当前位置：首页 > article >正文

量化交易系统开发-实时行情自动化交易-3.4.3.3.期货市场深度数据

article 2024/11/23 17:20:49

19年创业做过一年的量化交易但没有成功，作为交易系统的开发人员积累了一些经验，最近想重新研究交易系统，一边整理一边写出来一些思考供大家参考，也希望跟做量化的朋友有更多的交流和合作。

接下来聊聊基于期货API获取市场深度数据。

市场深度数据（Order Book Data）是了解市场供需力量的重要工具，显示了不同价位上买卖挂单的数量。通过分析市场深度数据，交易者可以识别支撑位和阻力位，了解流动性情况，为交易策略提供决策依据。以下是通过 Python 编写的代码示例，利用期货常用的公开 API（如和讯网、上海期货交易所等）获取期货市场深度数据的详细开发内容。

1. 使用和讯 API 获取期货市场深度数据

和讯网提供了期货市场的深度数据接口，可以通过 HTTP 请求获取特定期货品种的买卖盘情况。以下代码展示了如何通过 Python 调用和讯的 API 获取期货的市场深度数据。

import requests
import pandas as pd

def get_hexun_futures_order_book(futures_code, depth=10):
    """
    获取和讯期货的市场深度数据。

    :param futures_code: 期货代码，例如 'AU0' 表示沪金连续合约
    :param depth: 获取的深度档位数，例如 10 表示前 10 档
    :return: 市场深度数据的 pandas DataFrame
    """
    url = f"https://api.hexun.com/futures/orderbook"
    params = {
        "code": futures_code,
        "depth": depth
    }
    response = requests.get(url, params=params)
    if response.status_code == 200:
        data = response.json()
        bids = data.get("data", {}).get("bids", [])
        asks = data.get("data", {}).get("asks", [])
        bid_df = pd.DataFrame(bids, columns=["买价", "买量"])
        ask_df = pd.DataFrame(asks, columns=["卖价", "卖量"])
        order_book_df = pd.concat([bid_df, ask_df], axis=1)
        return order_book_df
    else:
        raise Exception(f"Error fetching order book data: {response.status_code}")

# 获取沪金连续合约（AU0）的前 10 档市场深度数据
order_book_df = get_hexun_futures_order_book("AU0")
print(order_book_df)

在该示例中，通过调用和讯的 API 获取了指定期货合约的市场深度数据，包括买盘和卖盘的价格和数量信息，并将其转换为 Pandas DataFrame 格式，以便于后续的分析和处理。

2. 使用上海期货交易所 API 获取市场深度数据

上海期货交易所（SHFE）也提供了市场深度数据接口，通过 HTTP 请求可以获取不同期货合约的买卖盘情况。以下是使用 Python 调用上海期货交易所的 API 获取期货市场深度数据的代码示例。

import requests
import pandas as pd

def get_shfe_futures_order_book(futures_code, depth=10):
    """
    获取上海期货交易所的市场深度数据。

    :param futures_code: 期货代码，例如 'CU' 表示沪铜合约
    :param depth: 获取的深度档位数，例如 10 表示前 10 档
    :return: 市场深度数据的 pandas DataFrame
    """
    url = f"https://www.shfe.com.cn/data/orderbook/{futures_code}.json"
    params = {
        "depth": depth
    }
    response = requests.get(url, params=params)
    if response.status_code == 200:
        data = response.json()
        bids = data.get("bids", [])
        asks = data.get("asks", [])
        bid_df = pd.DataFrame(bids, columns=["买价", "买量"])
        ask_df = pd.DataFrame(asks, columns=["卖价", "卖量"])
        order_book_df = pd.concat([bid_df, ask_df], axis=1)
        return order_book_df
    else:
        raise Exception(f"Error fetching order book data: {response.status_code}")

# 获取沪铜（CU）的前 10 档市场深度数据
cu_order_book = get_shfe_futures_order_book("CU")
print(cu_order_book)

在此示例中，通过调用上海期货交易所的 API 获取了指定期货合约的市场深度数据，包含买卖双方的挂单价格和数量，并转换为 Pandas DataFrame 格式，方便后续的策略分析。

3. 数据存储与管理

市场深度数据需要进行合理的存储，以便进行后续的分析和实时决策。

内存缓存：对于实时性要求较高的市场深度数据，可以使用 Redis 等内存数据库来缓存，以提高访问速度。

持久化存储：对于历史市场深度数据，可以将其存储到关系型数据库（如 MySQL）中，以便于后续的查询和分析。

import mysql.connector

def save_order_book_to_mysql(df, futures_code):
    """
    将期货市场深度数据保存到 MySQL 数据库中。

    :param df: 市场深度数据 DataFrame
    :param futures_code: 期货代码
    """
    connection = mysql.connector.connect(
        host="localhost",
        user="root",
        password="password",
        database="futures_data"
    )
    cursor = connection.cursor()
    create_table_query = f"""
    CREATE TABLE IF NOT EXISTS order_book_{futures_code} (
        买价 FLOAT,
        买量 INT,
        卖价 FLOAT,
        卖量 INT
    )"""
    cursor.execute(create_table_query)
    for _, row in df.iterrows():
        insert_query = f"""
        INSERT INTO order_book_{futures_code} (买价, 买量, 卖价, 卖量)
        VALUES ({row['买价']}, {row['买量']}, {row['卖价']}, {row['卖量']})
        """
        cursor.execute(insert_query)
    connection.commit()
    cursor.close()
    connection.close()

# 将市场深度数据保存到 MySQL 数据库
save_order_book_to_mysql(order_book_df, "AU0")