A股、港股、美股一起研究，行情分散会漏掉什么？用实时行情数据源实测3个样本

TickDB Research ·

只研究A股时，行情分开看似乎没什么。把港股和美股加进来后，三套入口很容易让某个市场、某只股票，甚至某一段变化根本没有进入同一轮观察。

行情分散最容易漏掉的，不是一条价格，而是没有进入同一研究流程的市场、样本和时间窗口。 我用TickDB这个实时行情数据源做了次实测：贵州茅台 600519.SH、腾讯控股 700.HK、苹果 AAPL.US，全部放进同一段Python程序，连续读取市场目录、当前行情、5日与10日变化、量比和20根日K线。

image.png

8次请求，三个市场，3/3通过。

先看结果

运行时间：2026-07-24T06:12:58+00:00

市场样本当次现价5日变化10日变化量比日K线结果
A股600519.SH 贵州茅台1296.523.19%7.30%0.4420根PASS
港股700.HK 腾讯控股433.8-5.98%-5.69%0.6420根PASS
美股AAPL.US Apple Inc.321.66-3.48%1.72%0.7820根PASS

8个请求很简单：三个市场目录、一次批量ticker、一次批量指标，再分别读取三只股票的日K线。

image.png 2026年7月24日，三个样本的单次运行记录。

目录、行情、指标和K线共用一个Key、一套请求逻辑和同一份结果检查，这才是这次实测真正想看的东西。

完整代码

把自己的Key放进环境变量，然后运行：

export TICKDB_API_KEY="your-own-key"
python3 public_tickdb_cross_market_check.py

#!/usr/bin/env python3
"""A complete, runnable TickDB cross-market research check.

Before running:
    export TICKDB_API_KEY="your-own-key"

The key is read only from the environment and is never printed or saved.
"""

from __future__ import annotations

import json
import os
import subprocess
import sys
import urllib.parse
from datetime import datetime, timezone
from pathlib import Path
from typing import Any


BASE_URL = "https://api.tickdb.ai"
SAMPLES = [
    ("A股", "CN", "600519.SH"),
    ("港股", "HK", "700.HK"),
    ("美股", "US", "AAPL.US"),
]
OUTPUT_ROOT = Path(__file__).resolve().parents[1]


def get_json(path: str, params: dict[str, Any], api_key: str) -> dict[str, Any]:
    query = urllib.parse.urlencode(params)
    url = f"{BASE_URL}{path}?{query}"
    result = subprocess.run(
        [
            "curl",
            "--location",
            "--silent",
            "--show-error",
            "--max-time",
            "30",
            "--header",
            f"X-API-Key: {api_key}",
            "--header",
            "Accept: application/json",
            "--write-out",
            "\nHTTP_STATUS:%{http_code}",
            url,
        ],
        check=False,
        capture_output=True,
        text=True,
        timeout=35,
    )
    body, marker, status = result.stdout.rpartition("\nHTTP_STATUS:")
    if result.returncode != 0 or not marker or status.strip() != "200":
        raise RuntimeError(
            f"request failed: path={path}, "
            f"curl_exit={result.returncode}, http={status.strip() or 'unknown'}"
        )
    payload = json.loads(body)
    if payload.get("code") != 0:
        raise RuntimeError(
            f"API rejected request: path={path}, code={payload.get('code')}, "
            f"message={payload.get('message')}"
        )
    return payload


def rows_by_symbol(payload: dict[str, Any]) -> dict[str, dict[str, Any]]:
    return {
        row["symbol"]: row
        for row in payload["data"]
        if isinstance(row, dict) and "symbol" in row
    }


def pct(value: Any) -> str:
    return f"{float(value) * 100:.2f}%"


def main() -> int:
    api_key = os.getenv("TICKDB_API_KEY")
    if not api_key:
        print("请先在环境变量中设置 TICKDB_API_KEY", file=sys.stderr)
        return 2

    raw_bundle: dict[str, Any] = {
        "retrieved_at_utc": datetime.now(timezone.utc).isoformat(timespec="seconds"),
        "credential": "loaded from environment; value not saved",
        "requests": {},
    }

    catalog_totals: dict[str, int] = {}
    for _, market, _ in SAMPLES:
        payload = get_json(
            "/v1/symbols/available",
            {"market": market, "type": "stock", "limit": 3, "offset": 0},
            api_key,
        )
        raw_bundle["requests"][f"catalog_{market}"] = payload
        catalog_totals[market] = payload["data"]["pagination"]["total"]

    symbols = ",".join(symbol for _, _, symbol in SAMPLES)
    ticker_payload = get_json(
        "/v1/market/ticker",
        {"symbols": symbols, "type": "stock"},
        api_key,
    )
    metrics_payload = get_json(
        "/v1/market/calc-index",
        {"symbols": symbols, "type": "stock"},
        api_key,
    )
    raw_bundle["requests"]["ticker"] = ticker_payload
    raw_bundle["requests"]["metrics"] = metrics_payload
    ticker = rows_by_symbol(ticker_payload)
    metrics = rows_by_symbol(metrics_payload)

    output_lines = [
        f"retrieved_at_utc: {raw_bundle['retrieved_at_utc']}",
        "api_key: loaded from environment (not printed)",
        "basket: 600519.SH | 700.HK | AAPL.US",
        "",
    ]
    review_order: list[tuple[float, str]] = []

    for market_name, catalog_market, symbol in SAMPLES:
        kline_payload = get_json(
            "/v1/market/kline",
            {"symbol": symbol, "type": "stock", "interval": "1d", "limit": 20},
            api_key,
        )
        raw_bundle["requests"][f"kline_{symbol}"] = kline_payload
        bars = kline_payload["data"]["klines"]
        quote = ticker[symbol]
        indicator = metrics[symbol]
        review_order.append((abs(float(indicator["five_day_change_rate"])), symbol))

        output_lines.extend(
            [
                f"[{market_name}] {symbol} {quote['name']}",
                (
                    f"目录股票数={catalog_totals[catalog_market]} | "
                    f"现价={quote['last_price']} | 24h={quote['price_change_percent_24h']}%"
                ),
                (
                    f"5日={pct(indicator['five_day_change_rate'])} | "
                    f"10日={pct(indicator['ten_day_change_rate'])} | "
                    f"量比={indicator['volume_ratio']}"
                ),
                (
                    f"日K线={len(bars)}根 | 最近收盘={bars[-1]['close']} | "
                    f"时间={bars[-1]['time']} | PASS"
                ),
                "",
            ]
        )

    review_order.sort(reverse=True)
    output_lines.extend(
        [
            "人工复核顺序（仅按5日绝对涨跌幅）："
            + " > ".join(symbol for _, symbol in review_order),
            "SUMMARY: 3/3 samples passed",
            "BOUNDARY: 本次三个样本、单次运行；不是荐股、收益排名或SLA证明。",
        ]
    )

    raw_path = OUTPUT_ROOT / "raw" / "public_code_run_bundle.json"
    transcript_path = OUTPUT_ROOT / "terminal" / "public_code_run_terminal.txt"
    raw_path.write_text(
        json.dumps(raw_bundle, ensure_ascii=False, indent=2) + "\n",
        encoding="utf-8",
    )
    transcript = "\n".join(output_lines) + "\n"
    transcript_path.write_text(transcript, encoding="utf-8")
    print(transcript, end="")
    return 0


if __name__ == "__main__":
    raise SystemExit(main())

同一次终端输出

retrieved_at_utc: 2026-07-24T06:12:58+00:00
api_key: loaded from environment (not printed)
basket: 600519.SH | 700.HK | AAPL.US

[A股] 600519.SH 贵州茅台
目录股票数=7059 | 现价=1296.52 | 24h=0.35%
5日=3.19% | 10日=7.30% | 量比=0.44
日K线=20根 | 最近收盘=1296.83 | 时间=1784822400000 | PASS

[港股] 700.HK 腾讯控股
目录股票数=3156 | 现价=433.8 | 24h=-2.56%
5日=-5.98% | 10日=-5.69% | 量比=0.64
日K线=20根 | 最近收盘=434 | 时间=1784822400000 | PASS

[美股] AAPL.US Apple Inc.
目录股票数=12587 | 现价=321.66 | 24h=-1.30%
5日=-3.48% | 10日=1.72% | 量比=0.78
日K线=20根 | 最近收盘=321.66 | 时间=1784779200000 | PASS

人工复核顺序（仅按5日绝对涨跌幅）：700.HK > AAPL.US > 600519.SH
SUMMARY: 3/3 samples passed
BOUNDARY: 本次三个样本、单次运行；不是荐股、收益排名或SLA证明。

换成自己的股票，再跑一次

修改 SAMPLES 里的三个symbol，换成你平时研究的股票。

目录、行情、指标和K线都能连续返回，这套工具才算真正进入你的研究流程。

FAQ

1. A股、港股、美股的symbol应该怎么写？

本文使用 600519.SH、700.HK 和 AAPL.US。不确定代码时，先查 /v1/symbols/available 返回的symbol，再把它放进ticker、指标和K线请求。

2. 为什么ticker现价和日K线的最近收盘价可能不一样？

ticker读取当前行情快照，历史日K线读取已经结束的周期；核对结果时要同时看symbol、时间戳和K线周期，不能只比两个价格。

3. TickDB还能怎样继续做选股研究？

可以先用 calc-index 批量查看5日、10日变化、量比和估值等市场指标，缩小人工研究范围；再用 capital-flow 查看单只股票的主力、大单、中单和小单流入流出。两类数据都能围绕同一批symbol继续查询。

话题：A股、港股、美股、行情工具、TickDB、Python、量化研究

相关文章

拆解美股夜盘数据5个口径：12月6日起美股进入23小时交易

同一只苹果股票，同一个周六中午，三个“最新价”，1万股持仓估值差出 9,500 美元。12月6日起，美股将进入近23小时交易：夜盘数据的5个口径不说清，日K线、收益率、风控和对账都会悄悄算错。 本文依据纳斯达克、SEC、DTCC、FINRA 等一手文件，加上30只美股（含9只中概股）的实测数据，给你四样东西： 一张“北京时间 × 美股夜盘”全景图（含11月1日夏令时切换前后） 5个口径逐条拆…

TickDB Research ·

A股全量行情，你做全市场选股时，可能一直漏了这500只票

A股全量行情，你做全市场选股时，可能一直漏了这500只票 一个让我亏过钱的问题 500只票——这是我在三个不同数据源上，看到的A股数量的最大差值。 中上协口径5535家，Wind口径5496家，CNI指数成分更少。同一个市场，三个权威来源，三个数字。你用的“全市场”，是哪个？ 我做全市场选股策略的时候，一直以为自己看的是“全市场”。直到有一次，回测和实盘的差距大到不能用滑点解释。策略逻辑没问…

TickDB Research ·

Kimi、千问、万得都在做AI炒股，个人/小团队想靠它们跟机构掰手腕？距离赚钱还差一步

2026年9月17日，Kimi发布了金融行业AI解决方案。 官方公告列出的数据源包括Wind万得、东方财富、财新数据、财联社、标普全球、天眼查、元典法律。9项金融技能覆盖机构财务建模、机构研究报告、机构PPT、金融动态图表、业绩点评、一致预期地图、组合复盘、持仓早报、香港IPO透镜。落地机构包括工商银行、中信建投、中金公司、易方达基金等数十家。 中信建投的试点数据很漂亮：临时受托报告从30分钟压到

TickDB Research ·

A股行情数据源“集合竞价”深度拆解：AkShare/Tushare静默，TickDB实测寒武纪全程记录

你9:15打开自己的行情脚本，用AkShare拉A股实时数据。终端弹出一行红字：。你以为是参数写错了，改了重跑，还是报错。你换成Tushare，返回倒是正常了，但价格栏全是空的，直到9:30才突然跳出第一行数据。 你以为是自己代码的问题。其实不是。 你在用个人开发者能拿到的公开接口，而这些接口在9:15到9:25这个窗口，集体选择了沉默。你的策略在等数据，而开盘价早在9:25就已经确定了。 这10

TickDB Research ·

个人量化行情数据源排行榜：AkShare、Tushare、Massive、TickDB、Wind、mootdx，四种场景下怎么选？

一个数据源的综合排名，只能回答“个人量化用户第一次该优先评估谁”。真正开始做研究、回测、实时监控或 AI Agent 后，榜单必须按任务重排。 本文先给出面向个人量化用户的综合推荐榜，再按四种任务重新排序。比较时主要看：任务适配、第一次使用体验、数据与功能、可核对与持续使用的条件，以及品牌和服务。 !image.png 这套默认条件下，前三名是 Massive、TickDB、Tushare Pro

TickDB Research ·