最近小伙伴问我，本地的qmt使用不方便，需要历史行情数据做研究，问我怎么样找数据源，目前市场的数据源很大，但是有的收费，可以利用qmt的数据，把历史行情数据保存到本地，比如csv，xlsx。json等都可以，可以给策略读取做研究交易

用来计算技术指标，因子等分析，数据导出到本地可以多线程计算比如qmt平台快

第一步下载全市场的股票数据需要读取市场板块的成分股，qmt界面的左边板块都可以读取

第二步建立保存数据的文件夹，可以的话会自动建立，需要最近设置一下保存路径比如桌面

第三步，下载历史数据函数，因为订阅太慢，所以我没有订阅，直接读取本地保存的数据导出

需要先补充一下历史数据，在qmt的界面操作上面，点击数据管理

选择直接需要的周期下载就可以，比如全部

没有问题的话把策略挂模型交易，点击下载就可以

随便打开一个数据看看，重点是要补充下载好数据，如果是订阅的方式下载不需要


#coding:gbk
'''
作者:小果
全市场A股历史数据下载器
功能：读取全部A股板块成分股，循环下载每只股票的历史日线数据，保存为xlsx文件
'''
import pandas as pd
import os
import datetime
def init(c):
    c.account = '55001947'
    download_all_a_stock_data(c)
def download_all_a_stock_data(c):
    """
    下载全部A股历史日线数据
    参数 c: ContextInfo 对象（QMT回调传入）
    """
    # ========== 设置 ==========
    save_path = r'C:\Users\lxg123456\Desktop\data'
    
    # 创建文件夹
    if not os.path.exists(save_path):
        os.makedirs(save_path)
        print(f"已创建文件夹: {save_path}")
    
    # ========== 1. 获取全部A股股票池 ==========
    current_time = int(datetime.datetime.now().timestamp() * 1000)
    print("正在获取全部A股板块成分股...")
    
    stock_list = c.get_stock_list_in_sector('沪深A股')
    
    # 如果"全部A股"拿不到，尝试"沪深A股"
    if not stock_list or len(stock_list) == 0:
        print("'全部A股'板块未找到，尝试'沪深A股'...")
        stock_list = c.get_stock_list_in_sector('沪深A股')
    
    # 过滤：只保留正常A股（6位数字.市场标识）
    stock_list = [s for s in stock_list if s.count('.') == 1 and s.split('.')[0].isdigit()]
    
    print(f"共获取到 {len(stock_list)} 只A股\n")
    
    # ========== 2. 循环下载每只股票 ==========
    success = 0
    fail = 0
    
    for i, stock in enumerate(stock_list, 1):
        file_path = os.path.join(save_path, f"{stock}.xlsx")
        print(f"[{i}/{len(stock_list)}] 下载 {stock} ...", end="")
        
        try:
            # 获取历史日线数据
            data = c.get_market_data_ex(
                [],                 # 获取全部字段
                [stock],            # 股票代码
                period='1d',        # 日线
                start_time='19900101',  # 从1990年开始
                end_time='20500101',    # 到足够远的时间
                count=-1,           # 全部数据
                dividend_type='front',  # 前复权
                fill_data=True,
                subscribe=False
            )
            
            if stock in data and data[stock] is not None:
                df = data[stock]
                if not df.empty:
                    df.to_excel(file_path)
                    success += 1
                    print(f" 完成 ({len(df)}条)")
                else:
                    fail += 1
                    print(" 数据为空")
            else:
                fail += 1
                print(" 无数据")
                
        except Exception as e:
            fail += 1
            print(f" 失败 - {e}")
    
    # ========== 3. 打印结果 ==========
    print(f"\n{'='*50}")
    print(f"下载完成！")
    print(f"总计: {len(stock_list)} 只股票")
    print(f"成功: {success} 只")
    print(f"失败: {fail} 只")
    print(f"数据保存在: {save_path}")
    print(f"{'='*50}")
def handlebar(c):
    pass

用QMT批量下载全市场历史数据，再也不用手动导了

投资顾问

编程语言

本地化存储QMT全市场A股历史行情数据，支持日线前复权数据批量导出为xlsx文件，提供高效多线程计算技术指标与因子分析。通过板块成分股读取接口获取沪深A股列表，循环下载并保存至本地文件夹，数据完整覆盖1990年至今，解决数据源收费问题，满足策略研究与模型回测需求，提升量化研究效率与数据安全性。

数据管理

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

用QMT批量下载全市场历史数据，再也不用手动导了

用QMT批量下载全市场历史数据，再也不用手动导了

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐