# vnpy_xt

**Repository Path**: conanchen/vnpy_xt

## Basic Information

- **Project Name**: vnpy_xt
- **Description**: No description available
- **Primary Language**: Python
- **License**: MIT
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2025-10-21
- **Last Updated**: 2026-08-17

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# VeighNa框架的迅投研数据服务接口

<p align="center">
  <img src ="https://vnpy.oss-cn-shanghai.aliyuncs.com/vnpy-logo.png"/>
</p>

<p align="center">
    <img src ="https://img.shields.io/badge/version-1.4.6-blueviolet.svg"/>
    <img src ="https://img.shields.io/badge/platform-windows-yellow.svg"/>
    <img src ="https://img.shields.io/badge/python-3.10|3.11|3.12|3.13-blue.svg" />
    <img src ="https://img.shields.io/github/license/vnpy/vnpy.svg?color=orange"/>
</p>

## 说明

基于迅投XtQuant封装开发的实时行情和数据服务接口，支持以下中国金融市场的K线和Tick数据：

* 股票、基金、债券、ETF期权：
  * SSE：上海证券交易所
  * SZSE：深圳证券交易所
* 期货、期货期权：
  * CFFEX：中国金融期货交易所
  * SHFE：上海期货交易所
  * DCE：大连商品交易所
  * CZCE：郑州商品交易所
  * INE：上海国际能源交易中心
  * GFEX：广州期货交易所


## 安装

安装环境推荐基于4.0.0版本以上的【[**VeighNa Studio**](https://www.vnpy.com/)】。

直接使用pip命令：

```
pip install vnpy_xt
```


或者下载解压后在cmd中运行：

```
pip install .
```

## 使用

迅投数据试用账号申请链接：[VeighNa社区专属14天试用权限](https://xuntou.net/#/signup?utm_source=vnpy)

### Token连接（远程服务器）

1. 连接前请先确保xtquant模块可以正常加载（在[投研知识库](http://docs.thinktrader.net/)下载xtquant的安装包，解压后放置xtquant包到自己使用的Python环境的site_packages文件夹下）。
2. 登录[迅投研服务平台](https://xuntou.net/#/userInfo)，在【用户中心】-【个人设置】-【接口TOKEN】处获取Token。
3. 在VeighNa Trader的【全局配置】处进行数据服务配置：
    * datafeed.name：xt
    * datafeed.username：token
    * datafeed.password：填复制的Token

### 客户端连接（本地QMT）

1. 连接请先登录迅投极速交易终端，同时确保xtquant模块可以正常加载（点击【下载Python库】-【Python库下载】，下载完成后拷贝"Python库路径"下Lib\site-packages文件夹中的xtquant包到自己使用的Python环境的site_packages文件夹下）。
2. 在VeighNa Trader的【全局配置】处进行数据服务配置：
    * datafeed.name：xt
    * datafeed.username：client
    * datafeed.password：留空
3. 请注意以客户端方式连接时，需要保持迅投客户端的运行。

**详细配置指南**: 参见 [Client Mode完整指南](CLIENT_MODE_GUIDE.md)

## 高级功能

本版本 (v1.4.6+) 增强了行情订阅功能，完整支持xtdata.py的所有能力：

- ✅ **多周期订阅**: tick, 1m, 5m, 15m, 30m, 60m, 1d, 1w等
- ✅ **复权方式**: 不复权、前复权、后复权
- ✅ **历史数据**: 按数量或时间范围订阅
- ✅ **L2千档行情**: 支持千档深度（需L2权限）
- ✅ **全推行情**: 订阅整个市场或多只股票

### 复权方式最佳实践

复权方式的选择应根据**策略类型**和**使用场景**来决定，最重要的原则是**保持一致性**。

#### 📊 推荐方案

| 策略类型 | 实盘推荐 | 回测推荐 | 核心原因 |
|---------|---------|---------|----------|
| **中长线策略** | 前复权 (front) | 前复权 (front) | 当前价格真实，便于下单；保持一致性 |
| **学术研究/严格回测** | 后复权 (back) | 后复权 (back) | 历史价格真实，避免未来函数 |
| **短线/日内交易** | 不复权 (none) | 不复权 (none) | 关注真实价格波动和支撑压力位 |

#### 🎯 各复权方式详解

**前复权 (front) - 最常用**
- ✅ **优点**：当前价格保持真实市场价，历史价格向前调整
  - 实盘下单直观：看到1850就按1850下单
  - 止损止盈设置简单：价格就是实际成交价
  - 适合大多数中长期策略
- ⚠️ **注意**：多次分红送股的股票，历史价格可能出现极小值甚至负数
  - 影响长期技术指标计算（如200日均线）
  - 需要注意历史数据的有效性

**后复权 (back) - 学术标准**
- ✅ **优点**：历史价格保持当时真实成交价
  - 避免未来函数：不会因未来分红影响历史价格
  - 回测更真实：模拟当时实际可交易价格
  - 收益率计算准确
- ⚠️ **注意**：当前价格会被调整得很高
  - 累积了所有历史分红送股的影响
  - 价格数值可能不直观（如显示几千元）

**不复权 (none) - 特定场景**
- ✅ **优点**：所有价格都是真实历史成交价
  - 短线策略：关注真实价格波动
  - 支撑压力：历史关键价位准确
  - 量价关系：成交量和价格匹配真实
- ⚠️ **注意**：不适合跨除权除息日的分析
  - 价格会出现跳空缺口
  - 长期趋势分析会失真

#### ⚡ 关键原则：保持一致性

```python
# ✅ 正确做法：实盘和回测使用相同复权方式
# 实盘使用前复权
req_live = XtSubscribeRequest(
    symbol="600519",
    exchange=Exchange.SSE,
    period="1d",
    dividend_type="front"  # 前复权
)

# 回测也使用前复权
req_backtest = XtSubscribeRequest(
    symbol="600519",
    exchange=Exchange.SSE,
    period="1d",
    dividend_type="front",  # 保持一致！
    start_time="20230101",
    end_time="20241231"
)

# ❌ 错误做法：实盘和回测使用不同复权方式
# 这会导致策略验证失效，回测结果不可信
```

#### 💡 实用建议

1. **新手入门**：建议使用**前复权**
   - 价格直观，易于理解
   - 适合大多数策略场景
   - 实盘回测保持一致

2. **严格回测**：建议使用**后复权**
   - 符合学术标准
   - 避免前视偏差（look-ahead bias）
   - 适合策略研究和论文

3. **短线交易**：可以考虑**不复权**
   - 关注实时价格波动
   - 日内交易不受除权影响
   - 需要注意隔夜跳空风险

4. **技术指标计算**：建议使用**复权数据**（前或后均可）
   - MA、MACD等指标需要连续价格
   - 不复权数据会因除权产生失真

### 全推行情说明

使用 `code_list=["SH", "SZ"]` 订阅全推行情时，会收到**沪深两市所有证券**的数据，包括：

- **A股股票**: 约5,000-6,000只（沪市6xxxxx、深市0xxxxx主板、3xxxxx创业板）
- **指数**: 上证指数、深证指数等各类指数
- **ETF基金**: 交易型开放式指数基金
- **LOF基金**: 上市型开放式基金
- **可转债**: 可转换债券
- **债券**: 国债、企业债等
- **其他证券**: 权证、期权等（如有）

因此单次更新可能收到20,000+个证券数据，这是正常现象。

**如果只需要A股股票**，可以在回调函数中过滤：

```python
def on_whole_quote(data):
    # 只保留A股股票（排除指数、ETF、债券等）
    stock_data = {
        code: quote for code, quote in data.items()
        if (code.startswith('6') and '.SH' in code) or  # 沪市股票
           (code.startswith('0') and '.SZ' in code) or   # 深市主板
           (code.startswith('3') and '.SZ' in code)      # 创业板
    }
    print(f"收到 {len(stock_data)} 只A股数据")  # 约5000+只
    # ... 处理股票数据
```

**详细功能文档**: 
- [增强功能指南](ENHANCED_FEATURES.md)
- [快速参考卡](QUICK_REFERENCE.md)
- [错误处理指南](ERROR_HANDLING.md)