聚宽mysql,量化学习:聚宽jqdatasdk对接vnpy的数据服务
数据服务:使用聚宽jqdatasdk获取分钟数据按vnpy的Bar格式导入至mongodb中提供downloadAllMinuteBar(),可以通过定时任务的形式,按vnpy的数据格式,每日获取分钟数据写入到mongodb当中提供downloadMinuteBarByDate,可以输入开始日期与结束日期,将时间段内的分钟数据写入到mongodb当中在config文件中配置jqdatasdk的用户
数据服务:使用聚宽jqdatasdk获取分钟数据按vnpy的Bar格式导入至mongodb中
提供downloadAllMinuteBar(),可以通过定时任务的形式,按vnpy的数据格式,每日获取分钟数据写入到mongodb当中
提供downloadMinuteBarByDate,可以输入开始日期与结束日期,将时间段内的分钟数据写入到mongodb当中
在config文件中配置jqdatasdk的用户名密码
每日增量数据获取(作为数据服务,每日自动运行,将当日的增量数据插入到数据库中):
#----------------------------------------------------------------------#当日数据下载,定时任务使用
defdownloadAllMinuteBar():
jqdatasdk.auth(JQDATA_USER, JQDATA_PASSWORD)"""下载所有配置中的合约的分钟线数据"""
print('-' * 50)print(u'开始下载合约分钟线数据')print('-' * 50)
today=datetime.today().date()
trade_date_list= jqdatasdk.get_trade_days(end_date=today, count=2)
symbols_df= jqdatasdk.get_all_securities(types=['futures'], date=today)for index, row insymbols_df.iterrows():
downMinuteBarBySymbol(index, row, str(today), str(trade_date_list[-2]))print('-' * 50)print(u'合约分钟线数据下载完成')print('-' * 50)return
某段时间内的全量数据(为了补全某一段时间的全量数据进行使用):
#----------------------------------------------------------------------#按日期一次性补全数据
def downloadMinuteBarByDate(start_date, end_date=datetime.today().date()):
jqdatasdk.auth(JQDATA_USER, JQDATA_PASSWORD)"""下载所有配置中的合约的分钟线数据"""
print('-' * 50)print(u'开始下载合约分钟线数据')print('-' * 50)
trade_date_list= jqdatasdk.get_trade_days(start_date=start_date, end_date=end_date)
i=0for trade_date intrade_date_list:if i ==0:
i= 1
continuesymbols_df= jqdatasdk.get_all_securities(types=['futures'], date=trade_date)for index, row insymbols_df.iterrows():
downMinuteBarBySymbol(index, row, str(trade_date_list[i]), str(trade_date_list[i-1]))
i+= 1
print('-' * 50)print(u'合约分钟线数据下载完成')print('-' * 50)return
具体合约当日的数据下载函数与vnpy的Bar类型数据的生成插入数据库的过程:
#----------------------------------------------------------------------
defgenerateVtBar(symbol, time, d):"""生成K线"""bar=VtBarData()
bar.vtSymbol=symbol
bar.symbol=symbol
bar.open= float(d['open'])
bar.high= float(d['high'])
bar.low= float(d['low'])
bar.close= float(d['close'])
bar.date= datetime.strptime(time[0:10], '%Y-%m-%d').strftime('%Y%m%d')
bar.time= time[11:]
bar.datetime= datetime.strptime(bar.date + ' ' + bar.time, '%Y%m%d %H:%M:%S')
bar.volume= d['volume']returnbar#----------------------------------------------------------------------
defdownMinuteBarBySymbol(symbol, info, today, pre_trade_day):
start=time()
symbol_name= info['name']
cl=db[symbol_name]
cl.ensure_index([('datetime', ASCENDING)], unique=True) #添加索引
#在此时间段内可以获取期货夜盘数据
minute_df = jqdatasdk.get_price(symbol, start_date=pre_trade_day + "20:30:00",end_date=today + "20:30:00", frequency='minute')#将数据传入到数据队列当中
for index, row inminute_df.iterrows():
bar=generateVtBar(symbol_name, str(index), row)
d= bar.__dict__flt= {'datetime': bar.datetime}
cl.replace_one(flt, d, True)
e=time()
cost= (e - start) * 1000
print(u'合约%s数据下载完成%s - %s,耗时%s毫秒' % (symbol_name, pre_trade_day, today, cost))
vnpy中提供了好几个数据服务的实现,功能也比较简单,但是能有不错的功效,聚宽的jqdatasdk也提供了很好的数据服务,十分有利于建立本地的体系。
Github:
更多推荐
所有评论(0)