制，不要直接转浮点 涨跌幅字段 price_change_percent_24h="0.09"（已是百分数），窗口：当个交易日（美股为常规盘） 数据时间距现在 5.9 小时；界面必须显示数据时间，不要用当前时间代替 成交额÷成交量÷价格 ≈ 1.0 → 成交量单位推断为：股或币（接入前以文档确认） 快照里没有买一卖一：需要另调盘口接口，或在界面上写明“无” pre_market_quote：last_done=345.27，前收=340.97，距现在 12.4 小时；与主快照分开显示，各标时段 post_market_quote：last_done=340.311，前收=341.27，距现在 1.9 小时；与主快照分开显示，各标时段 overnight_quote：last_done=341，前收=341.27，距现在 0.0 小时；与主快照分开显示，各标时段 - SPX（type=indices） 返回字段：ask_price, bid_price, high_24h, last_price, low_24h, name, open, prev_close, price_change_24h, price_change_percent_24h, symbol, timestamp, type, volume_24h 数值是字符串（如 last_price="7805.45000"），计算请用十进制，不要直接转浮点 涨跌幅字段 price_change_percent_24h="-0.02"（已是百分数），窗口：上一交易日收盘 数据时间距现在 0.0 小时；界面必须显示数据时间，不要用当前时间代替 没有成交额字段：显示“—”，不要补0，也不要自己算 bid_price 返回 "0.00000"：对这个品种表示“没有”，显示“—”，不要显示0 ask_price 返回 "0.00000"：对这个品种表示“没有”，显示“—”，不要显示0 volume_24h 返回 "0.00"：对这个品种表示“没有”，显示“—”，不要显示0 这几行就是 AI 最缺的东西：成交量单位、数据时间、哪些0其实是“没有”、美股的时段对象。把它贴在需求前面，第一层的三关和第二层的大半关卡，AI 就有了依据。 2. 写规则：复制即用的提示词模板 查到的是事实，规则还得你告诉它。下面这段模板，每一条都对应实验里 AI 实际犯过的一个错，放在需求前面一起发： 你要写一个跨市场行情应用。动手前先做两件事： 1. 先调用真实接口（MCP 工具，或我贴给你的“接口事实卡”），以真实返回为准，不要按常见写法猜路径、参数和字段名。 2. 不确定的定义先列出来问我，不要自己编。 写代码时遵守： - 每个数字同时带上单位、涨跌窗口（当日 / 滚动24小时 / 切日时刻）和数据时间。 - 价格和金额保留字符串或用十进制计算，不要直接转成浮点数。 - 接口没返回、或返回0但对该品种不适用的字段，显示“—”，不补0，不编造。 - 美股主快照与盘前、盘后、夜盘分开显示，各标时段。 - 盘口按接口实际返回的档数画，不截断、不补档；不支持的市场写“不支持”。 - K线写明时间戳是开始还是结束，最后一根标“未结束”。 - 不同币种不直接相加；汇率从接口取，取不到就报错，不用写死的数。 - 跨市场排序或提醒前，先把涨跌幅按同一个窗口重算。 - API Key 只放服务端或环境变量；没有真实数据时页面必须醒目标出“模拟数据”，不自动切换。 3. 验收：12项体检，6件事人来拍板 代码写完，按第二部分那张表逐项打勾。还有6件事，AI 查了接口也替你决定不了。先查接口的两份代码，交付时都主动列出了这些问题： 今日怎么算：北京时间0点、UTC 0点、纽约17:00，还是滚动24小时？ 美股盘后和夜盘算不算：涨跌、市值和提醒用常规盘，还是用最新的延长时段价格？ 稳定币怎么换算：USDT 是否按1美元算？ 提醒规则：跨过阈值提醒一次，还是每次刷新都提醒？用哪个窗口的涨跌幅？ 汇率怎么取：多币种汇总用哪个汇率、哪个时点？ A股除权日：前收用不用除权参考价（系列第二篇场景③）？ 这6件事没有标准答案，但必须有人定、写进文档、显示在界面上。 4. 跨市场为什么更需要统一接口 只做A股，AI 要猜一套字段；做跨市场，如果每个市场各接一家数据源，AI 要猜的是好几套：路径不同、字段名不同、时间戳格式不同、前收的定义不同。实验里不给资料的 AI，光是成交额一个字段就列了七八个候选名，这还只是假设只有一家数据源。 数据源越多，AI 越容易猜错，你要写的“接口事实卡”也越长。规则还在变，每变一次，每一家都得重新核对。所以用 AI 做跨市场行情 App，省事的做法是一套接口覆盖所有市场：AI 只需要学一套字段，事实卡只需要一份，提示词里的规则只需要写一次。 5. 本文实验怎么用的数据接口 TickDB 通过 Skill、MCP、CLI 和 API 为 AI 工具提供结构化市场数据，让模型先取得带标的、字段和时间的事实，再进行分析与表达。 本文“先查接口”那一轮，AI 就是通过 MCP 直接调用它的接口，在写代码前看到了6个品种的真实返回： 能做到 要你自己定 支持 MCP 的 AI 工具可以直接调用接口，写代码前先看到真实字段和数值 上面6件需要拍板的事，接口给不了答案 A股、港股、美股、外汇贵金属、指数、加密资产的快照用同一组字段返回现价、前收和时间戳，AI 只需要学一套 成交量单位、K线时间戳含义，本文由返回结果推断，接入前以文档确认 美股快照里盘前、盘后、夜盘分成独立对象，各带价格和时间；代码有歧义时返回错误，不替你猜 不同套餐的能力不同，盘口、逐笔等以账户权限为准 左边是这次实验能证明的，右边是任何数据源都替代不了的判断。（作者实测，2026年10月13日至14日。） 常见问题 AI写的行情App能直接上线吗？ 不建议。本文实验里，不给资料的3份 AI 代码在模拟数据下都能跑，但对照真实接口，适用的30个检查项错了27个，错在接口路径、字段名、成交量单位、涨跌窗口、美股时段等地方。上线前至少做两件事：让 AI 先查真实接口再写，写完按12项清单逐项检查。 让AI写行情代码的提示词怎么写？ 最重要的一句是“先调用真实接口，以返回为准，不要按常见写法猜”。然后把行情规则写成约束：每个数字带单位、涨跌窗口和数据时间；不适用的字段显示“—”不补0；美股各时段分开显示；盘口按实际档数画；汇率从接口取；Key 只放服务端。完整模板见第四部分。 AI为什么会编造接口路径和字段名？ 因为它没见过你用的接口，只能按训练时见过的“常见写法”补全。学术研究发现，代码模型推荐的软件包里约两成根本不存在，编造接口是同一类问题。解决办法是写代码前先让它看到真实返回：用支持 MCP 的工具直接调接口，或者把接口的真实返回贴给它。 用AI写行情App时API Key放在哪里？ 放在服务端或环境变量里，不要写进前端页面。本文实验中，需求要求“只要一个 HTML 文件、不要后端”时，AI 把 Key 明文写进了页面，只附了一句提醒。GitGuardian 的统计显示，带 AI 编程助手署名的代码提交，泄露密钥的比例约是平均水平的2倍。 跨市场行情App用几家数据源合适？ 能用一家覆盖就用一家。每多一家数据源，AI 就要多猜一套路径、字段和时间格式，你要核对的规则也多一套；规则变化时，每一家都要重新检查。用一套接口覆盖多个市场，AI 的事实卡和提示词都只需要写一份。 最后一个问题 你们现在用 AI 写的那个行情页面，能说出每个数字的单位、窗口和时间吗？ 今天就能做的一件事：把你的需求原封不动发给 AI 之前，先加一句“先调用真实接口，看到返回再写代码”。实验里，这一句只多花了2到3分钟，省掉的是第一屏的全部报错。 AI 写得出能跑的行情 App。让它知道自己在显示什么，是你的事。 参考资料 TechCrunch，[Google Play now lets anyone build private, vibe-coded apps that run on Android]，2026-10-13 证券时报（中证网转载），[智能体浪潮席卷证券业 券商AI转型从单点增效迈向体系重构]，2026-09-28 CNN（经 KRDO 转载），[“Vibe coding” named Collins Dictionary’s word of the year]，2025-11-06 GitGuardian，[The State of Secrets Sprawl Report 2026] Stack Overflow，[2025 Developer Survey results]，2025-07-29 Veracode，[2025 GenAI Code Security Report 新闻稿]，2025-07-30 Spracklen 等，[We Have a Package for You! A Comprehensive Analysis of Package Hallucinations by Code Generating LLMs]；CSO Online 相关报道 亲测最好用的AI编写量化策略工具，可以让 AI 直接生成同花顺Supermind上可运行的策略代码，代码质量远高于直接使用 DeepSeek、GPT等平台。 😃Supermind AI工具入口：https://easyquant.ai/ 大家可以直接向AI描述策略，然后一键生成可运行的完整策略代码，也可以把它当做一个API 查询工具。 做跨境量化或者港股通策略的开发者，接港股数据是绕不开的。港股跟A股有个很特别的联动关系——同一家公司在A股和港股两地上市，价格经常不一样，这就是所谓的AH股溢价。这个价差不仅是金融从业者关心的套利机会，也是技术开发者做跨市场数据监控的典型场景。 这篇从AH股溢价监控这个实际场景出发，讲一下怎么用Python接港股实时行情数据，以及怎么同时拉A股和港股的价格做价差计算。 为什么要接港股数据 一开始我做A股量化的时候，数据都是国内的接口，用得挺顺手。后来想做AH股套利策略，才发现需要同时拿A股和港股两边的实时价格。这时候问题就来了——用两个不同的接口拿两边的数据，时间戳对不上，延迟也不一样，算出来的价差不准。 后来找了一圈，试了几个不同的金融数据接口，最后留下来一直在用的是那种同时覆盖A股和港股的统一数据源——不用维护两套代码，两边的数据时间戳一致性也靠谱很多。现在做跨市场监控，一个key打通多个市场的接口选择其实挺关键的。 港股市场的基本情况 先理一下港股的基本情况，这样看返回数据的时候才知道每个字段是什么意思。 交易时间：上午9:30-12:00，下午13:00-16:00。比A股多半小时，中午也有1小时休市。 代码格式：港股代码是5位数字，比如00700是腾讯、09988是阿里、03690是美团。跟A股的6位数字不一样，传参数的时候要注意位数。 交易货币：港币（HKD）。算AH股溢价的时候要注意汇率换算。 region代码：港股市场region传 HK，A股传 CN。 REST拉取港股报价 先从REST开始，确认数据格式。 import requests API_BASE = "https://api.itick.org" TOKEN = "your_token_here" headers = {"accept": "application/json", "token": TOKEN} # 拉港股实时报价 def get_hk_stock_quote(code): resp = requests.get( f"{API_BASE}/stock/quote", headers=headers, params={ "region": "HK", "code": code } ) return resp.json()["data"] # 拉几只港股大盘股 stocks = ["00700", "09988", "03690"] for code in stocks: q = get_hk_stock_quote(code) sign = "+" if q["chp"] >= 0 else "" print(f"{code}: {q['ld']} ({sign}{q['chp']}%)") 返回字段跟其他市场基本一致：ld最新价、chp涨跌幅、o/h/l开高低、v成交量。做行情看板这些字段够用了。 注意：港股代码是5位数字，传参数的时候要传字符串形式（"00700"），不要传数字。一开始我传了"700"，结果返回空数据——港股代码必须带前导零，5位数字。 WebSocket订阅港股 做实时监控的时候，轮询REST接口效率太低，这时候就得用WebSocket实时推送了。 import json import threading import time import websocket WS_URL = "wss://api.itick.org/stock" TOKEN = "your_token_here" authenticated = False def on_message(ws, message): global authenticated payload = json.loads(message) # 先等鉴权成功 if payload.get("resAc") == "auth" and payload.get("code") == 1 and not authenticated: authenticated = True # 港股订阅格式：代码$市场 ws.send(json.dumps({ "ac": "subscribe", "params": "00700$HK,09988$HK", "types": "quote" })) return if payload.get("resAc") == "pong": return data = payload.get("data") or {} if data.get("type") == "quote": sign = "+" if data["chp"] >= 0 else "" print(f"{data['s']}: {data['ld']} ({sign}{data['chp']}%)") 港股订阅是两个参数（00700$HK），跟美股、A股一样，不是印度那种三个参数。 AH股溢价监控实战 这是港股数据最有技术含量的应用场景——同一家公司在A股和港股两地上市，价格经常不一样。 比如招商银行，A股代码是600036，港股代码是03968。两边的价格理论上应该差不多，但实际上经常有5%-30%的溢价差。这个价差就是量化交易者关心的套利机会。 # AH股溢价监控 # 招商银行：A股 600036，港股 03968 # 中国平安：A股 601318，港股 02318 def get_ah_premium(a_code, h_code, hkd_cny_rate=0.92): """ 计算AH股溢价率 a_code: A股代码 h_code: 港股代码 hkd_cny_rate: 港币兑人民币汇率 """ # 拉A股价格 a_resp = requests.get( f"{API_BASE}/stock/quote", headers=headers, params={"region": "CN", "code": a_code} ).json()["data"] # 拉港股价格 h_resp = requests.get( f"{API_BASE}/stock/quote", headers=headers, params={"region": "HK", "code": h_code} ).json()["data"] # 港股价格换算成人民币 h_price_cny = h_resp["ld"] * hkd_cny_rate # 计算溢价率 premium = (a_resp["ld"] - h_price_cny) / h_price_cny * 100 return { "a_code": a_code, "a_price": a_resp["ld"], "h_code": h_code, "h_price_hkd": h_resp["ld"], "h_price_cny": round(h_price_cny, 2), "premium_pct": round(premium, 2) } # 监控几只AH股 ah_pairs = [ ("600036", "03968"), # 招商银行 ("601318", "02318"), # 中国平安 ("600900", "00900"), # 长江电力 ] for a_code, h_code in ah_pairs: result = get_ah_premium(a_code, h_code) print(f"{result['a_code']} / {result['h_code']}: " f"A股{result['a_price']}元, 港股{result['h_price_hkd']}港币 " f"(≈{result['h_price_cny']}元), " f"溢价{result['premium_pct']}%") 这个脚本跑起来之后，就能看到每只AH股的溢价率了。溢价率过高或者过低的时候，就是套利的机会。 注意：汇率是动态变化的，做实时监控的时候要定期更新汇率，不能写死。 K线数据获取 K线接口跟其他市场一样，只是region传 HK。 def get_hk_kline(code, k_type=8, limit=100): """ k_type: 1=1分钟 2=5分钟 5=1小时 8=日K 9=周K 10=月K """ resp = requests.get( f"{API_BASE}/stock/kline", headers=headers, params={ "region": "HK", "code": code, "kType": k_type, "limit": limit } ) return resp.json()["data"] # 拉腾讯近100根日K daily = get_hk_kline("00700", k_type=8, limit=100) closes = [bar["c"] for bar in daily] # 算20日均线 ma20 = sum(closes[-20:]) / 20 print(f"00700最新收盘: {closes[-1]}, 20日均线: {ma20:.2f}") K线返回标准OHLCV：t时间戳、o/h/l/c开高低收、v成交量。做技术分析直接用这些字段。 港股特有的注意事项 代码是5位数字，带前导零。 港股代码是5位数字（00700、09988），跟A股的6位数字（600519）不一样。一开始我传了"700"，结果返回空数据——港股代码必须是5位，前面补零。 交易时间比A股长半小时。 港股上午9:30-12:00，下午13:00-16:00。比A股多半小时，做跨市场监控的时候要注意两边的交易时间窗口。 交易货币是港币。 港股价格单位是港币（HKD），做AH股溢价计算的时候要换算成人民币。汇率是动态的，不能写死。 港股通标的有限。 不是所有港股都能通过港股通买，做策略的时候要注意标的范围。 时间戳是毫秒。 所有返回的时间戳都是毫秒，直接当秒数处理会得到一个很远的未来时间，记得除以1000。 完整脚本：港股+AH股溢价监控 把前面几块拼起来，最终的完整脚本： import json, time, threading, requests, websocket API_BASE = "https://api.itick.org" WS_URL = "wss://api.itick.org/stock" TOKEN = "your_token_here" headers = {"accept": "application/json", "token": TOKEN} # 港股监控列表 watchlist = ["00700", "09988", "03690"] # 启动时拉快照 print("=== 港股快照 ===") for code in watchlist: r = requests.get(f"{API_BASE}/stock/quote", headers=headers, params={"region": "HK", "code": code}).json()["data"] sign = "+" if r["chp"] >= 0 else "" print(f" {code}: {r['ld']} ({sign}{r['chp']}%)") # AH股溢价快照 print("\n=== AH股溢价 ===") ah_pairs = [("600036", "03968"), ("601318", "02318")] for a_code, h_code in ah_pairs: a = requests.get(f"{API_BASE}/stock/quote", headers=headers, params={"region": "CN", "code": a_code}).json()["data"] h = requests.get(f"{API_BASE}/stock/quote", headers=headers, params={"region": "HK", "code": h_code}).json()["data"] h_cny = h["ld"] * 0.92 premium = (a["ld"] - h_cny) / h_cny * 100 print(f" {a_code}/{h_code}: A股{a['ld']}元, 港股{h['ld']}港币 " f"(≈{h_cny:.2f}元), 溢价{premium:.1f}%") # WebSocket实时推送港股 authenticated = False def on_message(ws, message): global authenticated payload = json.loads(message) if payload.get("resAc") == "auth" and payload.get("code") == 1 and not authenticated: authenticated = True params = ",".join(f"{c}$HK" for c in watchlist) ws.send(json.dumps({ "ac": "subscribe", "params": params, "types": "quote" })) threading.Thread(target=heartbeat, args=(ws,), daemon=True).start() return if payload.get("resAc") == "pong": return data = payload.get("data") or {} if data.get("type") == "quote": sign = "+" if data["chp"] >= 0 else "" print(f"[实时] {data['s']}: {data['ld']} ({sign}{data['chp']}%)") def heartbeat(ws): while True: time.sleep(30) ws.send(json.dumps({"ac": "ping", "params": str(int(time.time() * 1000))})) ws = websocket.WebSocketApp(WS_URL, header=[f"token: {TOKEN}"], on_message=on_message) ws.run_forever() 这个脚本跑起来之后，开盘前先看到一组港股的快照和AH股溢价率，盘中实时更新港股价格。 小结 接港股数据的技术框架跟A股、美股差不多——REST做快照和历史数据，WebSocket做实时推送。主要区别在代码格式（5位数字带前导零）、交易货币（港币）和交易时间（比A股长半小时）。最有技术含量的应用场景是AH股溢价监控——同时拉A股和港股两边的价格，算跨市场价差。 做港股量化策略或者AH股套利的话，这套流程可以直接套。具体的参数细节和返回字段说明，我一般都是边写代码边翻官方文档对照，比自己猜参数靠谱多了。 GitHub：https://github.com/itick-org/ 做跨市场行情App，最容易被用户截图投诉的，是价格旁边那个红绿百分比。同一刻、同一个金价，涨跌可以是−0.69%，也可以是+0.24%。本文拆解涨幅榜、价格提醒、持仓页、首页详情页4个最容易出错的场景，附一张跨市场分母清单。 做跨市场行情App，最容易被用户截图投诉的，往往是价格旁边那个红绿百分比。 2026年10月13日周二，北京时间10:56，黄金4,175.15美元。同一个价格，我按5种常见算法各算了一遍涨跌幅： 跟谁比 基准价（美元） 涨跌 24小时前（约） 4,204.35 −0.69% 我实测的接口给的“前收” 4,190.27 −0.36% 纽约17:00 4,171.38 +0.09% UTC 0点（日K收盘） 4,170.54 +0.11% 北京时间0点 4,164.95 +0.24% 单次快照。基准价都取自同一数据源的K线，涨跌幅按同一个公式重算，可以自己验算。 换成钱：持有100盎司黄金，按“24小时前”算，账面一天亏约2,920美元；按“北京时间0点”算，赚约1,020美元，相差3,940美元。两个App给出相反的颜色，都没算错。 黄金只是一个品种。把A股、港股、美股、外汇、加密放进同一个App，这种事会成倍出现：寒武纪除权那天，日K线上“暴跌36.7%”，实际只跌5.6%；同一只苹果，首页显示+1.29%，详情页显示+0.47%；比特币的“今日涨跌”，其实是过去24小时。 跨市场行情应用里，涨跌幅不是一个现成的字段，而是一道除法：分子是现价，各家一样；分母是“跟谁比”，每个市场都不一样。分母不统一就上屏，涨幅榜、价格提醒、持仓页、首页推送，四个地方都会出错。 这篇写给做行情产品的人——产品、运营和技术同事，也写给每天看行情App的投资者。读完你能带走： 4个最容易出错的产品场景：用户看到什么、错在哪、代价多大、怎么修 一张跨市场“分母清单”：每个市场的涨跌幅该跟谁比，界面上该写什么 上线前问数据供应商的5个问题 一段代码（给技术同事）：按统一基准重算涨跌，自动识别A股除权除息日 先记住一句话：看涨跌，先问“跟谁比”。 一、一分钟看懂：涨跌幅为什么会对不上 涨跌幅 ＝（现价 − 基准价）÷ 基准价。现价各家一样，分歧全在基准价。 系列上一篇《行情看板Demo三天、上线三个月：拆解7个返工点》提出过一个检查框架：界面上的每个数字，都要能说清自己的品种、时段、算法、时间、状态。涨跌幅是“算法”这一格里最常见、也最容易出错的数字。 拆开看，基准价由3个问题决定： 跟哪个价比？昨天的收盘价、某个整点的价格，还是除权后的参考价。 跟几点的价比？“今天”从北京时间0点算、UTC 0点算、纽约17:00算，还是干脆用“过去24小时”。 中间发生过什么？除权除息、跨时段（盘后、夜盘）、休市。 连“收盘价”本身都是规则算出来的。上交所从2018年8月20日起，股票收盘价由14:57–15:00的收盘集合竞价产生，这三分钟可以报单、不能撤单；纳斯达克16:00的收盘撮合产生官方收盘价；黄金干脆没有官方收盘价。每个市场规则不同，默认分母也不同： 市场 涨跌幅通常跟谁比 最容易出错的地方 A股 上一交易日收盘价 除权除息日要改用参考价 港股 上一交易日收市价（由收市竞价时段决定） 跨市场排序时和美股、加密的窗口不同 美股 上一常规交易日收盘价 盘前、盘后、夜盘另有基准 黄金、外汇 没有官方收盘：纽约17:00、UTC 0点、北京0点都有人用 周日开盘会切出一根“迷你日K” 加密资产 没有收盘：滚动24小时，或用户自选0点 窗口每时每刻都在挪 指数 上一交易日收盘价 休市时段，各家显示不同 一个App里只放一个市场，问题不大；放进六个市场，这六套规则就会在同一块屏幕上撞车。下面是撞车最多的4个地方。 二、4个出错场景：钱和信任在哪里流失 每个场景都是同一个毛病：不同分母的涨跌幅，被当成同一种数放在了一起。 场景① 涨幅榜和自选列表：跨市场一排序，名次就失真 用户看到的：自选列表按涨跌幅排序，苹果+1.29%排第一，比特币−1.07%排最后。 错在哪：这5个涨跌幅，量的是5段不同的时间。 苹果、标普500：北京时间上午美股休市，显示的是上周五收盘到周一收盘的涨跌； 寒武纪：昨天收盘到现在； 黄金：看你选几点切日，图里按UTC 0点； 比特币：过去24小时，而且这个窗口一直在滑动。我实测它的“前收”，10月12日11:08是83,049.15，同日14:01是83,074.01，10月13日10:56是83,866.01，同一天里查两次，分母就变了。币安官方API文档把24小时行情定义为滚动窗口；Gate 则让用户在“过去24小时”“UTC+8 0点”“UTC 0点”三种起止时间里自己选。 指数还有一种情况：我实测标普500在10月12日北京白天显示0.00%（前收和最新价都是7,811.54），10月13日早上显示−0.06%（周一的涨跌）。同样是美股休市的北京白天，一天显示0，一天显示上一交易日的涨跌。 代价：榜单名次没有可比性。用户按“今日最强”去追，追的可能是两天前的涨幅；运营做跨市场涨幅榜活动，排第一的未必真涨得最多；指数休市显示0.00%，用户以为平盘。 怎么修：跨市场排序前，用K线按同一个窗口（比如“北京时间今天0点至今”）把所有品种重算一遍再排；休市的品种标“休市”，不和交易中的品种混排。 先问供应商：涨跌幅的基准时刻是几点、哪个时区？休市时显示什么？ 场景② 价格提醒：同一个阈值，一个响一个不响 用户看到的：用户设了“黄金跌0.5%提醒我”。同一时刻，A平台推送了提醒，B平台没有。 错在哪：按“24小时前”算是−0.69%，提醒响；按“北京时间0点”算是+0.24%，提醒不响。两个平台都没算错，只是分母不同。 根子在于黄金没有官方收盘价。伦敦 LBMA 黄金价格每天定两次（伦敦时间10:30、15:00），上海金每天两次（北京时间10:15、14:15），COMEX 期货结算价按收盘前一段时间的成交量加权平均价算。现货平台不受这些约束，各自选时刻切“日”。CME 在2026年9月29日的文章里写，纽约时间17:00之后的一小时，是全球外汇日的“行政分界”——按这个时刻切日很常见，但不是唯一的选择。 切日时刻还会切出意外。按UTC 0点切日K线的数据源，周日晚上开盘那几个小时会单独成一根“日K”：我实测黄金10月11日（周日）这根K线成交量只有8,813，前后几个交易日都在15万以上。我实测的接口给出的“前收”4,190.27，正好就是这根周日K线的收盘，算出来是−0.36%，既不是纽约17:00的价格，也不是周一的收盘。 代价：误触发，用户可能据此卖出或加仓；漏触发，该提醒的没提醒。客服还解释不清“为什么别家提醒了你们没提醒”。 怎么修：提醒规则里写明基准，比如“较纽约17:00跌0.5%”，用户设置时就能看到；周日开盘那几个小时单独处理，不当成一个交易日。 两个边界：用小时K线取的“纽约17:00价格”，和别家的纽约收盘可能差零点几美元；“24小时前”只能取到最近的整点，是近似值。 先问供应商：黄金、外汇按几点切日？周日开盘那几个小时怎么算？ 场景③ 持仓和资产页：除权那天“一夜亏三成” 用户看到的：持有寒武纪的用户，5月8日早上打开App，持仓市值少了三成；跌幅榜第一名是寒武纪，−36.70%。 错在哪：这天是寒武纪的除权除息日。2025年度分配方案是每股派现1.50元、每股转增0.49股，股权登记日5月7日。交易所规定，除权除息日的涨跌幅不跟昨天收盘比，而是跟除权（息）参考价比： 参考价 ＝（前收盘价 − 现金红利）÷（1 + 流通股份变动比例）＝（1,868.00 − 1.50）÷ 1.49 ＝ 1,252.68元 5月8日实际开盘1,217.03元、收盘1,182.53元： 按昨收1,868.00算：低开34.85%，收跌36.70% 按参考价1,252.68算：低开2.85%，收跌5.60% 我实测的复权因子也对得上：这次除权的前复权因子是0.6706，1,868.00 × 0.6706 ＝ 1,252.68。 还有一个反证。寒武纪是科创板股票，涨跌幅限制20%。按参考价算，当天涨跌停区间是1,002.14–1,503.22元；如果错按昨收算，跌停价应是1,494.40元，而寒武纪全天都在1,158.01–1,220.00元之间成交——那就等于全天都在“跌停价以下”成交，这不可能。交易所自己用的分母，就是参考价。 代价：从持仓看，转增后股数变成1.49倍，每股还拿了1.50元现金，市值并没有少三成，但用户看到的是“亏了三成”，第一反应是截图投诉。跌幅榜挂错，运营要出面解释。做量化的拿不复权日K回测，除权日是一根假的大阴线，止损会在这天被误触发。 这不是一年碰上一次的事。10月正赶上中期分红集中除权，我实测的分红日历里，10月12日、13日两天的A股除权除息记录就超过20条。 怎么修：快照的前收和昨日收盘差得多，先标“除权除息”，涨跌按参考价算，持仓按新股数显示；回测用复权数据。 先问供应商：除权除息日的前收，是不是参考价？ 场景④ 首页和详情页：同一只苹果，两个涨幅 用户看到的：首页上苹果+1.29%，点进详情页+0.47%。用户的第一反应：数据坏了。 错在哪：10月13日北京时间10:56，美股正在夜盘时段。我实测同一时刻的苹果有4个涨跌： 主快照340.97美元（周一常规盘收盘），较上周五收盘336.64，+1.29% 盘后341.36，较周一收盘，+0.11% 夜盘342.57，较周一收盘，+0.47% 夜盘较上周五收盘，+1.76%（自己算） 规则是：常规盘的涨跌，跟上一个常规交易日的收盘比；盘后、夜盘的涨跌，跟当天常规盘的收盘比。数据里写得很清楚：盘后、夜盘的前收是340.97（周一收盘），主快照的前收是336.64（上周五收盘）。四个数都对，只是分母不同。 代价：用户真正想知道的，往往是“从上周五到现在涨了多少”，答案是+1.76%，首页和详情页给他的哪个都不是。两个数并排、又不写分母，用户只会得出一个结论：这个App的数据不靠谱。到了财报季，盘后动辄跳空几个百分点，首页和详情页的差距会更大（本周五的文章专门讲）。 怎么修：同一屏上的每个涨跌幅，旁边写上时段和基准，比如“夜盘 较周一收盘 +0.47%”。 先问供应商：盘前、盘后、夜盘的涨跌，按哪个收盘算？ 4个场景收在一张表里： 场景 用户看到的 错在哪 代价 怎么修 涨幅榜 苹果第一、比特币最后 5个涨跌幅量的是5段时间 名次失真，用户追错 按同一窗口重算再排 价格提醒 一家响、一家不响 黄金切日时刻不同 误触发、漏触发 规则里写明基准 持仓页 一夜“亏三成” 除权日没用参考价 恐慌、投诉、回测失真 识别除权日，按参考价算 首页/详情页 +1.29%和+0.47% 常规盘和夜盘分母不同 用户不再信任数据 每个涨跌幅标时段和基准 这4件事看起来是技术细节，其实是产品问题。卡尼曼和特沃斯基1979年提出的前景理论有一个结论：人判断得失，看的是相对某个参照点的变化，而不是绝对水平。行情App上的涨跌幅，就是替用户选好的参照点。同样4,175.15美元的金价，参照点选在24小时前，用户觉得亏了；选在北京时间0点，用户觉得赚了。谁定分母，谁就定了用户今天的情绪，所以分母应该写在界面上。 三、怎么修：跨市场统一分母，分3步 先给每个涨跌幅贴上分母标签，再按同一个窗口重算，最后单独处理除权。 1. 一张跨市场分母清单 市场 建议的分母 界面上要写的字 A股 上一交易日收盘；除权除息日用参考价 “较前收（除权调整）” 港股 上一交易日收市价 “较前收” 美股常规盘 上一常规交易日收盘 “较上一交易日收盘” 美股盘前/盘后/夜盘 当天常规盘收盘 “夜盘 较今日收盘” 黄金、外汇 选定一个切日时刻（如纽约17:00）并写出来 “较纽约17:00” 加密 滚动24小时，或指定时区0点 “24h”或“较UTC 0点” 指数（休市时段） 上一交易日涨跌并标日期，或标“休市” “10/12 收盘” 照着这张表，每个涨跌幅旁边都能写出它在跟谁比。A股参考价按交易所规则执行，其余是建议做法。 2. 三步落地 第一步，贴标签。每个涨跌幅带上基准价和基准时刻。不贴，用户拿两个App一比颜色不一样就来问；解释一次，下一个用户还会问。 第二步，统一窗口。跨市场比较（涨幅榜、资产总览、跨市场提醒）时，不比现成的百分比，用K线按同一个窗口自己重算。不重算，名次取决于谁的分母更旧。 第三步，单独处理除权。A股先判断是不是除权除息日：快照的前收和昨日收盘差得多，就按参考价或复权数据处理。 3. 为什么跨市场更难：6类资产，6套规则 只做A股，记住“前收、除权”两件事就够了。做跨市场，要同时管6套规则：A股的除权、港股的收市竞价、美股的四个时段、黄金外汇的切日时刻、加密的滚动窗口、指数的休市显示。 如果每个市场各接一家数据源，同样叫“前收”的字段，名字、时间戳格式、切日时刻都可能不一样。统一分母之前，得先写一层“翻译”；市场越多，翻译层越厚。规则还在变：美国夏令时11月1日结束，纽约17:00对应的北京时间要从早上5点变成6点，每一家数据源的处理都得重新核对一遍。 所以做跨市场行情应用，省事的做法是：一套接口拿到所有市场的快照、K线和复权数据，分母标签层只写一次。 4. 我用 TickDB 把6类资产跑了一遍 TickDB 为开发者和 AI 应用提供统一的全球行情数据接口，让团队通过一套接入获取多市场实时与历史数据，更快构建行情、分析和监控产品。 本文寒武纪、苹果、黄金、比特币、标普500的数字，都是我用同一套接口取的： 能做到 要你自己处理 6类资产（A股、港股、美股、外汇贵金属、指数、加密）的快照，用同一组字段返回现价、前收和时间戳 接口给的涨跌幅是一个现成的数，不带“分母说明”，标签要自己加 同一套K线接口覆盖各市场，可以按任意基准时刻（纽约17:00、北京0点、UTC 0点）自己重算 黄金、外汇这类没有官方收盘的品种，建议按自己选定、并写在界面上的基准重算 美股快照同时带盘后、夜盘各自的价格和前收；复权因子能还原寒武纪的除权参考价 复权数据会随新的公司行为更新，回测要记下查询时间和复权方式 左边是一套接口能直接支撑的，右边是任何数据源都替代不了的产品判断。（作者实测，2026年10月12–13日。） 5. 给技术同事：一段代码 不写代码的读者可以跳过这一节。下面这段代码做两件事：用小时K线按4种基准时刻重算黄金涨跌；自动识别A股除权除息日。 # 测试环境：Python 3.11 # 接口端点与字段名已于 2026-10-13 通过实际调用核对 import os import sys from datetime import datetime, timedelta, timezone from decimal import Decimal from zoneinfo import ZoneInfo import requests API_KEY = os.getenv("TICKDB_API_KEY") # 从环境变量读取，不要写进前端 BASE_URL = "https://api.tickdb.ai/v1/market" UTC, BJ, NY = timezone.utc, ZoneInfo("Asia/Shanghai"), ZoneInfo("America/New_York") HOUR_MS = 3_600_000 def get(path, **params): """调用接口，同时检查 HTTP 状态和业务返回码。""" try: resp = requests.get(f"{BASE_URL}/{path}", params=params, headers={"X-API-Key": API_KEY}, timeout=10) body = resp.json() except (requests.RequestException, ValueError) as e: raise RuntimeError(f"{path} 请求失败: {e}") from e if resp.status_code != 200 or body.get("code") != 0: raise RuntimeError(f"{path}: HTTP {resp.status_code}, code={body.get('code')}, {body.get('message')}") return body["data"] def pct(last, base): """涨跌幅（%）＝（现价 − 基准价）÷ 基准价 × 100。""" last, base = Decimal(str(last)), Decimal(str(base)) return (last - base) / base * 100 def price_at(hourly, moment): """取某一时刻的价格：用“结束于该时刻”的那根小时K线的收盘价（K线时间戳为该小时的开始）。""" target = int(moment.timestamp() * 1000) - HOUR_MS for bar in hourly: if bar["time"] == target: return bar["close"] return None def last_moment(now, tz, hour): """now 之前最近一次 tz 时区的 hour 点（自动处理夏令时）。""" local = now.astimezone(tz) m = local.replace(hour=hour, minute=0, second=0, microsecond=0) if m > local: m -= timedelta(days=1) return m def gold_changes(symbol="XAUUSD"): """同一个现价，按4种自选基准价分别算涨跌。""" q = get("ticker", symbols=symbol, type="forex")[0] hourly = get("kline", symbol=symbol, interval="1h", type="forex", limit=48)["klines"] now = datetime.fromtimestamp(q["timestamp"] / 1000, UTC) day_ago = (now - timedelta(hours=24) + timedelta(minutes=30)).replace(minute=0, second=0, microsecond=0) # 24小时前，取最近的整点 bases = { "24小时前（近似）": price_at(hourly, day_ago), "纽约17:00收盘": price_at(hourly, last_moment(now, NY, 17)), "UTC 0点": price_at(hourly, last_moment(now, UTC, 0)), "北京时间0点": price_at(hourly, last_moment(now, BJ, 0)), } print(f"{symbol} 现价 {q['last_price']}（{now.astimezone(BJ):%m-%d %H:%M} 北京时间）") for name, base in bases.items(): print(f" 较{name:<10} 基准 {base} 涨跌 {pct(q['last_price'], base):+.2f}%" if base else f" 较{name}：缺数据") def is_ex_rights_day(prev_close, last_daily_close, tol=Decimal("0.005")): """快照的前收和上一根日K收盘相差超过0.5%，大概率是除权除息日，要用参考价/复权数据核对。""" p, c = Decimal(str(prev_close)), Decimal(str(last_daily_close)) return abs(p / c - 1) > tol def check_ex_rights(symbol="688256.SH"): q = get("ticker", symbols=symbol, type="stock")[0] daily = get("kline", symbol=symbol, interval="1d", type="stock", limit=2)["klines"] yesterday_close = daily[-2]["close"] # 最后一根是今天（可能未结束），取倒数第二根 flag = is_ex_rights_day(q["prev_close"], yesterday_close) print(f"{symbol} 快照前收 {q['prev_close']} / 昨日K线收盘 {yesterday_close} → {'疑似除权除息日' if flag else '正常'}") if __name__ == "__main__": if not API_KEY: sys.exit("请先设置环境变量 TICKDB_API_KEY") gold_changes() check_ex_rights() # 历史核对：寒武纪 2026-05-08 除权除息日，参考价 1252.68，前一日收盘 1868.00 print("2026-05-08 寒武纪：", "疑似除权除息日" if is_ex_rights_day("1252.68", "1868.00") else "正常") 用10月13日10:56的实测数据跑出来的结果： XAUUSD 现价 4175.15（10-13 10:56 北京时间） 较24小时前（近似） 基准 4204.35 涨跌 -0.69% 较纽约17:00收盘 基准 4171.38 涨跌 +0.09% 较UTC 0点 基准 4170.54 涨跌 +0.11% 较北京时间0点 基准 4164.95 涨跌 +0.24% 688256.SH 快照前收 971.88 / 昨日K线收盘 971.88 → 正常 2026-05-08 寒武纪： 疑似除权除息日 三点说明： 基准价都取自小时K线。K线时间戳是该小时的开始，所以代码取的是“结束于某时刻”的那根K线的收盘价。 纽约17:00用时区库换算，夏令时自动处理，11月1日之后不用改代码。 0.5%的阈值是经验值，只负责标记；标记出来以后，要再用参考价或复权因子核对。 6. 上线前问供应商的5个问题 涨跌幅的基准价是哪个价？昨收、某个时刻的价格，还是除权后的参考价。 基准时刻是几点、哪个时区？周日开盘那几个小时怎么算？决定黄金、外汇、加密的涨跌能不能和股票放在一起。 除权除息日用不用参考价？不用，持仓页就会出现“一夜亏三成”。 盘前、盘后、夜盘的涨跌按哪个收盘算？不说清，首页和详情页就会对不上。 休市时显示上一交易日涨跌，还是0？显示0，用户会以为平盘。 常见问题 行情App的涨跌幅，为什么和别家不一样？ 因为分母不同。涨跌幅＝（现价−基准价）÷基准价，现价各家一样，基准价各家可以不同：A股除权日用参考价还是昨收，黄金按纽约17:00还是UTC 0点切日，加密用滚动24小时还是0点，美股夜盘跟周一收盘比还是跟上周五比。两个App的涨跌幅不一样，多半不是谁算错，而是分母不同。 跨市场涨幅榜怎么排才可比？ 不要直接拿各市场现成的涨跌幅排序。先选定一个统一窗口，比如“北京时间今天0点至今”或“过去24小时”，用K线把每个品种按这个窗口重算一遍再排；休市的品种单独标出，不和交易中的品种混排。 黄金的收盘价是几点的价格？ 黄金现货没有交易所规定的官方收盘价。伦敦 LBMA 黄金价格每天定两次，伦敦时间10:30和15:00；上海金每天两次，北京时间10:15和14:15；COMEX 黄金期货结算价按收盘前一段时间的成交量加权平均价确定。现货平台各自选时刻切“日”，常见的有纽约17:00、UTC 0点、北京时间0点。 为什么除权那天股价“暴跌”，涨跌幅却不大？ 除权除息日的涨跌幅，基准不是昨天的收盘价，而是除权（息）参考价。寒武纪2026年5月8日前收1,868.00元，每股派现1.50元、转增0.49股，参考价1,252.68元；收盘1,182.53元，看着跌了36.7%，按参考价只跌5.6%。价格降下去的部分，换成了多出来的股份和到账的现金。 美股盘后、夜盘的涨跌是跟谁比？ 跟当天常规盘的收盘比；常规盘的涨跌，跟上一个常规交易日的收盘比。2026年10月13日北京时间10:56，苹果主快照较上周五收盘涨1.29%，夜盘较周一收盘涨0.47%。首页显示主快照、详情页显示夜盘，就会出现两个不同的涨幅。 最后一个问题 你们App上的涨跌幅，分母写在哪？ 今天就能做的一件事：打开自己App的涨幅榜，逐行写出每个涨跌幅跟谁比、从几点算起。写不出来的那一行，就是下一个客诉工单。 如果你只是用行情App的投资者，也可以试一次：同一时刻打开三个App，记下同一个品种的涨跌幅。不一样，多半不是谁错了，只是三个参照点。 看涨跌，先问“跟谁比”。 参考资料 LBMA，LBMA Gold Price CME Group，When FX Futures Pause: Understanding spread risk around the daily close，2026-09-29 上海证券交易所，收盘集合竞价相关说明，2018-08-06 Nasdaq，Opening and Closing Cross FAQ 香港交易所，Trading Mechanism of CAS in the Securities Market 上海黄金交易所，Shanghai Gold Benchmark Price Launching Ceremony，2016-04 CME Group，Gold 结算方法说明 寒武纪，2025年年度权益分派实施公告（公告编号2026-011） 上海证券交易所，《上海证券交易所科创板股票交易特别规定》 Spot API 文档：24hr Ticker Price Change Statistics Gate 帮助中心，如何切换涨跌幅起止时间 Kahneman, D. & Tversky, A. (1979). Prospect Theory: An Analysis of Decision under Risk. Econometrica, 47(2), 263–291 做跨市场行情App，最容易被用户截图投诉的，是价格旁边那个红绿百分比。同一刻、同一个金价，涨跌可以是−0.69%，也可以是+0.24%。本文拆解涨幅榜、价格提醒、持仓页、首页详情页4个最容易出错的场景，附一张跨市场分母清单。 做跨市场行情App，最容易被用户截图投诉的，往往是价格旁边那个红绿百分比。 2026年10月13日周二，北京时间10:56，黄金4,175.15美元。同一个价格，我按5种常见算法各算了一遍涨跌幅： 跟谁比 基准价（美元） 涨跌 24小时前（约） 4,204.35 −0.69% 我实测的接口给的“前收” 4,190.27 −0.36% 纽约17:00 4,171.38 +0.09% UTC 0点（日K收盘） 4,170.54 +0.11% 北京时间0点 4,164.95 +0.24% 单次快照。基准价都取自同一数据源的K线，涨跌幅按同一个公式重算，可以自己验算。 换成钱：持有100盎司黄金，按“24小时前”算，账面一天亏约2,920美元；按“北京时间0点”算，赚约1,020美元，相差3,940美元。两个App给出相反的颜色，都没算错。 黄金只是一个品种。把A股、港股、美股、外汇、加密放进同一个App，这种事会成倍出现：寒武纪除权那天，日K线上“暴跌36.7%”，实际只跌5.6%；同一只苹果，首页显示+1.29%，详情页显示+0.47%；比特币的“今日涨跌”，其实是过去24小时。 跨市场行情应用里，涨跌幅不是一个现成的字段，而是一道除法：分子是现价，各家一样；分母是“跟谁比”，每个市场都不一样。分母不统一就上屏，涨幅榜、价格提醒、持仓页、首页推送，四个地方都会出错。 这篇写给做行情产品的人——产品、运营和技术同事，也写给每天看行情App的投资者。读完你能带走： 4个最容易出错的产品场景：用户看到什么、错在哪、代价多大、怎么修 一张跨市场“分母清单”：每个市场的涨跌幅该跟谁比，界面上该写什么 上线前问数据供应商的5个问题 一段代码（给技术同事）：按统一基准重算涨跌，自动识别A股除权除息日 先记住一句话：看涨跌，先问“跟谁比”。 一、一分钟看懂：涨跌幅为什么会对不上 涨跌幅 ＝（现价 − 基准价）÷ 基准价。现价各家一样，分歧全在基准价。 系列上一篇《行情看板Demo三天、上线三个月：拆解7个返工点》提出过一个检查框架：界面上的每个数字，都要能说清自己的品种、时段、算法、时间、状态。涨跌幅是“算法”这一格里最常见、也最容易出错的数字。 拆开看，基准价由3个问题决定： 跟哪个价比？昨天的收盘价、某个整点的价格，还是除权后的参考价。 跟几点的价比？“今天”从北京时间0点算、UTC 0点算、纽约17:00算，还是干脆用“过去24小时”。 中间发生过什么？除权除息、跨时段（盘后、夜盘）、休市。 连“收盘价”本身都是规则算出来的。上交所从2018年8月20日起，股票收盘价由14:57–15:00的收盘集合竞价产生，这三分钟可以报单、不能撤单；纳斯达克16:00的收盘撮合产生官方收盘价；黄金干脆没有官方收盘价。每个市场规则不同，默认分母也不同： 市场 涨跌幅通常跟谁比 最容易出错的地方 A股 上一交易日收盘价 除权除息日要改用参考价 港股 上一交易日收市价（由收市竞价时段决定） 跨市场排序时和美股、加密的窗口不同 美股 上一常规交易日收盘价 盘前、盘后、夜盘另有基准 黄金、外汇 没有官方收盘：纽约17:00、UTC 0点、北京0点都有人用 周日开盘会切出一根“迷你日K” 加密资产 没有收盘：滚动24小时，或用户自选0点 窗口每时每刻都在挪 指数 上一交易日收盘价 休市时段，各家显示不同 一个App里只放一个市场，问题不大；放进六个市场，这六套规则就会在同一块屏幕上撞车。下面是撞车最多的4个地方。 二、4个出错场景：钱和信任在哪里流失 每个场景都是同一个毛病：不同分母的涨跌幅，被当成同一种数放在了一起。 场景① 涨幅榜和自选列表：跨市场一排序，名次就失真 用户看到的：自选列表按涨跌幅排序，苹果+1.29%排第一，比特币−1.07%排最后。 错在哪：这5个涨跌幅，量的是5段不同的时间。 苹果、标普500：北京时间上午美股休市，显示的是上周五收盘到周一收盘的涨跌； 寒武纪：昨天收盘到现在； 黄金：看你选几点切日，图里按UTC 0点； 比特币：过去24小时，而且这个窗口一直在滑动。我实测它的“前收”，10月12日11:08是83,049.15，同日14:01是83,074.01，10月13日10:56是83,866.01，同一天里查两次，分母就变了。币安官方API文档把24小时行情定义为滚动窗口；Gate 则让用户在“过去24小时”“UTC+8 0点”“UTC 0点”三种起止时间里自己选。 指数还有一种情况：我实测标普500在10月12日北京白天显示0.00%（前收和最新价都是7,811.54），10月13日早上显示−0.06%（周一的涨跌）。同样是美股休市的北京白天，一天显示0，一天显示上一交易日的涨跌。 代价：榜单名次没有可比性。用户按“今日最强”去追，追的可能是两天前的涨幅；运营做跨市场涨幅榜活动，排第一的未必真涨得最多；指数休市显示0.00%，用户以为平盘。 怎么修：跨市场排序前，用K线按同一个窗口（比如“北京时间今天0点至今”）把所有品种重算一遍再排；休市的品种标“休市”，不和交易中的品种混排。 先问供应商：涨跌幅的基准时刻是几点、哪个时区？休市时显示什么？ 场景② 价格提醒：同一个阈值，一个响一个不响 用户看到的：用户设了“黄金跌0.5%提醒我”。同一时刻，A平台推送了提醒，B平台没有。 错在哪：按“24小时前”算是−0.69%，提醒响；按“北京时间0点”算是+0.24%，提醒不响。两个平台都没算错，只是分母不同。 根子在于黄金没有官方收盘价。伦敦 LBMA 黄金价格每天定两次（伦敦时间10:30、15:00），上海金每天两次（北京时间10:15、14:15），COMEX 期货结算价按收盘前一段时间的成交量加权平均价算。现货平台不受这些约束，各自选时刻切“日”。CME 在2026年9月29日的文章里写，纽约时间17:00之后的一小时，是全球外汇日的“行政分界”——按这个时刻切日很常见，但不是唯一的选择。 切日时刻还会切出意外。按UTC 0点切日K线的数据源，周日晚上开盘那几个小时会单独成一根“日K”：我实测黄金10月11日（周日）这根K线成交量只有8,813，前后几个交易日都在15万以上。我实测的接口给出的“前收”4,190.27，正好就是这根周日K线的收盘，算出来是−0.36%，既不是纽约17:00的价格，也不是周一的收盘。 代价：误触发，用户可能据此卖出或加仓；漏触发，该提醒的没提醒。客服还解释不清“为什么别家提醒了你们没提醒”。 怎么修：提醒规则里写明基准，比如“较纽约17:00跌0.5%”，用户设置时就能看到；周日开盘那几个小时单独处理，不当成一个交易日。 两个边界：用小时K线取的“纽约17:00价格”，和别家的纽约收盘可能差零点几美元；“24小时前”只能取到最近的整点，是近似值。 先问供应商：黄金、外汇按几点切日？周日开盘那几个小时怎么算？ 场景③ 持仓和资产页：除权那天“一夜亏三成” 用户看到的：持有寒武纪的用户，5月8日早上打开App，持仓市值少了三成；跌幅榜第一名是寒武纪，−36.70%。 错在哪：这天是寒武纪的除权除息日。2025年度分配方案是每股派现1.50元、每股转增0.49股，股权登记日5月7日。交易所规定，除权除息日的涨跌幅不跟昨天收盘比，而是跟除权（息）参考价比： 参考价 ＝（前收盘价 − 现金红利）÷（1 + 流通股份变动比例）＝（1,868.00 − 1.50）÷ 1.49 ＝ 1,252.68元 5月8日实际开盘1,217.03元、收盘1,182.53元： 按昨收1,868.00算：低开34.85%，收跌36.70% 按参考价1,252.68算：低开2.85%，收跌5.60% 我实测的复权因子也对得上：这次除权的前复权因子是0.6706，1,868.00 × 0.6706 ＝ 1,252.68。 还有一个反证。寒武纪是科创板股票，涨跌幅限制20%。按参考价算，当天涨跌停区间是1,002.14–1,503.22元；如果错按昨收算，跌停价应是1,494.40元，而寒武纪全天都在1,158.01–1,220.00元之间成交——那就等于全天都在“跌停价以下”成交，这不可能。交易所自己用的分母，就是参考价。 代价：从持仓看，转增后股数变成1.49倍，每股还拿了1.50元现金，市值并没有少三成，但用户看到的是“亏了三成”，第一反应是截图投诉。跌幅榜挂错，运营要出面解释。做量化的拿不复权日K回测，除权日是一根假的大阴线，止损会在这天被误触发。 这不是一年碰上一次的事。10月正赶上中期分红集中除权，我实测的分红日历里，10月12日、13日两天的A股除权除息记录就超过20条。 怎么修：快照的前收和昨日收盘差得多，先标“除权除息”，涨跌按参考价算，持仓按新股数显示；回测用复权数据。 先问供应商：除权除息日的前收，是不是参考价？ 场景④ 首页和详情页：同一只苹果，两个涨幅 用户看到的：首页上苹果+1.29%，点进详情页+0.47%。用户的第一反应：数据坏了。 错在哪：10月13日北京时间10:56，美股正在夜盘时段。我实测同一时刻的苹果有4个涨跌： 主快照340.97美元（周一常规盘收盘），较上周五收盘336.64，+1.29% 盘后341.36，较周一收盘，+0.11% 夜盘342.57，较周一收盘，+0.47% 夜盘较上周五收盘，+1.76%（自己算） 规则是：常规盘的涨跌，跟上一个常规交易日的收盘比；盘后、夜盘的涨跌，跟当天常规盘的收盘比。数据里写得很清楚：盘后、夜盘的前收是340.97（周一收盘），主快照的前收是336.64（上周五收盘）。四个数都对，只是分母不同。 代价：用户真正想知道的，往往是“从上周五到现在涨了多少”，答案是+1.76%，首页和详情页给他的哪个都不是。两个数并排、又不写分母，用户只会得出一个结论：这个App的数据不靠谱。到了财报季，盘后动辄跳空几个百分点，首页和详情页的差距会更大（本周五的文章专门讲）。 怎么修：同一屏上的每个涨跌幅，旁边写上时段和基准，比如“夜盘 较周一收盘 +0.47%”。 先问供应商：盘前、盘后、夜盘的涨跌，按哪个收盘算？ 4个场景收在一张表里： 场景 用户看到的 错在哪 代价 怎么修 涨幅榜 苹果第一、比特币最后 5个涨跌幅量的是5段时间 名次失真，用户追错 按同一窗口重算再排 价格提醒 一家响、一家不响 黄金切日时刻不同 误触发、漏触发 规则里写明基准 持仓页 一夜“亏三成” 除权日没用参考价 恐慌、投诉、回测失真 识别除权日，按参考价算 首页/详情页 +1.29%和+0.47% 常规盘和夜盘分母不同 用户不再信任数据 每个涨跌幅标时段和基准 这4件事看起来是技术细节，其实是产品问题。卡尼曼和特沃斯基1979年提出的前景理论有一个结论：人判断得失，看的是相对某个参照点的变化，而不是绝对水平。行情App上的涨跌幅，就是替用户选好的参照点。同样4,175.15美元的金价，参照点选在24小时前，用户觉得亏了；选在北京时间0点，用户觉得赚了。谁定分母，谁就定了用户今天的情绪，所以分母应该写在界面上。 三、怎么修：跨市场统一分母，分3步 先给每个涨跌幅贴上分母标签，再按同一个窗口重算，最后单独处理除权。 1. 一张跨市场分母清单 市场 建议的分母 界面上要写的字 A股 上一交易日收盘；除权除息日用参考价 “较前收（除权调整）” 港股 上一交易日收市价 “较前收” 美股常规盘 上一常规交易日收盘 “较上一交易日收盘” 美股盘前/盘后/夜盘 当天常规盘收盘 “夜盘 较今日收盘” 黄金、外汇 选定一个切日时刻（如纽约17:00）并写出来 “较纽约17:00” 加密 滚动24小时，或指定时区0点 “24h”或“较UTC 0点” 指数（休市时段） 上一交易日涨跌并标日期，或标“休市” “10/12 收盘” 照着这张表，每个涨跌幅旁边都能写出它在跟谁比。A股参考价按交易所规则执行，其余是建议做法。 2. 三步落地 第一步，贴标签。每个涨跌幅带上基准价和基准时刻。不贴，用户拿两个App一比颜色不一样就来问；解释一次，下一个用户还会问。 第二步，统一窗口。跨市场比较（涨幅榜、资产总览、跨市场提醒）时，不比现成的百分比，用K线按同一个窗口自己重算。不重算，名次取决于谁的分母更旧。 第三步，单独处理除权。A股先判断是不是除权除息日：快照的前收和昨日收盘差得多，就按参考价或复权数据处理。 3. 为什么跨市场更难：6类资产，6套规则 只做A股，记住“前收、除权”两件事就够了。做跨市场，要同时管6套规则：A股的除权、港股的收市竞价、美股的四个时段、黄金外汇的切日时刻、加密的滚动窗口、指数的休市显示。 如果每个市场各接一家数据源，同样叫“前收”的字段，名字、时间戳格式、切日时刻都可能不一样。统一分母之前，得先写一层“翻译”；市场越多，翻译层越厚。规则还在变：美国夏令时11月1日结束，纽约17:00对应的北京时间要从早上5点变成6点，每一家数据源的处理都得重新核对一遍。 所以做跨市场行情应用，省事的做法是：一套接口拿到所有市场的快照、K线和复权数据，分母标签层只写一次。 4. 我用 TickDB 把6类资产跑了一遍 TickDB 为开发者和 AI 应用提供统一的全球行情数据接口，让团队通过一套接入获取多市场实时与历史数据，更快构建行情、分析和监控产品。 本文寒武纪、苹果、黄金、比特币、标普500的数字，都是我用同一套接口取的： 能做到 要你自己处理 6类资产（A股、港股、美股、外汇贵金属、指数、加密）的快照，用同一组字段返回现价、前收和时间戳 接口给的涨跌幅是一个现成的数，不带“分母说明”，标签要自己加 同一套K线接口覆盖各市场，可以按任意基准时刻（纽约17:00、北京0点、UTC 0点）自己重算 黄金、外汇这类没有官方收盘的品种，建议按自己选定、并写在界面上的基准重算 美股快照同时带盘后、夜盘各自的价格和前收；复权因子能还原寒武纪的除权参考价 复权数据会随新的公司行为更新，回测要记下查询时间和复权方式 左边是一套接口能直接支撑的，右边是任何数据源都替代不了的产品判断。（作者实测，2026年10月12–13日。） 5. 给技术同事：一段代码 不写代码的读者可以跳过这一节。下面这段代码做两件事：用小时K线按4种基准时刻重算黄金涨跌；自动识别A股除权除息日。 # 测试环境：Python 3.11 # 接口端点与字段名已于 2026-10-13 通过实际调用核对 import os import sys from datetime import datetime, timedelta, timezone from decimal import Decimal from zoneinfo import ZoneInfo import requests API_KEY = os.getenv("TICKDB_API_KEY") # 从环境变量读取，不要写进前端 BASE_URL = "https://api.tickdb.ai/v1/market" UTC, BJ, NY = timezone.utc, ZoneInfo("Asia/Shanghai"), ZoneInfo("America/New_York") HOUR_MS = 3_600_000 def get(path, **params): """调用接口，同时检查 HTTP 状态和业务返回码。""" try: resp = requests.get(f"{BASE_URL}/{path}", params=params, headers={"X-API-Key": API_KEY}, timeout=10) body = resp.json() except (requests.RequestException, ValueError) as e: raise RuntimeError(f"{path} 请求失败: {e}") from e if resp.status_code != 200 or body.get("code") != 0: raise RuntimeError(f"{path}: HTTP {resp.status_code}, code={body.get('code')}, {body.get('message')}") return body["data"] def pct(last, base): """涨跌幅（%）＝（现价 − 基准价）÷ 基准价 × 100。""" last, base = Decimal(str(last)), Decimal(str(base)) return (last - base) / base * 100 def price_at(hourly, moment): """取某一时刻的价格：用“结束于该时刻”的那根小时K线的收盘价（K线时间戳为该小时的开始）。""" target = int(moment.timestamp() * 1000) - HOUR_MS for bar in hourly: if bar["time"] == target: return bar["close"] return None def last_moment(now, tz, hour): """now 之前最近一次 tz 时区的 hour 点（自动处理夏令时）。""" local = now.astimezone(tz) m = local.replace(hour=hour, minute=0, second=0, microsecond=0) if m > local: m -= timedelta(days=1) return m def gold_changes(symbol="XAUUSD"): """同一个现价，按4种自选基准价分别算涨跌。""" q = get("ticker", symbols=symbol, type="forex")[0] hourly = get("kline", symbol=symbol, interval="1h", type="forex", limit=48)["klines"] now = datetime.fromtimestamp(q["timestamp"] / 1000, UTC) day_ago = (now - timedelta(hours=24) + timedelta(minutes=30)).replace(minute=0, second=0, microsecond=0) # 24小时前，取最近的整点 bases = { "24小时前（近似）": price_at(hourly, day_ago), "纽约17:00收盘": price_at(hourly, last_moment(now, NY, 17)), "UTC 0点": price_at(hourly, last_moment(now, UTC, 0)), "北京时间0点": price_at(hourly, last_moment(now, BJ, 0)), } print(f"{symbol} 现价 {q['last_price']}（{now.astimezone(BJ):%m-%d %H:%M} 北京时间）") for name, base in bases.items(): print(f" 较{name:<10} 基准 {base} 涨跌 {pct(q['last_price'], base):+.2f}%" if base else f" 较{name}：缺数据") def is_ex_rights_day(prev_close, last_daily_close, tol=Decimal("0.005")): """快照的前收和上一根日K收盘相差超过0.5%，大概率是除权除息日，要用参考价/复权数据核对。""" p, c = Decimal(str(prev_close)), Decimal(str(last_daily_close)) return abs(p / c - 1) > tol def check_ex_rights(symbol="688256.SH"): q = get("ticker", symbols=symbol, type="stock")[0] daily = get("kline", symbol=symbol, interval="1d", type="stock", limit=2)["klines"] yesterday_close = daily[-2]["close"] # 最后一根是今天（可能未结束），取倒数第二根 flag = is_ex_rights_day(q["prev_close"], yesterday_close) print(f"{symbol} 快照前收 {q['prev_close']} / 昨日K线收盘 {yesterday_close} → {'疑似除权除息日' if flag else '正常'}") if __name__ == "__main__": if not API_KEY: sys.exit("请先设置环境变量 TICKDB_API_KEY") gold_changes() check_ex_rights() # 历史核对：寒武纪 2026-05-08 除权除息日，参考价 1252.68，前一日收盘 1868.00 print("2026-05-08 寒武纪：", "疑似除权除息日" if is_ex_rights_day("1252.68", "1868.00") else "正常") 用10月13日10:56的实测数据跑出来的结果： XAUUSD 现价 4175.15（10-13 10:56 北京时间） 较24小时前（近似） 基准 4204.35 涨跌 -0.69% 较纽约17:00收盘 基准 4171.38 涨跌 +0.09% 较UTC 0点 基准 4170.54 涨跌 +0.11% 较北京时间0点 基准 4164.95 涨跌 +0.24% 688256.SH 快照前收 971.88 / 昨日K线收盘 971.88 → 正常 2026-05-08 寒武纪： 疑似除权除息日 三点说明： 基准价都取自小时K线。K线时间戳是该小时的开始，所以代码取的是“结束于某时刻”的那根K线的收盘价。 纽约17:00用时区库换算，夏令时自动处理，11月1日之后不用改代码。 0.5%的阈值是经验值，只负责标记；标记出来以后，要再用参考价或复权因子核对。 6. 上线前问供应商的5个问题 涨跌幅的基准价是哪个价？昨收、某个时刻的价格，还是除权后的参考价。 基准时刻是几点、哪个时区？周日开盘那几个小时怎么算？决定黄金、外汇、加密的涨跌能不能和股票放在一起。 除权除息日用不用参考价？不用，持仓页就会出现“一夜亏三成”。 盘前、盘后、夜盘的涨跌按哪个收盘算？不说清，首页和详情页就会对不上。 休市时显示上一交易日涨跌，还是0？显示0，用户会以为平盘。 常见问题 行情App的涨跌幅，为什么和别家不一样？ 因为分母不同。涨跌幅＝（现价−基准价）÷基准价，现价各家一样，基准价各家可以不同：A股除权日用参考价还是昨收，黄金按纽约17:00还是UTC 0点切日，加密用滚动24小时还是0点，美股夜盘跟周一收盘比还是跟上周五比。两个App的涨跌幅不一样，多半不是谁算错，而是分母不同。 跨市场涨幅榜怎么排才可比？ 不要直接拿各市场现成的涨跌幅排序。先选定一个统一窗口，比如“北京时间今天0点至今”或“过去24小时”，用K线把每个品种按这个窗口重算一遍再排；休市的品种单独标出，不和交易中的品种混排。 黄金的收盘价是几点的价格？ 黄金现货没有交易所规定的官方收盘价。伦敦 LBMA 黄金价格每天定两次，伦敦时间10:30和15:00；上海金每天两次，北京时间10:15和14:15；COMEX 黄金期货结算价按收盘前一段时间的成交量加权平均价确定。现货平台各自选时刻切“日”，常见的有纽约17:00、UTC 0点、北京时间0点。 为什么除权那天股价“暴跌”，涨跌幅却不大？ 除权除息日的涨跌幅，基准不是昨天的收盘价，而是除权（息）参考价。寒武纪2026年5月8日前收1,868.00元，每股派现1.50元、转增0.49股，参考价1,252.68元；收盘1,182.53元，看着跌了36.7%，按参考价只跌5.6%。价格降下去的部分，换成了多出来的股份和到账的现金。 美股盘后、夜盘的涨跌是跟谁比？ 跟当天常规盘的收盘比；常规盘的涨跌，跟上一个常规交易日的收盘比。2026年10月13日北京时间10:56，苹果主快照较上周五收盘涨1.29%，夜盘较周一收盘涨0.47%。首页显示主快照、详情页显示夜盘，就会出现两个不同的涨幅。 最后一个问题 你们App上的涨跌幅，分母写在哪？ 今天就能做的一件事：打开自己App的涨幅榜，逐行写出每个涨跌幅跟谁比、从几点算起。写不出来的那一行，就是下一个客诉工单。 如果你只是用行情App的投资者，也可以试一次：同一时刻打开三个App，记下同一个品种的涨跌幅。不一样，多半不是谁错了，只是三个参照点。 看涨跌，先问“跟谁比”。 参考资料 LBMA，LBMA Gold Price CME Group，When FX Futures Pause: Understanding spread risk around the daily close，2026-09-29 上海证券交易所，收盘集合竞价相关说明，2018-08-06 Nasdaq，Opening and Closing Cross FAQ 香港交易所，Trading Mechanism of CAS in the Securities Market 上海黄金交易所，Shanghai Gold Benchmark Price Launching Ceremony，2016-04 CME Group，Gold 结算方法说明 寒武纪，2025年年度权益分派实施公告（公告编号2026-011） 上海证券交易所，《上海证券交易所科创板股票交易特别规定》 Spot API 文档：24hr Ticker Price Change Statistics Gate 帮助中心，如何切换涨跌幅起止时间 Kahneman, D. & Tversky, A. (1979). Prospect Theory: An Analysis of Decision under Risk. Econometrica, 47(2), 263–291 很多做短线量化的人卡在集合竞价阶段。 普通行情接口只能拿到开盘价，看不到竞价阶段真实撮合变化。 依靠滞后数据写出来的竞价策略，回测好看，实盘持续翻车。 集合竞价核心原理 A 股集合竞价分为两个阶段：9:15-9:20 可撤单，9:20-9:25 不可撤单。 9:25 一次性产生开盘成交价。 竞价阶段的虚假挂单，大多集中在 9:20 前。 集合竞价接口的字段怎么用 接口地址：http://api.xtick.top/doc/bid/time?type=1&code=all&token=你的token 返回的核心字段包括： 字段 含义 策略价值 price 当前匹配价格 观察竞价过程中价格是否被逐步推高 jjzf 竞价涨幅 相对昨收的偏离度 jjl 竞价量 当前累计撮合量 jje 竞价金额 量×价，反映资金参与深度 nol 未匹配量 买卖失衡的绝对值 noe 未匹配金额 未匹配量的金额口径 trend 未匹配方向 1偏向买方，-1偏向卖方 最关键的组合是jjzf + noe + trend。 竞价涨幅适中、未匹配金额大、且方向偏买方——这三个条件同时成立时，说明有资金在9:20后持续用真实挂单推价，撤单概率极低。 三个可直接落地的竞价筛选条件 条件一：竞价涨幅的“黄金窗口” 涨幅区间 含义 处理方式 < 2% 无主力介入 跳过 2%-4% 温和抢筹 重点观察 4%-6% 强高开，需放量验证 配合量能判断 > 6% 高开过多，追高风险大 除非有明确逻辑，否则放弃 竞价涨幅不是越高越好。2%到4%的温和高开，抛压消化充分，后续回踩不破均价线的概率最大。 条件二：未匹配金额的“方向确认” noe（未匹配金额）配合trend（方向）使用。 当noe > 500万且trend = 1时，说明买方挂单量显著大于卖方，且差额集中在买一侧。这种状态下，9:25撮合出来的开盘价会被“买方力量”顶在高位。 反过来，noe很大但trend = -1，说明卖方压力更大，高开可能是诱多。 条件三：竞价金额与流通市值的比值 竞价金额jje除以流通市值，得到一个“竞价参与度”指标。 竞价参与度 信号 < 0.05% 冷门，无资金关注 0.05%-0.15% 正常水平 0.15%-0.3% 活跃，值得跟踪 > 0.3% 极活跃，需警惕对倒 参与度超过0.3%时，必须结合trend判断方向。 如果是买方方向且价格稳步上推，是真实抢筹；如果价格在高位横盘但参与度极高，要防范对倒出货。 竞价信号到交易决策 集合竞价不是寻找“必涨信号”，而是把有限的盘前信息变成可检验的候选条件，再用开盘成交验证，并用纪律管理失败。**数据能提高观察质量，不能消除市场风险。 编辑 为什么90%的人会在竞价阶段亏钱？ 因为他们在用眼睛交易，而不是用数据交易。 我统计了近三年的竞价数据，发现三个致命误区： 误区 具体表现 真实情况 看挂单量做决策 买一量巨大=强势 9:20前可撤单，大单随时消失 追涨停竞价 涨停价挂单=主力看好 可能是诱多，9:20后撤单跑路 忽视量比 只看价格不看成交量 无量高开=假突破，大概率回落 记住一句话：没有成交量支撑的竞价走势，都是耍流氓。 很多竞价策略回测时直接用9:25的开盘价数据，这忽略了一个事实：9:25之前你无法知道最终撮合结果。 如果用9:25数据做信号、9:25价格成交，等于用了未来数据。正确的回测方式是用9:23或9:24的快照生成信号，以9:25开盘价成交——这中间存在一个“信号到执行”的时间差，滑点必须计入。 参考Github开源项目：https://github.com/xticktop/skills 摆脱低效提问，解锁AI选股的正确姿势 在AI赋能金融投资的今天，许多投资者在尝试使用AI辅助选股时，往往第一句话就问：“今天推荐买哪只股票？”这种模糊且缺乏量化约束的提问，不仅容易引发AI的模型幻觉，更无法给出具备实操价值的研报级结果。 “用豆包选股90%的人第一句话就问错了，真正有用的是这五条指令……” 要想让豆包AI真正成为高效、可靠的A股智能筛选引擎，关键在于将复杂的选股逻辑拆解为结构化、多维度的提示词（Prompt）链条。通过分步递进与风控前置，把AI从“随机猜股票的黑盒”转化为“严格执行策略的量化助手”。 核心拆解：高效AI选股指令全景指南 专家提示（Expert Tip）： 豆包AI依靠实时联网插件获取市场行情。在执行以下指令时，建议明确要求AI“检索最新的实时行情与财报数据”，以确保财务数据与资金流向的时效性。 指令一：基础指标初筛（成交量、市盈率与风险过滤） 选股的第一步在于建立兼具流动性与安全边际的初始股票池。通过量化门槛，快速剔除交投清淡或估值偏离度过高的标的。 【AI指令示范】 “请检索最新实时行情，帮我筛选近30天成交量温和放大、市盈率低于行业平均、且无退市风险的A股标的。” 该指令涵盖了三项核心初筛指标： **●**成交量： 要求“近30天成交量温和放大”。从金融技术面来看，相比爆发式的“放量巨阳”（往往伴随机构出货或追高陷阱），“温和放大”代表资金在底部吸筹或稳步建仓，能有效筛选出具备真实交易活跃度与流动性的标的。 **●**市盈率： 设定为“低于行业平均”，从估值安全垫出发，避免买入高估值泡沫标的，兼顾安全性与性价比。 **●**退市风险： 明确要求“无退市风险”，直接过滤ST、*ST以及存在被实施退市风险警示的股票，防范源头风险。 指令二：排雷深度核查（近三年净利润与业绩防雷） 在初步建立股票池后，第二步必须对企业基本面进行深度“防雷”核查。保障投资本金安全的前提，就是坚决剔除业绩下滑与存在财务隐患的公司。 【AI指令示范】 “针对上述初步筛选出的股票，请进一步核查其近三年净利润数据，坚决排除业绩下滑、存在商誉大幅减值风险或财报异常‘有雷’的公司。” 在实际操作中，近三年净利润是衡量企业核心造血能力的关键指标。通过该指令让AI深入审查财务报表，能够有效排除业绩下滑、非经常性损益虚增利润或审计意见异常等潜伏雷区，确保标的具备扎实的基本面支撑。 指令三：资金动向追踪（主力与北向资金持续加仓） 资金的真实流向是锁定市场合力、确认价格上涨动能的关键信号。第三步需要紧密追踪市场上两股最具风向标意义的资金力量。 【AI指令示范】 “请分析上述标的近期的资金流向，重点查看主力资金与北向资金的动态，仅保留主力与北向资金持续加仓、形成买入共振的标的。” 主力与北向资金联合筛选标准： ●**资金追踪维度： 联合监测本土公募/私募等主力资金与被称为“聪明钱（Smart Money）”的北向资金**（外资）。 **●**判定与保留标准： 设定“持续加仓”门槛，拒绝单日偶发性净流入，只保留资金持续加仓的标的。当内外资机构形成共振加仓时，往往预示着中长期趋势的确立。 指令四：赛道与风控综合评估（行业景气度、政策利好与估值回撤） 第四步需要自上而下结合行业宏观大环境与自下而上的个股回撤风险进行综合评估。既要顺应景气度挑选“成长赛道”，又要严控“估值与回撤风险”。 【AI指令示范】 “请分析上述标的所在行业的景气度和近期政策利好，优先挑选高成长赛道；同时评估标的的估值风险与历史最大回撤风险，最终给出安全可操作的个股清单。” **●筛选维度（行业/政策/风险）：**筛选目标（成长赛道/安全可操作清单） ●行业景气度 & 政策利好：匹配产业政策倾斜与行业复合增长率，优先挑选具备高成长潜力的成长赛道 ●估值风险 & 回撤风险：测算分位数估值偏离度与阶段性最大回撤，全面评估风险并输出安全可操作的个股清单 指令五：全维度终极合成指令（一键复核与组合输出） 为了满足需要一次性高效输出的实战场景，我们可以将前四步的单项逻辑融合成一条“一键复核”的Master Prompt（母指令），实现全流程自动化复核。 【AI指令示范】 “请将上述选股逻辑合并执行：基于近30天成交量温和放大、市盈率低于行业均值且无退市风险（初筛），查验并剔除近三年净利润下滑及存在财务雷区标的（防雷），锁定主力与北向资金持续加仓标的（资金），结合行业景气度与政策利好评估回撤风险，最终输出一份包含核心逻辑与风险提示的A股安全可操作清单。” 通过终极合成指令，豆包AI能够在一个会话中完成“量价初筛 \rightarrow 业绩防雷 \rightarrow 资金验真 \rightarrow 赛道与风控复核”的全闭环拆解，显著提升选股效率与准确度。 让AI成为理性的投资助手 通过这套结构化的5条核心指令组合，投资者能够将模糊、无序的提问转化为严格的量化风控筛选流程，让AI真正成为专业、理性的投资决策辅助引擎。 在AI工具日益普及的今天，你准备好用精准指令升级你的投资策略了吗？ 面对复杂市场的破局之道 进入下半年，全球宏观经济运行的脉络愈发交错复杂的信号。美联储利率路径的再修正、全球通胀拐点的隐现、美元指数的震荡以及地缘局势的剧烈扰动，共同交织成一个高波动、快轮动的市场环境。面对频繁切换的资产主线与纷繁复杂的盘面信息，许多投资者难免陷入交易节奏脱节的焦虑与迷茫：如何在纷繁嘈杂的宏观噪音中准确辨识资产定价的核心脉络？又该如何构建具备抗冲击能力与超额收益空间的资产组合？ 事实上，资本市场的短期价格波动看似无序，其底层逻辑始终由资金流动、利率贴现与风险溢价等宏观因子深度驱动。理清这些底层传导机制，是投资者在下半年迷局中保持战略定力、实现穿透式建仓的破局之道。本文深入拆解下半年必须看懂的八大市场运行逻辑，帮助大家穿透盘面迷雾，梳理资产配置与交易的硬核规律。 核心拆解：下半年八大市场运行逻辑 逻辑一：利率政策与股市总基调（加息 vs 降息） 中央银行的货币政策周期是决定权益市场整体资金水位与风险偏好的“总开关”。在加息周期中，基准利率抬升直接导致实体经济与金融体系的借贷成本增加，全球金融条件（Financial Conditions）同步紧缩，流动性溢价受压制，导致股市整体估值承压；而在降息周期开启后，无风险利率下行与借贷成本下降不仅能够改善企业财务费用，更能边际释放充沛的市场流动性，进而提升风险偏好，为权益市场提供强劲的估值扩张支撑。 美加息股市弱，美降息股市强 【分析师点评】：利率政策是宏观资产定价的“第一性原理”。在构建股票多头仓位时，务必将央行货币政策的边际拐点作为判断大盘趋势与确定仓位上限的首要基准。 逻辑二：货币强弱与避险资产（美元 vs 黄金） 美元作为全球金融体系的核心结算与计价货币，与兼具黄金属性、货币属性及零息债券属性的金价之间存在显著的负相关关系。当美元指数走强时，以美元计价的黄金对非美货币持有者而言购入成本增加；同时，高企的美元利率大幅抬升了持有无息黄金的机会成本，对金价形成双重挤压。反之，美元走弱往往伴随着美债真实收益率（Real Yields）的回落，黄金的抗通胀与避险价值便会迎来重新定价的窗口期。 美元强黄金弱 【分析师点评】：黄金与美元是跨资产对冲交易中的经典负相关标的。密切跟踪美元指数及美债真实收益率的变化，是精准把握黄金长波段建仓时机的关键所在。 逻辑三：地缘政治与大宗商品（局势 vs 资源） 当关键地缘政治区域陷入紧张或冲突状态时，全球供应链的稳定性与大宗商品的供给弹性会受到严重冲击。无论是原油、天然气等能源品，还是铜、铝以及农业资源，市场对供给端中断的隐忧均会在短期内迅速转化为“地缘风险溢价”（Geopolitical Risk Premium）。资金倾向于迅速流入具备天然稀缺性的大宗商品，驱动资源类资产走出一轮独立行情。 地缘乱资源涨 【分析师点评】：地缘政治事件是典型的非对称供给侧冲击。在宏观黑天鹅频发的阶段，适度配置具备抗通胀与防冲击属性的资源品，是提高资产组合下行防御力的重要手段。 逻辑四：通胀放缓与成长板块（通胀回落 vs 科技） 通胀压力的缓解是决定成长股估值重塑的核心催化剂。当CPI或PCE等通胀指标持续回落时，市场对终端利率上限的预期开始松动，带动无风险利率与名义债券收益率下滑。从DCF（现金流折现）模型来看，科技股等成长性资产的现金流往往集中于远期，贴现率（Discount Rate）的分母端下降会产生巨大的估值弹升效应，进而拉动以科技为代表的高久期资产领涨市场。 通胀降科技涨 【分析师点评】：本逻辑侧重于内生无风险利率下降对科技股“DCF分母端”的估值修复。通胀回落直接解封了成长资产的定价天花板，是科技板块开启估值重估的关键信号。 逻辑五：通胀上升与价值板块（通胀升温 vs 银行） 相反，当通胀水平阶段性重新抬头或超预期升温时，市场对央行维持高利率（Higher-for-Longer）甚至加息的预期将迅速强化。在这种宏观背景下，以银行为代表的高股息、低估值金融板块往往展现出极强防御与相对收益属性。基准利率的高企以及收益率曲线的陡峭化预示着银行净息差（NIM）的扩大与盈利能力的改善，吸引避险资金向价值板块集中。 通胀升银行涨 【分析师点评】：通胀指标的变化直接决定了成长与价值风格的轮动方向。在通胀上升或维持高位的阶段，银行等具备净息差扩张红利与高股息安全边际的板块是资金的避风港。 逻辑六：汇率贬值对科技资产的驱动（美元走弱 vs 科技） 当美元汇率趋势性走弱（美元贬值）时，全球金融条件（FCI）呈现显著宽松态势，资金开始从单一美元存款或无风险资产中溢出，在全球范围内寻找高Beta、高资本回报率的风险资产。科技巨头通常具备极高的盈利质量、强劲的自由现金流与全球化的业务布局，在美元走弱带来的全球宏观流动性溢出效应（Overflow Effect）推动下，能够吸引大量跨国资本配置，展现出强劲的超越大盘表现。 美元贬科技强 【分析师点评】：不同于逻辑四的“贴现率逻辑”，逻辑六强调的是“外生跨国流动性溢出效应”。美元弱势松绑了全球金融条件，为跨国资本配置全球科技龙头创造了极为充沛的流动性土壤。 逻辑七：和平预期与能源价格波动（局势缓和 vs 能源） 地缘冲突的爆发固然会导致能源资产飙升，但随着停火协议、政治谈判的推进或战事趋于平息，此前盘踞在原油与天然气价格中的“地缘风险溢价”将被快速挤出。当供给端中断的恐慌情绪消退，资产定价逻辑将迅速重新锚定至实体经济的真实供需基本面。在缺乏额外需求拉动的情况下，溢价挤出效应通常会导致原油等能源资产价格出现均值回归式的回落。 战事停能源落 【分析师点评】：地缘风险溢价具有“风险事件演变快、溢价挤出速度更快”的特征。战事平息意味着短期风险溢价的出清，投资者需警惕情绪退潮后能源资产的回归挤压风险。 逻辑八：宏观主线下的综合资产轮动 上述七大逻辑并非彼此孤立的单向链条，而是交织构成下半年整体宏观图景的因子矩阵。在实际市场演变中，我们极少看到单一因子独立起作用，更多是多个因子共振带来的跨资产轮动场景。 例如： 场景一（金发女孩情景扩张）：当“通胀回落 + 美联储降息 + 美元走弱”三者共振叠加时，市场将触发极其强烈的“科技（贴现率下降+流动性溢出）+ 黄金（真实利率下行）”双轮驱动主线。 场景二（滞胀或地缘冲击再现）：当“地缘局势紧张 + 通胀升温 + 美联储鹰派”组合出现时，市场主线则会迅速切换至“资源（供给侧溢价）+ 银行（净息差防御）”的防御性配置。 宏观交织，因时而变 【分析师点评】：单因子口诀是基础，多因子共振才是策略全貌。掌握下半年资产配置的精髓，在于根据“通胀-利率-汇率-地缘”四维矩阵的动态变化，灵活调整组合中“攻击性前锋”（科技/黄金）与“防御性后卫”（银行/资源）的配比。3. 总结与展望：从逻辑到行动 宏观交易的迷人之处在于盘面瞬息万变，但驱动资产价格演变的核心定价逻辑始终有迹可循。从利率与通胀对权益估值的锚定，到汇率与地缘对大宗商品与避险资产的传导，这八大逻辑共同构成了下半年应对市场波动的坐标系。 站在当前的时间节点，对于投资者而言，“背诵口诀”仅是第一步，更重要的在于将这些逻辑转化为机构级的交易纪律——“顺应逻辑与趋势”，远比“盲目预测市场点位”更具胜率。唯有深刻理解宏观因子与各资产板块之间的传导机制，并在不同象限演变中建立相适应的建仓与风控机制，才能在下半年的市场大浪中保持定力，实现资产的稳健增值。 面对下半年的宏观演变，你的资产组合是否已经为这些关键逻辑做好了准备？ 
