如何用 Python 监控跨市场 A+H 股溢价？基于 QuantDash 的时序对齐与套利信号工程实战（附 GitHub 源码）

pip install quantdash pandas numpy

import pandas as pd
import numpy as np
from quantdash import QuantDash

# 1. 初始化 QuantDash 客户端 (使用沙盒公共 Token)
qd = QuantDash(api_key="demo_public_token")

def calculate_ah_premium(a_symbol: str, h_symbol: str, start_date: str):
    """
    拉取 A 股和港股历史 K 线，进行交易日历对齐，并计算动态折溢价
    """
    print(f"正在拉取 A 股 {a_symbol} 历史数据...")
    # 获取 A 股前复权日K线 (默认为 CNY 计价)
    df_a = qd.klines.get(
        symbol=a_symbol, 
        period="1d", 
        adjust="qfq", 
        to_dataframe=True
    )
    
    print(f"正在拉取 港股 {h_symbol} 历史数据...")
    # 获取港股前复权日K线 (默认为 HKD 计价)
    df_h = qd.klines.get(
        symbol=h_symbol, 
        period="1d", 
        adjust="qfq", 
        to_dataframe=True
    )
    
    if df_a.empty or df_h.empty:
        print("数据拉取失败，请检查标的代码。")
        return pd.DataFrame()
        
    # 2. 字段重命名与裁剪，防止合并冲突
    df_a = df_a[['trade_date', 'close']].rename(columns={'close': 'price_a'})
    df_h = df_h[['trade_date', 'close']].rename(columns={'close': 'price_h'})
    
    # 3. 双市场交易日历对齐 (使用 Inner Join 自动剔除两地市场交替休市日)
    merged_df = pd.merge(df_a, df_h, on='trade_date', how='inner')
    
    # 4. 获取历史汇率数据进行精准换算 (此处假设一个模拟的动态汇率，实际生产中可调用 QuantDash 汇率接口)
    # 为保证本 Demo 独立运行，使用 1 HKD = 0.925 CNY 作为基础，并加入微幅波动模拟真实情况
    np.random.seed(42)
    merged_df['hkd_to_cny'] = 0.925 + np.random.normal(0, 0.002, len(merged_df))
    
    # 5. 换算港股价格为人民币计价
    merged_df['price_h_cny'] = merged_df['price_h'] * merged_df['hkd_to_cny']
    
    # 6. 计算 AH 溢价率: (A股价格 - H股折合人民币价格) / H股折合人民币价格 * 100%
    merged_df['ah_premium_pct'] = (
        (merged_df['price_a'] - merged_df['price_h_cny']) / merged_df['price_h_cny']
    ) * 100
    
    # 过滤时间段
    merged_df = merged_df[merged_df['trade_date'] >= start_date].sort_values('trade_date')
    return merged_df

if __name__ == "__main__":
    # 计算中国平安自 2026 年初以来的 AH 溢价
    df_premium = calculate_ah_premium(
        a_symbol="601318.SH", 
        h_symbol="02318.HK", 
        start_date="2026-01-01"
    )
    
    if not df_premium.empty:
        print("\n=== AH 股溢价计算结果 (前 5 行) ===")
        print(df_premium[['trade_date', 'price_a', 'price_h', 'price_h_cny', 'ah_premium_pct']].head())
        
        print("\n=== 溢价率统计特征 ===")
        print(f"最大溢价率: {df_premium['ah_premium_pct'].max():.2f}%")
        print(f"最小溢价率: {df_premium['ah_premium_pct'].min():.2f}%")
        print(f"平均溢价率: {df_premium['ah_premium_pct'].mean():.2f}%")

=== AH 股溢价计算结果 (前 5 行) ===
   trade_date  price_a  price_h  price_h_cny  ah_premium_pct
0  2026-01-02    42.15    40.85     37.82522           11.43
1  2026-01-05    41.90    40.20     37.14078           12.81
2  2026-01-06    42.30    41.10     38.08115           11.08
3  2026-01-07    42.05    40.50     37.52445           12.06
4  2026-01-08    41.80    39.95     36.94176           13.15

=== 溢价率统计特征 ===
最大溢价率: 18.52%
最小溢价率: 9.11%
平均溢价率: 13.24%