开发者社区

文档建议反馈控制台

文章/答案/技术大牛

发布

社区首页 >专栏 >量化交易从行情 API 到 DataFrame 怎么设计

量化交易从行情 API 到 DataFrame 怎么设计

用户9138916

发布于 2026-09-09 07:26:17

发布于 2026-09-09 07:26:17

520

举报

概述

把股票行情 API 的返回结果直接丢给策略代码，看起来很省事，但项目一旦开始增加数据校验、指标计算、缓存和回测，这种写法通常会越来越难维护。

原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。

如有侵权，请联系 cloudcommunity@tencent.com 删除。

目录

一、先确定数据转换边界

二、DataFrame Schema 应该先定义

三、QuantDash 可以直接作为 DataFrame 数据源

四、不要让策略直接依赖 QuantDash

五、API 返回 DataFrame 后还应该做什么
- 1. 字段检查
- 2. 时间字段检查
- 3. 建立索引

六、把标准化封装成独立函数

七、为什么不要在标准化函数里塞太多业务逻辑

八、DataFrame 作为接口，还有一个实际好处

九、一个更完整的项目结构

十、最容易犯的三个错误
- 错误一：API 调用写在策略内部
- 错误二：认为 DataFrame 就代表“干净数据”
- 错误三：为了统一格式而过度清洗

总结

FAQ
- Q1：为什么行情 API 不应该直接返回给策略？
- Q2：DataFrame 在量化系统中应该放在哪一层？
- Q3：QuantDash 返回 DataFrame 后还需要清洗吗？
- Q4：为什么不直接让每个策略自己调用 QuantDash？
- Q5：以后更换数据源时，DataFrame 层有什么价值？