FTShare：免费提供历史 1 分钟和实时行情

做量化交易，日线数据通常不难找。

真正影响策略研究深度的，往往是历史 1 分钟行情和实时行情。

量化研究的第一道门槛，有时不是不会写策略，而是拿不到足够细的数据。

如果只有日线数据，很多盘中过程无法还原。策略什么时候触发，盘中如何进出，持仓时间有多长，都只能用比较粗的方式估算。

最近我发现了一个新的数据服务：FTShare。

它由非凸科技推出，目前完全免费提供历史 1 分钟行情和实时行情。对于想做分钟级回测、实时监控，甚至搭建量化实盘系统的人来说，这是一个值得关注的工具。

FTShare 的核心价值，是用免费的历史分钟数据和实时行情，降低个人量化研究的起点。

FTShare 是什么？

FTShare 是非凸科技推出的一项金融数据服务，主要面向投资研究、量化分析和交易系统开发。

它提供的数据接口不只覆盖日线行情，还包括：

  • 历史 1 分钟 K 线；
  • 个股 1 分钟分时数据；
  • 实时行情快照；
  • 股票、ETF、指数和债券等标的的数据。

FTShare 还提供 Python SDK，可以把行情数据直接读取为 Pandas DataFrame，接入已有的量化研究流程。

非凸科技本身也不只是做一个行情查询接口。它关注算法交易、金融数据和 AI 在交易场景中的应用，并尝试把数据接口、MCP 工具、Skills 工作流和 Agent 应用连接起来。

这让 FTShare 更像是一个量化数据基础设施，而不只是一份行情数据。

为什么“完全免费”值得关注？

行情数据是量化交易中绕不开的成本。

如果只做日线回测，很多平台都能满足基本需求。但当研究进入分钟级别，数据费用往往会明显增加。历史分钟行情和实时行情，通常会被放在更高等级的权限中。

FTShare 目前完全免费提供这些数据。

这意味着个人投资者不需要先购买昂贵的数据服务，就可以获取历史 1 分钟行情，完成分钟级别的策略回测；也可以通过实时行情接口，搭建自己的行情监控程序。

免费带来的最大变化，不只是节省一笔费用，而是降低了研究的起点。

以前因为数据成本较高而暂时无法开展的研究，现在可以先用真实行情数据完成策略开发。个人开发者可以把更多精力放在策略逻辑、回测框架和交易执行上。

免费不代表没有调用限制。 官方文档对不同用户设置了不同的调用频率限制。如果要进行大规模数据下载，需要做好分批请求、本地缓存和失败重试。

历史 1 分钟行情，改变了什么？

日线数据只能告诉我们一天的开盘价、最高价、最低价和收盘价。

但在真实交易中，价格是如何从开盘走到收盘的，日线数据无法完整还原。

例如，一只股票当天最高上涨 5%，收盘只上涨 1%。如果策略在盘中触发了买入信号，随后又触发止损，只使用日线数据，就很难准确判断信号出现的时间，以及止损是否真的发生。

历史 1 分钟行情的意义，不只是把数据切得更细，而是让盘中交易过程能够被回测。

历史 1 分钟行情可以把一天的交易过程拆得更细：

  • 策略什么时候产生信号；
  • 信号持续了多长时间；
  • 价格是否触发止盈止损；
  • 成交量是否同步放大。

这些细节都可以被纳入回测，直接影响量化研究的准确度。

在交易成本、滑点和成交规则设置合理的情况下，数据粒度越细，策略对进场、出场和持仓时间的模拟就越细，回测结果也更接近实际执行过程。

同时，能够设计的策略类型也会增加。除了传统的日线趋势策略，还可以研究：

  • 开盘策略；
  • 盘中突破；
  • 分钟级均线；
  • 短周期动量；
  • 日内均值回归；
  • 成交量变化和尾盘交易。

实时行情，可以用来做什么？

历史数据解决的是“过去发生了什么”，实时行情解决的是“现在正在发生什么”。

有了实时行情接口，量化系统就不只是定期下载数据、运行回测，还可以持续获取最新价格、涨跌幅、成交量和成交额等信息。

最直接的用途是做行情监控：

  1. 监控自选股票是否突破某个价格；
  2. 判断某个板块的成交量是否突然放大；
  3. 检查持仓标的是否触发止盈止损条件；
  4. 记录策略信号，并发送提醒。

再往前一步，就是量化实盘。

一个完整的量化实盘系统，通常包括行情获取、策略计算、风险控制、下单执行和交易记录几个部分。FTShare 提供的实时行情，主要解决其中的行情输入问题。

系统可以按照固定频率读取最新行情，计算策略信号，再把信号交给交易执行模块处理。

实时行情接口不等于券商下单接口。 订单执行仍然需要单独接入交易通道。

但从策略回测到实时监控，再到量化实盘，稳定的实时数据源是不可缺少的一环。FTShare 把这一环节免费开放出来，降低了个人开发者搭建系统的门槛。

如何开始使用？

FTShare 提供了 Python SDK，适合直接接入量化研究环境。

通过市场数据接口，可以获取个股分时数据：

import ftshare as ft

market = ft.market_api()

data = market.stock_intraday(
    symbol="600000.XSHG"
)

print(data.head())

如果需要获取历史 1 分钟 K 线，可以调用股票 K 线接口，并将周期设置为：

interval_unit = "Minute"
interval_value = 1

返回的数据包括开盘价、最高价、最低价、收盘价、成交量、成交额和时间戳等字段，可以继续用于数据清洗、因子计算和回测。

使用历史分钟数据时，需要注意单次请求的时间跨度限制。较长时间的历史数据，需要按照时间区间分批获取，再保存到本地数据库中。

一个比较适合个人开发者的流程是：

  1. 获取历史数据；
  2. 保存到本地；
  3. 清洗并检查数据；
  4. 回测分钟级策略；
  5. 接入实时行情；
  6. 运行监控或量化实盘。

适合哪些人？

FTShare 更适合下面几类使用场景：

  • 个人量化研究者：希望免费获取分钟级历史数据，减少前期成本；
  • 策略开发者：需要研究开盘、盘中突破、短周期动量等策略；
  • 程序员投资者：想用 Python 搭建自己的行情监控系统；
  • 量化实盘初学者：已经有回测策略，需要接入实时行情；
  • AI 工具使用者：希望把金融数据接入 MCP、Skills 或 Agent 工作流。

最后

对量化交易来说，数据决定了研究可以走多深。

FTShare 目前完全免费提供历史 1 分钟行情和实时行情，降低了个人投资者获取重要量化数据的门槛。

它的价值不只是“免费”。历史 1 分钟数据让回测更接近真实交易过程，也让更多盘中策略有了研究基础；实时行情则可以进一步用于价格监控、信号提醒和量化实盘系统。

再加上非凸科技在金融数据、算法交易和 AI 工具方面的积累，FTShare 是个人开发者构建量化研究和交易系统时值得关注的新工具。

把历史数据用于研究，把实时行情接入系统，量化交易才能从回测真正走向运行。

官方资料