快速开始

安装

pip install quantdash

支持 Python 3.9+，推荐 3.10 或更高版本。内置 pandas 和 tqdm 支持。

初始化

from quantdash import QuantDash

qd = QuantDash(api_key="your-api-key")

也可以通过环境变量设置：

export QUANTDASH_API_KEY="your-api-key"

from quantdash import QuantDash
qd = QuantDash()  # 自动读取 QUANTDASH_API_KEY

标的代码格式

标的代码统一使用 {代码}.{交易所后缀} 格式：

后缀	交易所	示例
`.SH`	上海证券交易所	`600519.SH`
`.SZ`	深圳证券交易所	`000001.SZ`
`.BJ`	北京证券交易所	`920047.BJ`
`.US`	美股	`AAPL.US`
`.HK`	港股	`00700.HK`

获取日K线

支持周期：1d（日）、1w（周）、1M（月）、1Q（季）、1Y（年）

df = qd.klines.get("600519.SH", period="1d", count=5, to_dataframe=True)
print(df[["symbol", "name", "trade_date", "open", "high", "low", "close", "volume"]])

   symbol name trade_date    open    high     low   close  volume
600519.SH 贵州茅台 2026-06-12 1271.18 1295.00 1265.01 1291.91   50495
600519.SH 贵州茅台 2026-06-15 1292.70 1292.70 1270.10 1271.10   41586
600519.SH 贵州茅台 2026-06-16 1267.01 1267.88 1255.00 1255.67   34970
600519.SH 贵州茅台 2026-06-17 1258.00 1259.77 1238.56 1240.00   44803
600519.SH 贵州茅台 2026-06-18 1235.00 1238.87 1211.22 1215.00   57472

获取分钟K线

支持周期：1m（1分钟）、5m（5分钟）、15m（15分钟）、30m（30分钟）、60m（60分钟）

df = qd.klines.get("600519.SH", period="5m", count=5, to_dataframe=True)
print(df[["symbol", "name", "trade_time", "open", "high", "low", "close", "volume"]])

   symbol name          trade_time    open    high     low   close  volume
600519.SH 贵州茅台 2026-06-18 14:40:00 1214.44 1215.82 1212.26 1215.82    1151
600519.SH 贵州茅台 2026-06-18 14:45:00 1215.02 1217.00 1215.00 1216.99     997
600519.SH 贵州茅台 2026-06-18 14:50:00 1216.52 1217.39 1215.99 1217.38     827
600519.SH 贵州茅台 2026-06-18 14:55:00 1217.40 1228.37 1217.40 1222.55    2355
600519.SH 贵州茅台 2026-06-18 15:00:00 1223.02 1223.99 1215.00 1215.00    2324

复权方式

K 线接口支持 adjust 参数：

值	说明
`forward`	前复权 - 比例复权（默认）
`backward`	后复权 - 比例复权
`forward_additive`	前复权 - 差值复权
`backward_additive`	后复权 - 差值复权
`none`	不复权

比例复权使用乘法因子还原价格，适合计算收益率；差值复权使用加减法还原价格，适合观察绝对价差。

df = qd.klines.get("600519.SH", adjust="none", to_dataframe=True)              # 不复权
df = qd.klines.get("600519.SH", adjust="forward", to_dataframe=True)           # 前复权-比例（默认）
df = qd.klines.get("600519.SH", adjust="backward", to_dataframe=True)          # 后复权-比例
df = qd.klines.get("600519.SH", adjust="forward_additive", to_dataframe=True)  # 前复权-差值
df = qd.klines.get("600519.SH", adjust="backward_additive", to_dataframe=True) # 后复权-差值

时间区间查询

通过 start_time 和 end_time 指定时间范围（毫秒时间戳），配合 count 控制返回条数。

指定月份区间

import datetime
from quantdash import QuantDash

qd = QuantDash(api_key="your-api-key")

start = int(datetime.datetime(2026, 5, 1).timestamp() * 1000)
end = int(datetime.datetime(2026, 5, 31).timestamp() * 1000)
df = qd.klines.get("600519.SH", period="1d", start_time=start, end_time=end, to_dataframe=True)
print(f"2026年5月 共 {len(df)} 个交易日")
print(df[["trade_date", "open", "close", "volume"]].tail(5).to_string(index=False))

2026年5月 共 18 个交易日
trade_date    open   close  volume
2026-05-25 1287.00 1285.88   46353
2026-05-26 1285.35 1273.38   45932
2026-05-27 1268.02 1303.00   82728
2026-05-28 1290.00 1275.98   45890
2026-05-29 1270.60 1326.00   76478

获取某日期之前的 N 根 K 线

使用 end_time + count 组合，获取截止到某个时间点的最近 N 根 K 线：

import datetime
from quantdash import QuantDash

qd = QuantDash(api_key="your-api-key")

end = int(datetime.datetime(2026, 6, 1).timestamp() * 1000)
df = qd.klines.get("600519.SH", period="1d", count=5, end_time=end, to_dataframe=True)
print(df[["trade_date", "open", "high", "low", "close", "volume"]].to_string(index=False))

trade_date    open    high     low   close  volume
2026-05-26 1285.35 1289.89 1270.01 1273.38   45932
2026-05-27 1268.02 1319.00 1250.10 1303.00   82728
2026-05-28 1290.00 1304.00 1271.00 1275.98   45890
2026-05-29 1270.60 1329.00 1270.00 1326.00   76478
2026-06-01 1327.00 1327.00 1301.31 1309.60   43845

分钟级时间区间

对分钟 K 线同样适用，适合截取盘中某一时段的数据：

import datetime
from quantdash import QuantDash

qd = QuantDash(api_key="your-api-key")

start = int(datetime.datetime(2026, 6, 22, 14, 30).timestamp() * 1000)
end = int(datetime.datetime(2026, 6, 22, 15, 0).timestamp() * 1000)
df = qd.klines.get("600519.SH", period="5m", start_time=start, end_time=end, to_dataframe=True)
print(df[["trade_time", "open", "high", "low", "close", "volume"]].to_string(index=False))

         trade_time    open    high     low   close  volume
2026-06-22 14:30:00 1242.78 1244.05 1242.77 1243.74     140
2026-06-22 14:35:00 1243.85 1245.00 1243.03 1243.17     614
2026-06-22 14:40:00 1243.05 1243.06 1240.32 1241.15     687
2026-06-22 14:45:00 1241.11 1242.81 1240.86 1242.00     848
2026-06-22 14:50:00 1242.18 1242.49 1241.12 1241.32     753
2026-06-22 14:55:00 1241.33 1242.29 1241.30 1241.89    1092
2026-06-22 15:00:00 1241.99 1242.18 1241.41 1241.41     984

批量获取K线

一次请求获取多只标的的K线数据：

symbols = ["600519.SH", "000001.SZ"]
dfs = qd.klines.batch(symbols, period="1d", count=3, to_dataframe=True, show_progress=True)

for sym, df in dfs.items():
    print(f"--- {sym} ({df['name'].iloc[0]}) ---")
    print(df[["trade_date", "open", "close", "volume"]].to_string(index=False))

--- 600519.SH (贵州茅台) ---
trade_date    open   close  volume
2026-06-16 1267.01 1255.67   34970
2026-06-17 1258.00 1240.00   44803
2026-06-18 1235.00 1215.00   57472
--- 000001.SZ (平安银行) ---
trade_date  open  close  volume
2026-06-16 11.05  10.94  942708
2026-06-17 10.97  10.78  965828
2026-06-18 10.74  10.52 1426893

批量 + 时间区间

klines.batch 同样支持 start_time 和 end_time：

import datetime
from quantdash import QuantDash

qd = QuantDash(api_key="your-api-key")

start = int(datetime.datetime(2026, 5, 26).timestamp() * 1000)
end = int(datetime.datetime(2026, 6, 1).timestamp() * 1000)
dfs = qd.klines.batch(["600519.SH", "000858.SZ"], period="1d", start_time=start, end_time=end, to_dataframe=True)
for sym, df in dfs.items():
    print(f"--- {sym} ({df['name'].iloc[0]}) ---")
    print(df[["trade_date", "open", "close", "volume"]].to_string(index=False))

--- 600519.SH (贵州茅台) ---
trade_date    open   close  volume
2026-05-26 1285.35 1273.38   45932
2026-05-27 1268.02 1303.00   82728
2026-05-28 1290.00 1275.98   45890
2026-05-29 1270.60 1326.00   76478
2026-06-01 1327.00 1309.60   43845
--- 000858.SZ (五 粮 液) ---
trade_date  open  close  volume
2026-05-26 83.74  83.36  277304
2026-05-27 83.00  83.89  603801
2026-05-28 82.56  81.49  362379
2026-05-29 80.99  84.89  601101
2026-06-01 83.95  83.41  279987

获取实时行情

按标的代码查询

df = qd.quotes.get(symbols=["600519.SH", "000001.SZ"], to_dataframe=True)
print(df[["symbol", "last_price", "prev_close", "volume", "ext.name", "ext.change_pct"]])

   symbol  last_price  prev_close  volume ext.name  ext.change_pct
000001.SZ       10.52       10.78 1426893     平安银行       -0.024119
600519.SH     1215.00     1240.00   57472     贵州茅台       -0.020161

按标的池查询（全量行情）

支持的标的池：

标的池 ID	说明
`CN_Stock`	A 股（沪深京）
`CN_ETF`	ETF
`US_Stock`	美股
`HK_Stock`	港股

df = qd.quotes.get(universes=["CN_Stock"], to_dataframe=True)
print(df)

         symbol region  ...  ext.amplitude  ext.turnover_rate
   920985.BJ     CN  ...       0.043893           0.015161
   002414.SZ     CN  ...       0.027106           0.015167
   600589.SH     CN  ...       0.047852           0.076141
   688543.SH     CN  ...       0.043046           0.052545
   300988.SZ     CN  ...       0.044633           0.043186
...         ...    ...  ...            ...                ...
002546.SZ     CN  ...       0.022026           0.014857
920363.BJ     CN  ...       0.038917           0.027170
688590.SH     CN  ...       0.033557           0.051160
001317.SZ     CN  ...       0.053210           0.043987
300731.SZ     CN  ...       0.080393           0.090136

[5501 rows x 18 columns]

获取日内分时

单只标的

支持周期：1m（默认）、5m、15m、30m、60m

df = qd.klines.intraday("600519.SH", count=5, to_dataframe=True)
print(df[["symbol", "name", "trade_time", "close", "volume"]])

   symbol name          trade_time   close  volume
600519.SH 贵州茅台 2026-06-18 14:56:00 1223.50     273
600519.SH 贵州茅台 2026-06-18 14:57:00 1223.88     261
600519.SH 贵州茅台 2026-06-18 14:58:00 1223.26       2
600519.SH 贵州茅台 2026-06-18 14:59:00 1223.26       0
600519.SH 贵州茅台 2026-06-18 15:00:00 1215.00    1788

批量日内分时

dfs = qd.klines.intraday_batch(["600519.SH", "000001.SZ"], to_dataframe=True)
for sym, df in dfs.items():
    print(f"{sym}: {len(df)} 条分钟线")

获取标的信息

insts = qd.instruments.get(["600519.SH", "000001.SZ"])
for i in insts:
    print(f"{i['symbol']:>10s}  {i['name']:<6s}  交易所={i['exchange']}  类型={i['type']}  上市={i['ext'].get('listing_date','')}")

 600519.SH  贵州茅台    交易所=SH  类型=stock  上市=2001-08-27
 000001.SZ  平安银行    交易所=SZ  类型=stock  上市=1991-04-03

获取除权因子

df = qd.klines.ex_factors(["600519.SH"], to_dataframe=True)
print(df[["symbol", "trade_date", "ex_factor"]].tail(5))

   symbol trade_date  ex_factor
600519.SH 2023-12-20   1.011540
600519.SH 2024-06-19   1.020716
600519.SH 2024-12-20   1.015637
600519.SH 2025-06-26   1.019649
600519.SH 2025-12-19   1.017003

获取五档盘口

单只标的

depth = qd.depth.get("600519.SH")
print(f"标的: {depth['symbol']}  地区: {depth['region']}")
for i in range(5):
    bid = f"买{i+1}: {depth['bid_prices'][i]:>10.2f} x {depth['bid_volumes'][i]}"
    ask = f"卖{i+1}: {depth['ask_prices'][i]:>10.2f} x {depth['ask_volumes'][i]}"
    print(f"  {bid}  |  {ask}")

标的: 600519.SH  地区: CN
  买1:    1215.00 x 123  |  卖1:    1215.28 x 1
  买2:    1214.95 x 2  |  卖2:    1215.96 x 1
  买3:    1214.88 x 1  |  卖3:    1216.00 x 2
  买4:    1214.48 x 1  |  卖4:    1218.00 x 1
  买5:    1214.40 x 1  |  卖5:    1218.89 x 1

批量盘口

result = qd.depth.batch(["000001.SZ", "600000.SH"])
for sym, depth in result.items():
    print(f"--- {sym} ---")
    for i in range(5):
        bid = f"买{i+1}: {depth['bid_prices'][i]:>8.2f} x {depth['bid_volumes'][i]:<6}"
        ask = f"卖{i+1}: {depth['ask_prices'][i]:>8.2f} x {depth['ask_volumes'][i]}"
        print(f"  {bid} | {ask}")

--- 000001.SZ ---
  买1:    10.52 x 19374  | 卖1:    10.53 x 2
  买2:    10.51 x 16237  | 卖2:    10.54 x 430
  买3:    10.50 x 28122  | 卖3:    10.55 x 75
  买4:    10.49 x 4656   | 卖4:    10.56 x 2771
  买5:    10.48 x 3764   | 卖5:    10.57 x 2566
--- 600000.SH ---
  买1:     9.08 x 4661   | 卖1:     9.09 x 7087
  买2:     9.07 x 5576   | 卖2:     9.10 x 1052
  买3:     9.06 x 6301   | 卖3:     9.11 x 2108
  买4:     9.05 x 10340  | 卖4:     9.12 x 1537
  买5:     9.04 x 1074   | 卖5:     9.13 x 3112

介绍

Python SDK

REST API

安装

初始化

标的代码格式

获取日K线

获取分钟K线

复权方式

时间区间查询

指定月份区间

获取某日期之前的 N 根 K 线

分钟级时间区间

批量获取K线

批量 + 时间区间

获取实时行情

按标的代码查询

按标的池查询（全量行情）

获取日内分时

单只标的

批量日内分时

获取标的信息

获取除权因子

获取五档盘口

单只标的

批量盘口

​安装

​初始化

​标的代码格式

​获取日K线

​获取分钟K线

​复权方式

​时间区间查询

​指定月份区间

​获取某日期之前的 N 根 K 线

​分钟级时间区间

​批量获取K线

​批量 + 时间区间

​获取实时行情

​按标的代码查询

​按标的池查询（全量行情）

​获取日内分时

​单只标的

​批量日内分时

​获取标的信息

​获取除权因子

​获取五档盘口

​单只标的

​批量盘口

安装

初始化

标的代码格式

获取日K线

获取分钟K线

复权方式

时间区间查询

指定月份区间

获取某日期之前的 N 根 K 线

分钟级时间区间

批量获取K线

批量 + 时间区间

获取实时行情

按标的代码查询

按标的池查询（全量行情）

获取日内分时

单只标的

批量日内分时

获取标的信息

获取除权因子

获取五档盘口

单只标的

批量盘口