沭阳网站建设招聘,jq 网站模板,网站做好了后怎么办,办公空间设计理念股票行情区别
交易所出来的数据#xff0c;不管通过什么渠道#xff0c;延时一般都不会差太远#xff0c;估计一般也就几十ms的差别。
但是如果是通过http轮询#xff0c;不太可能几十ms全部轮询一次。所以#xff0c;做量化的话#xff0c;用http协议是最次的选择。
…股票行情区别
交易所出来的数据不管通过什么渠道延时一般都不会差太远估计一般也就几十ms的差别。
但是如果是通过http轮询不太可能几十ms全部轮询一次。所以做量化的话用http协议是最次的选择。
能找到的数据提供商对照着大智慧的行情测试大部分挂着websocket名头的数据源数据速度也都是http轮询级别的只不过换成推送的方式而已。
level2行情
level1行情3秒一刷新大部分所谓提供websocket基础行情的数据源速度落后一般券商至少1秒那跟轮询也差不多了。
要想策略足够灵敏数据源速度是很重要的。至少大家用相同级别的数据你的反应速度要排在前边同质化策略不至于跑输大部队。
如果是level2级别的行情大批量订阅接收处理能力是个坎。所以我一般用level1数据做筛选每天触发几十个票再订阅level2还是能处理得过来的。
websocket行情接入代码
贴个python源码其他语言可以参考官方文档 行情交易接口用户文档:
#!python3
# -*- coding:utf-8 -*-
import time
import websocket
import zlib# 发送订阅
def on_open(ws):ws.send(alllv2_600519,lv1_000001)# 接收推送
def on_message(ws, message, type, flag):# 命令返回文本消息if type websocket.ABNF.OPCODE_TEXT:print(time.strftime(%H:%M:%S, time.localtime(time.time())), Text响应:, message)# 行情推送压缩二进制消息在此解压缩if type websocket.ABNF.OPCODE_BINARY:rb zlib.decompress(message, -zlib.MAX_WBITS)print(time.strftime(%H:%M:%S, time.localtime(time.time())), Binary响应:, rb.decode(utf-8))def on_error(ws, error):print(error)def on_close(ws, code, msg):print(time.strftime(%H:%M:%S, time.localtime(time.time())), 连接已断开)wsUrl ws://服务器地址?tokenjvQuant token
ws websocket.WebSocketApp(wsUrl,on_openon_open,on_dataon_message,on_erroron_error,on_closeon_close)
ws.run_forever()
