def __init__(self, start_dt: Union[date, datetime], end_dt: Union[date, datetime]) -> None: """ 创建天勤回测类 Args: start_dt (date/datetime): 回测起始时间, 如果类型为 date 则指的是交易日, 如果为 datetime 则指的是具体时间点 end_dt (date/datetime): 回测结束时间, 如果类型为 date 则指的是交易日, 如果为 datetime 则指的是具体时间点 """ if isinstance(start_dt, datetime): self._start_dt = int(start_dt.timestamp() * 1e9) elif isinstance(start_dt, date): self._start_dt = _get_trading_day_start_time( int(datetime(start_dt.year, start_dt.month, start_dt.day).timestamp()) * 1000000000) else: raise Exception("回测起始时间(start_dt)类型 %s 错误, 请检查 start_dt 数据类型是否填写正确" % (type(start_dt))) if isinstance(end_dt, datetime): self._end_dt = int(end_dt.timestamp() * 1e9) elif isinstance(end_dt, date): self._end_dt = _get_trading_day_end_time( int(datetime(end_dt.year, end_dt.month, end_dt.day).timestamp()) * 1000000000) else: raise Exception("回测结束时间(end_dt)类型 %s 错误, 请检查 end_dt 数据类型是否填写正确" % (type(end_dt))) self._current_dt = self._start_dt # 记录当前的交易日 开始时间/结束时间 self._trading_day = _get_trading_day_from_timestamp(self._current_dt) self._trading_day_start = _get_trading_day_start_time(self._trading_day) self._trading_day_end = _get_trading_day_end_time(self._trading_day)
def _md_recv(self, pack): for d in pack["data"]: self._diffs.append(d) # 在第一次收到 mdhis_more_data 为 False 的时候,发送账户初始截面信息,这样回测模式下,往后的模块才有正确的时间顺序 if not self._has_send_init_account and not d.get( "mdhis_more_data", True): self._diffs.append(self._sim_trade.init_snapshot()) self._diffs.append( {"trade": { self._account_key: { "trade_more_data": False } }}) self._has_send_init_account = True _tqsdk_backtest = d.get("_tqsdk_backtest", {}) if _tqsdk_backtest: # 回测时,用 _tqsdk_backtest 对象中 current_dt 作为 TqSim 的 _current_datetime self._tqsdk_backtest.update(_tqsdk_backtest) self._current_datetime = _timestamp_nano_to_str( self._tqsdk_backtest["current_dt"]) self._local_time_record = float("nan") # 1. 回测时不使用时间差来模拟交易所时间的原因(_local_time_record始终为初始值nan): # 在sim收到行情后记录_local_time_record,然后下发行情到api进行merge_diff(),api需要处理完k线和quote才能结束wait_update(), # 若处理时间过长,此时下单则在判断下单时间时与测试用例中的预期时间相差较大,导致测试用例无法通过。 # 2. 回测不使用时间差的方法来判断下单时间仍是可行的: 与使用了时间差的方法相比, 只对在每个交易时间段最后一笔行情时的下单时间判断有差异, # 若不使用时间差, 则在最后一笔行情时下单仍判断为在可交易时间段内, 且可成交. quotes_diff = d.get("quotes", {}) # 先根据 quotes_diff 里的 datetime, 确定出 _current_datetime,再 _merge_diff(同时会发送行情到 quote_chan) for symbol, quote_diff in quotes_diff.items(): if quote_diff is None: continue # 若直接使用本地时间来判断下单时间是否在可交易时间段内 可能有较大误差,因此判断的方案为:(在接收到下单指令时判断 估计的交易所时间 是否在交易时间段内) # 在更新最新行情时间(即self._current_datetime)时,记录当前本地时间(self._local_time_record), # 在这之后若收到下单指令,则获取当前本地时间,判 "最新行情时间 + (当前本地时间 - 记录的本地时间)" 是否在交易时间段内。 # 另外, 若在盘后下单且下单前未订阅此合约: # 因为从_md_recv()中获取数据后立即判断下单时间则速度过快(两次time.time()的时间差小于最后一笔行情(14:59:9995)到15点的时间差), # 则会立即成交,为处理此情况则将当前时间减去5毫秒(模拟发生5毫秒网络延迟,则两次time.time()的时间差增加了5毫秒)。 # todo: 按交易所来存储 _current_datetime(issue: #277) if quote_diff.get("datetime", "") > self._current_datetime: # 回测时,当前时间更新即可以由 quote 行情更新,也可以由 _tqsdk_backtest.current_dt 更新, # 在最外层的循环里,_tqsdk_backtest.current_dt 是在 rtn_data.data 中数组位置中的最后一个,会在循环最后一个才更新 self.current_datetime # 导致前面处理 order 时的 _current_datetime 还是旧的行情时间 self._current_datetime = quote_diff["datetime"] # 最新行情时间 # 更新最新行情时间时的本地时间,回测时不使用时间差 self._local_time_record = ( time.time() - 0.005) if not self._tqsdk_backtest else float("nan") if self._current_datetime > self._trading_day_end: # 结算 self._settle() # 若当前行情时间大于交易日的结束时间(切换交易日),则根据此行情时间更新交易日及交易日结束时间 trading_day = _get_trading_day_from_timestamp( self._get_current_timestamp()) self._trading_day_end = _timestamp_nano_to_str( _get_trading_day_end_time(trading_day) - 999) if quotes_diff: _merge_diff(self._data, {"quotes": quotes_diff}, self._prototype, persist=False, reduce_diff=False, notify_update_diff=True)
async def _send_diff(self): """发送数据到 api, 如果 self._diffs 不为空则发送 self._diffs, 不推进行情时间, 否则将时间推进一格, 并发送对应的行情""" if self._pending_peek: if not self._diffs: quotes = await self._generator_diffs(False) else: quotes = await self._generator_diffs(True) for ins, diff in quotes.items(): self._quotes[ins]["sended_init_quote"] = True for d in diff: self._diffs.append({ "quotes": { ins: d } }) if self._diffs: # 发送数据集中添加 backtest 字段,开始时间、结束时间、当前时间,表示当前行情推进是由 backtest 推进 if self._is_first_send: self._diffs.append({ "_tqsdk_backtest": { "start_dt": self._start_dt, "current_dt": self._current_dt, "end_dt": self._end_dt } }) self._is_first_send = False else: self._diffs.append({ "_tqsdk_backtest": { "current_dt": self._current_dt } }) # 切换交易日,将历史的主连合约信息添加的 diffs if self._current_dt > self._trading_day_end: # 使用交易日结束时间,每个交易日切换只需要计算一次交易日结束时间 # 相比发送 diffs 前每次都用 _current_dt 计算当前交易日,计算次数更少 self._trading_day_start = _get_trading_day_start_time(_get_trading_day_from_timestamp(self._current_dt)) self._trading_day_end = _get_trading_day_end_time(_get_trading_day_from_timestamp(self._current_dt)) self._diffs.append({ "quotes": self._get_history_cont_quotes( datetime.fromtimestamp(self._trading_day_end / 1e9).strftime("%Y%m%d") ) }) self._diffs.append({ "quotes": {k: {'expired': v.get('expire_datetime', float('nan')) <= self._trading_day_start} for k, v in self._data.get('quotes').items()} }) self._sim_recv_chan_send_count += 1 if self._sim_recv_chan_send_count > 10000: self._sim_recv_chan_send_count = 0 self._diffs.append(self._gc_data()) rtn_data = { "aid": "rtn_data", "data": self._diffs, } self._diffs = [] self._pending_peek = False await self._sim_recv_chan.send(rtn_data)
def _on_recv_data(self, diffs): for d in diffs: self._datetime_state.update_state(d) current = self._datetime_state.get_current_dt() if current > self._trading_day_end: # 切换交易日 self._trading_day_end = _get_trading_day_end_time( _get_trading_day_from_timestamp(current)) [r._on_settle() for r in self]
def _generate_pend_diff(self): """" 补充期权额外字段 此函数在 send_diff() 才会调用, self._datetime_state.data_ready 一定为 True, 调用 self._datetime_state.get_current_dt() 一定有正确的当前时间 """ pend_diff = {} account_keys = list(self._data.get('trade', {}).keys()) objs_keys = ['positions', 'trades', 'orders'] # 如果有新添加的合约, 只填充一次即可 if self._new_objs_list: pend_diff.setdefault('trade', {k: {o_k: {} for o_k in objs_keys} for k in account_keys}) for obj in self._new_objs_list: # 新添加的 Position / Order / Trade 节点 if hasattr(obj, '_path') and obj['_path'][2] in objs_keys: account_key = obj['_path'][1] obj_key = obj['_path'][2] item_id = obj['_path'][3] quote = self._data_quotes.get(f"{obj.get('exchange_id', '')}.{obj.get('instrument_id', '')}", {}) if quote.get('ins_class', '').endswith('OPTION'): pend_diff_item = pend_diff['trade'][account_key][obj_key].setdefault(item_id, {}) pend_diff_item['option_class'] = quote.get('option_class') pend_diff_item['strike_price'] = quote.get('strike_price') pend_diff_item['underlying_symbol'] = quote.get('underlying_symbol') if quote.get('expire_datetime'): pend_diff_item['expire_rest_days'] = _get_expire_rest_days(quote.get('expire_datetime'), self._datetime_state.get_current_dt() / 1e9) self._new_objs_list.clear() # 如果有切换交易日,所有合约都需要修改 expire_rest_days current_dt = self._datetime_state.get_current_dt() if self._trading_day_end is None or current_dt > self._trading_day_end: pend_diff.setdefault('trade', {k: {o_k: {} for o_k in objs_keys} for k in account_keys}) for account_key, account_node in self._data.get('trade', {}).items(): for k in objs_keys: for item_id, item in account_node.get(k, {}).items(): quote = self._data_quotes.get(f"{item['exchange_id']}.{item['instrument_id']}", {}) if quote.get('ins_class', '').endswith('OPTION') and quote.get('expire_datetime'): pend_diff_item = pend_diff['trade'][account_key][k].setdefault(item_id, {}) # 剩余到期日字段,每天都会更新,每次都重新计算 pend_diff_item['expire_rest_days'] = _get_expire_rest_days(quote.get('expire_datetime'), current_dt / 1e9) self._trading_day_end = _get_trading_day_end_time(_get_trading_day_from_timestamp(current_dt)) return pend_diff
def __init__(self, api: TqApi, symbol_list: Union[str, List[str]], dur_sec: int, start_dt: Union[date, datetime], end_dt: Union[date, datetime], csv_file_name: str) -> None: """ 创建历史数据下载器实例 Args: api (TqApi): TqApi实例,该下载器将使用指定的api下载数据 symbol_list (str/list of str): 需要下载数据的合约代码,当指定多个合约代码时将其他合约按第一个合约的交易时间对齐 dur_sec (int): 数据周期,以秒为单位。例如: 1分钟线为60,1小时线为3600,日线为86400,Tick数据为0 start_dt (date/datetime): 起始时间, 如果类型为 date 则指的是交易日, 如果为 datetime 则指的是具体时间点 end_dt (date/datetime): 结束时间, 如果类型为 date 则指的是交易日, 如果为 datetime 则指的是具体时间点 csv_file_name (str): 输出csv的文件名 Example:: from datetime import datetime, date from contextlib import closing from tqsdk import TqApi, TqSim from tqsdk.tools import DataDownloader api = TqApi(TqSim()) download_tasks = {} # 下载从 2018-01-01 到 2018-09-01 的 SR901 日线数据 download_tasks["SR_daily"] = DataDownloader(api, symbol_list="CZCE.SR901", dur_sec=24*60*60, start_dt=date(2018, 1, 1), end_dt=date(2018, 9, 1), csv_file_name="SR901_daily.csv") # 下载从 2017-01-01 到 2018-09-01 的 rb主连 5分钟线数据 download_tasks["rb_5min"] = DataDownloader(api, symbol_list="*****@*****.**", dur_sec=5*60, start_dt=date(2017, 1, 1), end_dt=date(2018, 9, 1), csv_file_name="rb_5min.csv") # 下载从 2018-01-01凌晨6点 到 2018-06-01下午4点 的 cu1805,cu1807,IC1803 分钟线数据,所有数据按 cu1805 的时间对齐 # 例如 cu1805 夜盘交易时段, IC1803 的各项数据为 N/A # 例如 cu1805 13:00-13:30 不交易, 因此 IC1803 在 13:00-13:30 之间的K线数据会被跳过 download_tasks["cu_min"] = DataDownloader(api, symbol_list=["SHFE.cu1805", "SHFE.cu1807", "CFFEX.IC1803"], dur_sec=60, start_dt=datetime(2018, 1, 1, 6, 0 ,0), end_dt=datetime(2018, 6, 1, 16, 0, 0), csv_file_name="cu_min.csv") # 下载从 2018-05-01凌晨0点 到 2018-06-01凌晨0点 的 T1809 盘口Tick数据 download_tasks["T_tick"] = DataDownloader(api, symbol_list=["CFFEX.T1809"], dur_sec=0, start_dt=datetime(2018, 5, 1), end_dt=datetime(2018, 6, 1), csv_file_name="T1809_tick.csv") # 使用with closing机制确保下载完成后释放对应的资源 with closing(api): while not all([v.is_finished() for v in download_tasks.values()]): api.wait_update() print("progress: ", { k:("%.2f%%" % v.get_progress()) for k,v in download_tasks.items() }) """ self._api = api if isinstance(start_dt, datetime): self._start_dt_nano = int(start_dt.timestamp() * 1e9) else: self._start_dt_nano = _get_trading_day_start_time(int(datetime(start_dt.year, start_dt.month, start_dt.day).timestamp()) * 1000000000) if isinstance(end_dt, datetime): self._end_dt_nano = int(end_dt.timestamp() * 1e9) else: self._end_dt_nano = _get_trading_day_end_time(int(datetime(end_dt.year, end_dt.month, end_dt.day).timestamp()) * 1000000000) self._current_dt_nano = self._start_dt_nano self._symbol_list = symbol_list if isinstance(symbol_list, list) else [symbol_list] self._dur_nano = dur_sec * 1000000000 if self._dur_nano == 0 and len(self._symbol_list) != 1: raise Exception("Tick序列不支持多合约") self._csv_file_name = csv_file_name self._task = self._api.create_task(self._download_data())
def _md_recv(self, pack): for d in pack["data"]: d.pop("trade", None) self._diffs.append(d) # 在第一次收到 mdhis_more_data 为 False 的时候,发送账户初始截面信息,这样回测模式下,往后的模块才有正确的时间顺序 if not self._has_send_init_account and not d.get("mdhis_more_data", True): self._send_account() self._diffs.append({ "trade": { self._account_id: { "orders": {}, "positions": {}, "trade_more_data": False } } }) self._has_send_init_account = True _tqsdk_backtest = d.get("_tqsdk_backtest", {}) if _tqsdk_backtest: # 回测时,用 _tqsdk_backtest 对象中 current_dt 作为 TqSim 的 _current_datetime self._tqsdk_backtest.update(_tqsdk_backtest) self._current_datetime = datetime.datetime.fromtimestamp( self._tqsdk_backtest["current_dt"] / 1e9).strftime("%Y-%m-%d %H:%M:%S.%f") self._local_time_record = float("nan") # 1. 回测时不使用时间差来模拟交易所时间的原因(_local_time_record始终为初始值nan): # 在sim收到行情后记录_local_time_record,然后下发行情到api进行merge_diff(),api需要处理完k线和quote才能结束wait_update(), # 若处理时间过长,此时下单则在判断下单时间时与测试用例中的预期时间相差较大,导致测试用例无法通过。 # 2. 回测不使用时间差的方法来判断下单时间仍是可行的: 与使用了时间差的方法相比, 只对在每个交易时间段最后一笔行情时的下单时间判断有差异, # 若不使用时间差, 则在最后一笔行情时下单仍判断为在可交易时间段内, 且可成交. for symbol, quote_diff in d.get("quotes", {}).items(): if quote_diff is None: continue quote = self._ensure_quote(symbol) quote["datetime"] = quote_diff.get("datetime", quote["datetime"]) # 若直接使用本地时间来判断下单时间是否在可交易时间段内 可能有较大误差,因此判断的方案为:(在接收到下单指令时判断 估计的交易所时间 是否在交易时间段内) # 在更新最新行情时间(即self._current_datetime)时,记录当前本地时间(self._local_time_record), # 在这之后若收到下单指令,则获取当前本地时间,判 "最新行情时间 + (当前本地时间 - 记录的本地时间)" 是否在交易时间段内。 # 另外, 若在盘后下单且下单前未订阅此合约: # 因为从_md_recv()中获取数据后立即判断下单时间则速度过快(两次time.time()的时间差小于最后一笔行情(14:59:9995)到15点的时间差), # 则会立即成交,为处理此情况则将当前时间减去5毫秒(模拟发生5毫秒网络延迟,则两次time.time()的时间差增加了5毫秒)。 # todo: 按交易所来存储 _current_datetime(issue: #277) if quote["datetime"] > self._current_datetime and not self._tqsdk_backtest: self._current_datetime = quote["datetime"] # 最新行情时间 self._local_time_record = time.time() - 0.005 # 更新最新行情时间时的本地时间 if self._current_datetime > self._trading_day_end: # 结算 self._settle() # 若当前行情时间大于交易日的结束时间(切换交易日),则根据此行情时间更新交易日及交易日结束时间 trading_day = _get_trading_day_from_timestamp(self._get_current_timestamp()) self._trading_day_end = datetime.datetime.fromtimestamp( (_get_trading_day_end_time(trading_day) - 999) / 1e9).strftime("%Y-%m-%d %H:%M:%S.%f") if "ask_price1" in quote_diff: quote["ask_price1"] = float("nan") if type(quote_diff["ask_price1"]) is str else quote_diff[ "ask_price1"] if "bid_price1" in quote_diff: quote["bid_price1"] = float("nan") if type(quote_diff["bid_price1"]) is str else quote_diff[ "bid_price1"] if "last_price" in quote_diff: quote["last_price"] = float("nan") if type(quote_diff["last_price"]) is str else quote_diff[ "last_price"] quote["volume_multiple"] = quote_diff.get("volume_multiple", quote["volume_multiple"]) quote["commission"] = quote_diff.get("commission", quote["commission"]) quote["margin"] = quote_diff.get("margin", quote["margin"]) quote["trading_time"] = quote_diff.get("trading_time", quote["trading_time"]) self._match_orders(quote) if symbol in self._positions: self._adjust_position(symbol, price=quote["last_price"])
async def _gen_serial(self, ins, dur): """k线/tick 序列的 async generator, yield 出来的行情数据带有时间戳, 因此 _send_diff 可以据此归并""" # 先定位左端点, focus_datetime 是 lower_bound ,这里需要的是 upper_bound # 因此将 view_width 和 focus_position 设置成一样,这样 focus_datetime 所对应的 k线刚好位于屏幕外 chart_info = { "aid": "set_chart", "chart_id": _generate_uuid("PYSDK_backtest"), "ins_list": ins, "duration": dur, "view_width": 8964, # 设为8964原因:可满足用户所有的订阅长度,并在backtest中将所有的 相同合约及周期 的K线用同一个serial存储 "focus_datetime": int(self._current_dt), "focus_position": 8964, } chart = _get_obj(self._data, ["charts", chart_info["chart_id"]]) current_id = None # 当前数据指针 serial = _get_obj( self._data, ["klines", ins, str(dur)] if dur != 0 else ["ticks", ins]) async with TqChan(self._api, last_only=True) as update_chan: serial["_listener"].add(update_chan) chart["_listener"].add(update_chan) await self._md_send_chan.send(chart_info.copy()) try: async for _ in update_chan: if not (chart_info.items() <= _get_obj(chart, ["state"]).items()): # 当前请求还没收齐回应, 不应继续处理 continue left_id = chart.get("left_id", -1) right_id = chart.get("right_id", -1) last_id = serial.get("last_id", -1) if (left_id == -1 and right_id == -1) or last_id == -1: # 定位信息还没收到, 或数据序列还没收到 continue if self._data.get("mdhis_more_data", True): self._data["_listener"].add(update_chan) continue else: self._data["_listener"].discard(update_chan) if current_id is None: current_id = max(left_id, 0) while True: if current_id > last_id: # 当前 id 已超过 last_id return if current_id - chart_info.get("left_kline_id", left_id) > 5000: # 当前 id 已超出订阅范围, 需重新订阅后续数据 chart_info["left_kline_id"] = current_id chart_info.pop("focus_datetime", None) chart_info.pop("focus_position", None) await self._md_send_chan.send(chart_info.copy()) # 将订阅的8964长度的窗口中的数据都遍历完后,退出循环,然后再次进入并处理下一窗口数据 # (因为在处理过5000条数据的同时向服务器订阅从当前id开始的新一窗口的数据,在当前窗口剩下的3000条数据处理完后,下一窗口数据也已经收到) if current_id > right_id: break item = { k: v for k, v in serial["data"].get( str(current_id), {}).items() } if dur == 0: diff = { "ticks": { ins: { "last_id": current_id, "data": { str(current_id): item, str(current_id - 8964): None, } } } } if item["datetime"] > self._end_dt: # 超过结束时间 return yield item[ "datetime"], diff, self._get_quotes_from_tick( item) else: diff = { "klines": { ins: { str(dur): { "last_id": current_id, "data": { str(current_id): { "datetime": item["datetime"], "open": item["open"], "high": item["open"], "low": item["open"], "close": item["open"], "volume": 0, "open_oi": item["open_oi"], "close_oi": item["open_oi"], }, str(current_id - 8964): None, } } } } } timestamp = item[ "datetime"] if dur < 86400000000000 else _get_trading_day_start_time( item["datetime"]) if timestamp > self._end_dt: # 超过结束时间 return yield timestamp, diff, self._get_quotes_from_kline_open( self._data["quotes"][ins], timestamp, item) # K线刚生成时的数据都为开盘价 diff = { "klines": { ins: { str(dur): { "data": { str(current_id): item, } } } } } timestamp = item[ "datetime"] + dur - 1000 if dur < 86400000000000 else _get_trading_day_end_time( item["datetime"]) - 999 if timestamp > self._end_dt: # 超过结束时间 return yield timestamp, diff, self._get_quotes_from_kline( self._data["quotes"][ins], timestamp, item) # K线结束时生成quote数据 current_id += 1 finally: # 释放chart资源 chart_info["ins_list"] = "" await self._md_send_chan.send(chart_info.copy())
def __init__(self, api: TqApi, symbol_list: Union[str, List[str]], dur_sec: int, start_dt: Union[date, datetime], end_dt: Union[date, datetime], csv_file_name: str, adj_type: Union[str, None] = None) -> None: """ 创建历史数据下载器实例 Args: api (TqApi): TqApi实例,该下载器将使用指定的api下载数据 symbol_list (str/list of str): 需要下载数据的合约代码,当指定多个合约代码时将其他合约按第一个合约的交易时间对齐 dur_sec (int): 数据周期,以秒为单位。例如: 1分钟线为60,1小时线为3600,日线为86400,Tick数据为0 start_dt (date/datetime): 起始时间, 如果类型为 date 则指的是交易日, 如果为 datetime 则指的是具体时间点 end_dt (date/datetime): 结束时间, 如果类型为 date 则指的是交易日, 如果为 datetime 则指的是具体时间点 csv_file_name (str): 输出 csv 的文件名 adj_type (str/None): 复权计算方式,默认值为 None。"F" 为前复权;"B" 为后复权;None 表示不复权。只对股票、基金合约有效。 Example:: from datetime import datetime, date from contextlib import closing from tqsdk import TqApi, TqAuth, TqSim from tqsdk.tools import DataDownloader api = TqApi(auth=TqAuth("信易账户", "账户密码")) download_tasks = {} # 下载从 2018-01-01 到 2018-09-01 的 SR901 日线数据 download_tasks["SR_daily"] = DataDownloader(api, symbol_list="CZCE.SR901", dur_sec=24*60*60, start_dt=date(2018, 1, 1), end_dt=date(2018, 9, 1), csv_file_name="SR901_daily.csv") # 下载从 2017-01-01 到 2018-09-01 的 rb主连 5分钟线数据 download_tasks["rb_5min"] = DataDownloader(api, symbol_list="*****@*****.**", dur_sec=5*60, start_dt=date(2017, 1, 1), end_dt=date(2018, 9, 1), csv_file_name="rb_5min.csv") # 下载从 2018-01-01凌晨6点 到 2018-06-01下午4点 的 cu1805,cu1807,IC1803 分钟线数据,所有数据按 cu1805 的时间对齐 # 例如 cu1805 夜盘交易时段, IC1803 的各项数据为 N/A # 例如 cu1805 13:00-13:30 不交易, 因此 IC1803 在 13:00-13:30 之间的K线数据会被跳过 download_tasks["cu_min"] = DataDownloader(api, symbol_list=["SHFE.cu1805", "SHFE.cu1807", "CFFEX.IC1803"], dur_sec=60, start_dt=datetime(2018, 1, 1, 6, 0 ,0), end_dt=datetime(2018, 6, 1, 16, 0, 0), csv_file_name="cu_min.csv") # 下载从 2018-05-01凌晨0点 到 2018-06-01凌晨0点 的 T1809 盘口Tick数据 download_tasks["T_tick"] = DataDownloader(api, symbol_list=["CFFEX.T1809"], dur_sec=0, start_dt=datetime(2018, 5, 1), end_dt=datetime(2018, 6, 1), csv_file_name="T1809_tick.csv") # 使用with closing机制确保下载完成后释放对应的资源 with closing(api): while not all([v.is_finished() for v in download_tasks.values()]): api.wait_update() print("progress: ", { k:("%.2f%%" % v.get_progress()) for k,v in download_tasks.items() }) """ self._api = api if not self._api._auth._has_feature("tq_dl"): raise Exception( "您的账户不支持下载历史数据功能,需要购买专业版本后使用。升级网址:https://account.shinnytech.com" ) if isinstance(start_dt, datetime): self._start_dt_nano = int(start_dt.timestamp() * 1e9) else: self._start_dt_nano = _get_trading_day_start_time( int( datetime(start_dt.year, start_dt.month, start_dt.day).timestamp()) * 1000000000) if isinstance(end_dt, datetime): self._end_dt_nano = int(end_dt.timestamp() * 1e9) else: self._end_dt_nano = _get_trading_day_end_time( int( datetime(end_dt.year, end_dt.month, end_dt.day).timestamp()) * 1000000000) self._current_dt_nano = self._start_dt_nano self._symbol_list = symbol_list if isinstance(symbol_list, list) else [symbol_list] # 下载合约超时时间(默认 30s),已下市的没有交易的合约,超时时间可以设置短一点(2s),用户不希望自己的程序因为没有下载到数据而中断 self._timeout_seconds = 2 if any( [symbol in DEAD_INS for symbol in self._symbol_list]) else 30 self._dur_nano = dur_sec * 1000000000 if self._dur_nano == 0 and len(self._symbol_list) != 1: raise Exception("Tick序列不支持多合约") if adj_type not in [None, "F", "B", "FORWARD", "BACK"]: raise Exception( "adj_type 参数只支持 None (不复权) | 'F' (前复权) | 'B' (后复权)") self._adj_type = adj_type[0] if adj_type else adj_type self._csv_file_name = csv_file_name self._csv_header = self._get_headers() self._dividend_cache = {} # 缓存合约对应的复权系数矩阵,每个合约只计算一次 self._data_series = None self._task = self._api.create_task(self._run())