一套代码跑遍 A 股、美股、港股：基于 QuantDash 的跨市场量化实战

# ❌ 传统跨市场拼接的繁琐写法（伪代码）
# A 股用 akshare
df_a = ak.stock_zh_a_daily(symbol="sh600519")
df_a = df_a.rename(columns={"日期": "date", "收盘价": "close"}) # 中文列名清洗

# 美股用 yfinance
df_us = yf.download("AAPL") # 字段多为大写 "Close", "Open"
df_us.index.name = "date"

# 港股用 tushare 
df_hk = ts_pro.hk_daily(ts_code="00700.HK")

# ⚠️ 问题来了：时区不一致、除权除息口径不同、数据列名拼写各异，直接导致拼表逻辑漏洞百出！

A 股 (600519.SH)  ──┐
 港股 (00700.HK)   ──┼─> [QuantDash 统一网关] ─> 统一 DataFrame (trade_date, close...)
 美股 (AAPL.US)     ──┘

import os
import pandas as pd
from quantdash import QuantDash

# 初始化客户端（使用脱敏公共Token，生产环境建议替换为您的专属 API Key）
api_key = os.getenv("QUANTDASH_API_KEY", "demo_public_token")
qd = QuantDash(api_key=api_key)

def calculate_rsi(df, period=14):
    """手动用 Pandas 优雅计算标准 RSI(14) 指标"""
    delta = df["close"].diff()
    gain = (delta.where(delta > 0, 0)).rolling(window=period).mean()
    loss = (-delta.where(delta < 0, 0)).rolling(window=period).mean()
    rs = gain / (loss + 1e-9)
    df["RSI_14"] = 100 - (100 / (1 + rs))
    return df

def get_multi_market_momentum():
    # 定义跨市场标的（A股、港股、美股）
    symbols = {
        "A-Share (茅台)": "600519.SH",
        "HK-Share (腾讯)": "00700.HK",
        "US-Share (苹果)": "AAPL.US"
    }
    
    combined_results = []
    
    for name, symbol in symbols.items():
        print(f"正在从 QuantDash 提取 {name} [{symbol}] 的前复权 K 线...")
        try:
            # 统一的接口、统一的参数、统一的复权口径
            df = qd.klines.get(
                symbol=symbol,
                period="1d",
                adjust="forward",   # forward 为前复权，确保历史指标连续、不因除权失真
                to_dataframe=True
            )
            
            if df is None or df.empty:
                continue
                
            # 计算 RSI 指标
            df = calculate_rsi(df)
            
            # 取最新一天的收盘价和 RSI 值
            latest_row = df.iloc[-1]
            combined_results.append({
                "市场名称": name,
                "标准代码": symbol,
                "交易日期": latest_row["trade_date"],
                "最新收盘价": round(latest_row["close"], 2),
                "RSI(14)值": round(latest_row["RSI_14"], 2)
            })
            
        except Exception as e:
            print(f"拉取 {symbol} 数据异常: {e}")
            
    return pd.DataFrame(combined_results)

if __name__ == "__main__":
    momentum_df = get_multi_market_momentum()
    print("\n=== 跨市场最新收盘价与相对强弱（RSI）对比面板 ===")
    print(momentum_df.to_string(index=False))

正在从 QuantDash 提取 A-Share (茅台) [600519.SH] 的前复权 K 线...
正在从 QuantDash 提取 HK-Share (腾讯) [00700.HK] 的前复权 K 线...
正在从 QuantDash 提取 US-Share (苹果) [AAPL.US] 的前复权 K 线...

=== 跨市场最新收盘价与相对强弱（RSI）对比面板 ===
         市场名称      标准代码       交易日期   最新收盘价  RSI(14)值
 A-Share (茅台) 600519.SH 2026-07-24 1297.41     68.55
HK-Share (腾讯)  00700.HK 2026-07-24  434.60     44.83
US-Share (苹果)   AAPL.US 2026-07-24  333.02     67.70

你是一个资深的量化研究员。我正在使用统一的 quantdash 数据源 SDK。
请帮我写一个 Python 脚本，要求：
1. 导入 quantdash：from quantdash import QuantDash; qd = QuantDash(api_key=os.getenv("QUANTDASH_API_KEY"))
2. 获取三个标的 "BTC.US" (比特币ETF或美股相关)、"00700.HK" 和 "510300.SH" 过去 60 天的前复权日K线数据：qd.klines.get(symbol=symbol, period="1d", adjust="forward", to_dataframe=True)
3. 使用 pandas 计算每个标的的 20 日简单移动平均线（MA20）。
4. 对齐三个标的的 trade_date，合并输出一张包含各标的 close 以及 MA20 的宽表，缺失值使用前向填充 ffill。