DataFeed - 数据服务

DataFeed - 数据服务

对于数据服务，vn.py提供了标准化的接口BaseDatafeed（位于vnpy.trader.datafeed中），实现了更加灵活的数据服务支持。在全局配置中，和数据服务相关的字段全部都以datafeed作为前缀。

具体字段含义如下：

datafeed.name：数据服务接口的名称，必须为全称的小写英文字母；
datafeed.username：数据服务的用户名；
datafeed.password：数据服务的密码。

以上字段对于所有数据服务都是必填的，如果是token方式授权请填写在database.password字段中。目前VN Trader支持以下七种数据服务，具体每个数据服务的细节可在对应的项目地址中找到。

RQData

米筐RQData一直以来都是我们vn.py官方团队长期推荐的数据服务，对于大部分个人投资者来说应该都是性价比比较高的选择：

项目地址：vnpy_rqdata
数据分类：股票、期货、期权、基金和黄金TD
数据周期：日线、小时线、分钟线、TICK（实时更新）
注册申请：RICEQUANT

请注意，配置信息里的username和password不是米筐官网登录用的账号和密码。

UData

恒有数UData是由恒生电子最新推出的云端数据服务，提供不限次、不限量的多种金融数据获取：

项目地址：vnpy_udata
数据分类：股票、期货
数据周期：分钟线（盘后更新）
注册申请：恒有数UData

TuShare

TuShare是国内知名的开源Python金融数据接口项目，由大神Jimmy团队长期开发维护，除了行情数据外还提供许多另类数据：

项目地址：vnpy_tushare
数据分类：股票、期货
数据周期：日线、分钟线（盘后更新）
注册申请：Tushare大数据社区

TQSDK

天勤TQSDK是由信易科技推出的Python程序化交易解决方案，提供当前所有可交易合约上市以来的全部历史数据获取：

项目地址：vnpy_tqsdk
数据分类：期货
数据周期：分钟线（实施更新）
注册申请：天勤量化-信易科技(shinnytech.com)

Wind

万得Wind对于在国内金融机构工作的从业者来说，已经是工作中的标准配置，不管是股票、债券还是商品市场的数据，Wind可以说是应有尽有：

项目地址：vnpy_wind
数据分类：期货
数据周期：分钟线（实施更新）
注册申请：Wind金融终端

iFinD

同花顺iFinD是同花顺公司推出的面向专业机构用户的金融数据终端，且在过去几年中的市场占有率快速上升：

项目地址：vnpy_ifind
数据分类：期货
数据周期：分钟线（实施更新）
注册申请：iFinD金融数据终端

Tinysoft

作为国内老牌金融数据公司的天软，其核心产品【天软.NET金融分析平台】（简称TinySoft），在券商研究所和自营领域积累了大量用户。翻看券商的金融工程研报时，经常会发现图表的备注信息中写有“以上数据来自天软”的数据来源说明：

项目地址：vnpy_tinysoft
数据分类：期货
数据周期：分钟线（实施更新）
注册申请：天软.NET金融分析平台

脚本使用

脚本使用前，请先按照上文配置好使用的数据服务, 使用时调用相应的函数接口(具体接口支持请参考上文中支持的数据周期)。

from datetime import datetime
from vnpy.trader.constant import Exchange, Interval
from vnpy.trader.datafeed import get_datafeed
from vnpy.trader.object import HistoryRequest
bar_req = HistoryRequest(
        symbol="CU888",
        exchange=Exchange("SHFE"),
        start=datetime(2019, 1, 1),
        end=datetime(2021, 1, 20),
        interval=Interval.DAILY
    )
tick_req = HistoryRequest(
        symbol="CU888",
        exchange=Exchange("SHFE"),
        start=datetime(2019, 1, 1),
        end=datetime(2021, 1, 20),
        interval=Interval.TICK
    )
# 获取数据服务实例
datafeed = get_datafeed()
# 获取k线历史数据
data = datafeed.query_bar_history(bar_req)
# 获取tick历史数据
data = datafeed.query_tick_history(tick_req)