迅投miniqmt行情数据subscribe_whole_quote、subscribe_quote、get_full_tick怎么选

子晓聊技术

发布于 2026-05-26 20:30:04

890

最近有同学反馈用get_full_tick频繁获取全市场数据卡死，我当时推荐他用subscribe_whole_quote。这里聊一聊获取行情数据subscribe_whole_quote、subscribe_quote、get_full_tick这几个的区别。

一、三个比喻，秒懂核心差异

想象一下，你是一个操盘手，需要时刻关注市场动态。

subscribe_whole_quote 就像你在交易大厅装了一个 “全市场警报器”。你告诉它：“关注全市场股票，有任何一只出现新的成交（TICK），就立刻告诉我变化的那部分数据。” —— 它批量监听，有变才报，效率极高。
subscribe_quote 则像你雇了一个 “专职盯盘助手”。你对他说：“给我死死盯住茅台这支股票，每来一个新TICK，或者每分钟收线，都完整向我汇报一次。” —— 它精准盯防，事无巨细，延迟最低，但资源消耗也大。
get_full_tick 更像你随手拿起遥控器 “拍一张电视快照”。你需要的时候，啪一下，把当前屏幕上所有股票的最新价、成交量等信息截取下来。 —— 它即取即用，不问过往，成本极低，但信息是瞬时的。

是不是一下子就清晰了？下面我们深入技术细节。

二、适用场景、优缺点

1. `subscribe_whole_quote` —— 全市场高效推送器

工作模式：被动推送，增量更新。只有订阅的标的发生变化时，QMT 才会把变化的数据（比如最新价、成交量）推给你。
数据粒度：仅限 TICK 分笔数据（交易所每笔成交）。
适用场景：你需要同时监控大量股票（比如一个股票池），并实时捕捉它们的异动，但不需要每笔成交的完整信息。
优点：网络带宽和计算资源消耗小，因为只传输变化量。
缺点：只能拿到 TICK 数据，不能直接订阅 K 线

2. `subscribe_quote` —— 精准定点监控器

工作模式：被动推送，完整推送。你指定一个或几个标的，以及一个周期（TICK、1分钟、5分钟、日线等），每到周期结束，QMT 就把这个周期的完整 Bar 数据推送给你。
数据粒度：TICK 或任意 K 线周期。
适用场景：你正在交易少数几只股票，需要最低延迟的 TICK 数据来驱动高频策略，或者需要自定义周期的 K 线来观察持仓走势。
优点：延迟极低，数据完整，支持多周期。
缺点：每个订阅的标都会持续占用连接资源，订阅数量不宜多（一般不超过几十个）。

3. `get_full_tick` —— 轻量级快照抓取器

工作模式：主动拉取，一问一答。你调用它时，它直接从本地缓存中取出所有已订阅品种的最新 TICK 快照给你。
数据粒度：TICK 快照（最新一笔）。
适用场景：你需要快速扫一遍全市场或一个大板块的现价、涨跌幅等；或者在策略启动时做一次初始数据获取；又或者你的监控频率很低（比如每几秒一次），不想占用订阅额度。
优点：不占订阅额度，可以获取全市场数千只股票的快照；调用简单，无回调管理。
缺点：不是被动推送，需要你自己写循环去轮询；延迟比推送模式稍高（一般在几十毫秒级别）

三、实战例子

光说不练假把式。下面用 Python 代码片段展示每个函数的具体用法。

1、 `subscribe_whole_quote` 盯全市场变化

from xtquant import xtdata
import datetime
def on_market_data(data):
    """全市场数据回调函数"""
    current_time = datetime.datetime.now().strftime("%Y-%m-%d %H:%M:%S.%f")[:-3]
    print(f"当前时间:{current_time}")
    print(f"收到{len(data)}只股票的数据")
    for stock_code, stock_data in data.items():
      last_price = stock_data.get('lastPrice', 'N/A')
      volume = stock_data.get('volume', 'N/A')
      print(f"股票{stock_code}最新价:{last_price}, 成交量:{volume}")
# 订阅沪深两市的 tick 数据
seq = xtdata.subscribe_whole_quote(code_list=['SH', 'SZ'], callback=on_market_data)
# 运行程序接收数据
xtdata.run()
# 取消订阅（可选）
# xtdata.unsubscribe_quote(seq)

2、subscribe_quote 盯住你的持仓股

你持有茅台和宁德时代，需要以最低延迟获得每一笔TICK数据来驱动你的高频做T策略。

from xtquant import xtdata
def simple_callback(data):
print(f"收到行情数据: {data}")
# 订阅上证指数的1分钟线
handle = xtdata.subscribe_quote(
stock_code='000001.SH',
period='1m',
callback=simple_callback
)
xtdata.run()  # 保持程序运行以接收数据

3、get_full_tick 快速查询

import xtquant.xtdata as xtdata
from datetime import datetime, timedelta
import time
def get_all_stock_codes():
    """获取沪深两市所有A股股票代码"""
    return xtdata.get_stock_list_in_sector("沪深A股")
def get_realtime_market_status():
    """
    实时统计涨跌家数（盘中使用）
    返回: (上涨家数, 下跌家数, 平盘家数, 无效数据家数)
    """
    stock_codes = get_all_stock_codes()
    quotes = xtdata.get_full_tick(stock_codes)
    up = down = unchanged = invalid = 0
    for code in stock_codes:
        data = quotes.get(code, {})
        last_price = data.get('lastPrice')
        pre_close = data.get('lastClose')
        # 过滤无效数据
        if last_price is None or pre_close is None or pre_close == 0:
            invalid += 1
            continue
        # 计算涨跌幅（避免浮点误差）
        change_pct = (last_price - pre_close) / pre_close * 100
        if change_pct > 1e-6:
            up += 1
        elif change_pct < -1e-6:
            down += 1
        else:
            unchanged += 1
    return up, down, unchanged, invalid
if __name__ == "__main__":
    print("=== 实时涨跌统计 ===")
    up, down, unchanged, invalid = get_realtime_market_status()
    print(f"上涨: {up}, 下跌: {down}, 平盘: {unchanged}, 无效数据: {invalid}")

四、最后总结

想要低延迟监控全市场股票池 → subscribe_whole_quote
想要最低延迟盯着自己那几只持仓股做高频 → subscribe_quote
想要低成本、低频率地扫一遍很多股票 → get_full_tick + 轮询
开盘瞬间快速筛选 → get_full_tick
需要1分钟、5分钟K线数据 → 只能用 subscribe_quote

没有哪个函数是万能的，关键是理解它们的性格，然后组合使用。比如，每天早上先用 get_full_tick 快速扫描选出强势板块，然后对板块内的个股用 subscribe_whole_quote 实时监控异动，最后对真正开仓的股票用 subscribe_quote 进行 TICK 级精准盯盘。

本文参与腾讯云自媒体同步曝光计划，分享自微信公众号。

原始发表：2026-05-25，如有侵权请联系 cloudcommunity@tencent.com 删除

推送