上次我们结束了怎么样下载全市场股票的数据量化研究--QMT下载全部的股票历史数据，今天我们详细的介绍一下，怎么样把QMT的数据保存在本地研究，比如做因子分析，回测，交易的模拟等需求

第一步打开QMT，点击策略编辑，进入下载数据策略，设置里面的参数

设置下载文件保存的路径比如桌面

比如桌面没有这个文件夹的话会自动建立，路径设置对就可以

读取板块的成分股，就是qmt界面行情左边的板块名称，全部板块名称都可以读取

读取的函数注意不要输入时间，输入时间有问题读取不到，realtime参数我输入有问题读取不到成分股，不输入可以正常读取


# coding:gbk
def init(C):
pass
def handlebar(C):
print(C.get_stock_list_in_sector('上证50'))


3下载历史行情数据，如果订阅实时读取的话，数据下载会比较慢，我们补充好数据一次性读取下载就可以，点击界面的操作，下面的数据管理下载

选择自己需要的数据，时间周期下载就可以

支持多周期数据下载可以自己选择


ContextInfo.get_market_data_ex(
    fields=[], 
    stock_code=[], 
    period='follow', 
    start_time='', 
    end_time='', 
    count=-1, 
    dividend_type='follow', 
    fill_data=True, 
    subscribe=True)



# coding:gbk
import pandas as pd
import numpy as np

def init(C):	
	C.stock_list = ["0001.SZ","609.SH", "5100.SH"]# 指定获取的标的
	C.start_time = "20230901"# 指定获取数据的开始时间
	C.end_time = "20231101"# 指定获取数据的结束时间

def handlebar(C):
# 获取多只股票，多个字段，一条数据
	data1 = C.get_market_data_ex([],C.stock_list, period = "1d",count = 1)
# 获取多只股票，多个字段，指定时间数据
	data2 = C.get_market_data_ex([],C.stock_list, period = "1d", start_time = C.start_time, end_time = C.end_time)
# 获取多只股票，多个字段，指定时间15m数据
	data3 = C.get_market_data_ex([],C.stock_list, period = "15m", start_time = C.start_time, end_time = C.end_time)
# 获取多只股票，指定字段，指定时间15m数据
	data4 = C.get_market_data_ex(["close","open"],C.stock_list, period = "15m", start_time = C.start_time, end_time = C.end_time)
# 获取多只股票，历史tick
	tick = C.get_market_data_ex([],C.stock_list, period = "tick", start_time = C.start_time, end_time = C.end_time)
# 获取期货5档盘口tick
	future_lv2_quote = C.get_market_data_ex([],["rb25.SF","ec4.INE"], period = "l2quote", count = 1)
print(data1)
print(data2["01.SZ"].tail())
print(data3)
print(data4["001.SZ"])
print(data4["0001.SZ"].to_csv("your_path")) # 导出文件为csv格式，路径填本机路径
print(tick["0001.SZ"])
print(future_lv2_quote)

最后一步选择模型交易，把策略挂交易，点击运行就会下载行情数据，运行的结果

可惜大qmt是单线程的，不然多线程一分钟就下载好了，下载的数据参考

随便打开看看，前提是需要把数据补充完整

#coding:gbk
'''
作者:小果
全市场ETF数据下载器
功能：读取全部沪深ETF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ETF板块成分股...")

    stock_list = c.get_stock_list_in_sector('沪深ETF')

    # 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ETF'板块未找到，尝试'沪深A股'...")
        stock_list = c.get_stock_list_in_sector('沪深ETF')

    # 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ETF数据，再也不用手动导了

投资顾问

开发工具

QMT量化数据本地化保存指南：通过策略编辑器配置下载路径，读取板块成分股，使用get_market_data_ex函数获取多周期历史行情（日线、15分钟、tick等），支持前复权及多股票批量导出CSV/XLSX格式。数据管理功能支持全市场股票历史数据下载，实现因子分析、回测及交易模拟的数据准备。

数据策略

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ETF数据，再也不用手动导了

用QMT批量下载全市场ETF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