本文主要是介绍qmt股票量化-lv2使用经验,level2股票超级行情接口,了解这3大段就够了,剩下的就是自己组织逻辑了，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
个人目前写了一些关于qmt关于lv2的策略,目前比较友好且便宜的是zj证券的,每月不足200元的费用.可以直接通过qmt获取到lv2数据.
下面说一下lv2的请求方式和对应的字段.
1.需要在init里面进行订阅,如果产品超过50只 需要使用全部订阅,订阅字段肯定是tick
订阅全推数据 ContextInfo.subscribe_whole_quote()
用法： ContextInfo.subscribe_whole_quote(code_list,callback=None)
释义： 订阅全推数据，全推数据只有分笔周期，每次增量推送数据有变化的品种
参数：
code_list：list([str,str,…])
市场代码列表，如[‘SH’,‘SZ’]
品种代码列表，如 [‘600000.SH’, ‘000001.SZ’]
callback：数据推送回调
**返回：**int，订阅号，可用unsubscribe_quote做反订阅
示例：
ContextInfo.subscribe_whole_quote(['SH', 'SZ'])
订阅行情数据ContextInfo.subscribe_quote()
用法： ContextInfo.subscribe_quote(stock_code,period=‘follow’,dividend_type=‘follow’,result_type=‘’,callback=None)
释义： 订阅行情数据
参数：
stockcode：string，股票代码，‘stkcode.market’，如’600000.SH’
period：string，K线周期类型，‘follow’：当前主图周期，‘tick’：分笔线，‘1d’：日线，‘1m’：分钟线，‘5m’：5分钟线
dividend_type：string，除复权，‘follow’：当前图复权方式，‘none’：不复权，‘front’：向前复权，‘back’：向后复权，‘front_ratio’：等比向前复权，‘back_ratio’：等比向后复权,（分笔周期返回数据均为不复权）
result_type：返回数据格式 可选范围： ‘DataFrame’或’'（默认）： 返回{code:data}，data为pd.DataFrame数据集，index为字符串格式的时间序列，columns为数据字段 ‘dict’： 返回{code:{k1:v1,k2:v2,…} …}，k为数据字段名，v为字段值 ‘list’： 返回{code:{k1:[v1],k2:[v2],…} …}，k为数据字段名，v为字段值
callback：指定推送行情的回调函数
注：行情数据字段列表见附录5.5
返回： 订阅号，用于反订阅
示例：
def quote_callback(s):def callback(data):print(s,data)returnreturn callback
def init(ContextInfo):ContextInfo.subscribe_quote("600000.SH","tick","none",'',quote_callback('600000.SH'))第2步:
进行数据获取,对应字段给到大家:
l2quote - Level2行情快照
time - int 时间戳
stime -这篇关于qmt股票量化-lv2使用经验,level2股票超级行情接口,了解这3大段就够了,剩下的就是自己组织逻辑了的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
