A股全量数据接入指南：一套API覆盖行情、复权、基本面、实时订阅与AI工作流

早期做A股策略，用Python拉通了日K线，回测曲线挺好看，以为数据层搞定了。实盘上线后问题一个接一个：除权日跳空被策略当成下跌信号，两天后才反应过来是K线没做复权；想估滑点，发现手里只有K线，没有盘口，只能拍一个固定值；想做多因子，打开数据源一看，基本面覆盖哪些标的、不覆盖哪些，谁也说不清。

这些坑不是因为接口调不通，而是因为一开始就没看清A股数据到底有几层。

A股数据远不止“行情”两个字。至少分四层：行情、参考数据、基本面、接入方式。缺一层，你的策略就会在某个节点翻车。

这篇文章要做两件事：第一，把A股数据的四层结构摊开，让你在写第一行接入代码前就能画出数据架构图；第二，以一套统一API服务为具体参考，把每一层的实际能力、字段结构、边界条件讲清楚。

A股数据能力全景图

先看整体结构。从数据到用户，是一条四层的链路：

┌─────────────────────────────────────────────────────────────┐
│                     接入层（怎么拿）                          │
│   REST  │  WebSocket  │  AI 原生（Skill / MCP / CLI）        │
└──────────────────────────┬──────────────────────────────────┘
                           │
┌──────────────────────────▼──────────────────────────────────┐
│                   基本面层（公司是什么）                      │
│  公司档案 │ 财务三表 │ 估值 │ 行业 │ 股东 │ 事件日历          │
└──────────────────────────┬──────────────────────────────────┘
                           │
┌──────────────────────────▼──────────────────────────────────┐
│                 参考数据层（什么时候、对什么）                 │
│  交易日历 │ 交易时段 │ 标的信息 │ 指数计算 │ 符号目录          │
└──────────────────────────┬──────────────────────────────────┘
                           │
┌──────────────────────────▼──────────────────────────────────┐
│                   行情层（市场发生了什么）                     │
│  快照 │ K线 │ 复权因子 │ 分时 │ 盘口 │ 逐笔 │ 资金流          │
└─────────────────────────────────────────────────────────────┘

行情是地基，参考数据是框架，基本面是纵深，接入层是出口。四层缺一层，你的数据管道就会在某个节点断掉。

下面的内容以一个具体的实时行情API服务商（TickDB）为参考，它的A股能力覆盖了这四层。先建立结构，再看细节。

覆盖范围速查

┌─────────────────────────────────────────────┐
│  A股数据覆盖范围（参考口径，2026-09-15）       │
├─────────────────────────────────────────────┤
│  交易所    │ 上交所 SSE + 深交所 SZSE        │
│  标的      │ 全部A股标的 + 主要指数           │
│  数据品类  │ Tick / Trade / Depth (L2)       │
│  实时性    │ 3秒快照 / 逐笔                  │
│  历史深度  │ 产品支持最长10年K线              │
│            │ （套餐分层：1 / 3 / 10年）        │
│  接入方式  │ REST + WebSocket + MCP/Skill/CLI│
│  基本面包围│ 沪市 + 深市个股，不含北交所/ETF   │
└─────────────────────────────────────────────┘

一句话概括：官网明确覆盖上交所、深交所全部A股标的，数据品类含实时快照、K线、盘口、逐笔，产品支持最长10年历史K线。

你是哪类读者

你 → 打开文章
       │
       ├── 个人量化开发者
       │     └─→ 行情层 + 复权层 + 最小可用组合
       │
       ├── 小团队数据工程师
       │     └─→ 参考数据 + 基本面层 + 数据架构建议
       │
       ├── AI工具使用者
       │     └─→ AI原生接入 + Agent工作流
       │
       └── 金融应用团队
             └─→ 接入层 + 边界 + POC验收清单

行情层：市场发生了什么

行情层是地基。地基不稳，上面全塌。

实时快照

单标的、批量、全市场三种模式。真实返回长这样：

{
  "symbol": "688256.SH",
  "name": "寒武纪",
  "type": "stock",
  "category": "CN",
  "last_price": "1086.58",
  "open": "1055.00",
  "prev_close": "1053.98",
  "volume_24h": "9102334",
  "high_24h": "1092.50",
  "low_24h": "1048.00",
  "timestamp": 1754118000000
}

A股集合竞价期间，open字段缺失是合法状态，不是接口出错。

用open是否存在判断是否进入正式交易，比比较当前时间更稳健。这个判断决定了你的开盘信号是在正式交易后触发，还是在集合竞价期间就误触发。

批量模式可以同时监控数百个标的，是跨市场看板的基础。

K线与历史行情

从1分钟到月线的多个周期，覆盖分钟、小时、日、周、月各个粒度。A股支持5种复权方式：不复权、前复权、后复权、前复权加法、后复权加法。港股美股只支持前3种。

{
  "symbol": "688256.SH",
  "interval": "1d",
  "adjust": "forward",
  "klines": [
    {"timestamp": "2026-08-01T00:00:00Z", "open": 1040.00, "high": 1068.88, "low": 1030.01, "close": 1053.98, "volume": 8234521},
    {"timestamp": "2026-08-02T00:00:00Z", "open": 1055.00, "high": 1092.50, "low": 1048.00, "close": 1086.58, "volume": 9102334}
  ]
}

接口返回已结束周期的历史K线；当前形成中的周期用另一个接口。这个区分很重要——把形成中的bar当成已收盘bar用，会产生前视式信号。

复权因子

复权因子不是比例，是仿射变换。

每一笔公司行动对应一条前复权、一条后复权记录，公式是：

adjusted_price = raw_price × factor_a + factor_b

A股市场的factor_b恒为0，所以实际就是raw_price × factor_a。它的价值在于：你可以自己控制复权逻辑，而不是依赖数据源替你算。

前复权适合实时信号和最新价格对齐，后复权适合长期历史比较。混用会产生系统性误差——等价于在同一个价格序列里插入两套时间基准。

盘口、逐笔、资金流

盘口返回多档买卖盘：

{
  "symbol": "688256.SH",
  "bids": [
    {"price": 1086.00, "size": 200},
    {"price": 1085.50, "size": 300}
  ],
  "asks": [
    {"price": 1086.50, "size": 100},
    {"price": 1087.00, "size": 350}
  ]
}

盘口对时延极度敏感。用之前必须验证目标市场的实际可用性，不能从接口存在推断全市场覆盖。

逐笔成交返回逐笔明细，含价格、数量、时间、方向。逐笔是判断真实买卖力量的原始材料，比K线更早反映市场意图。

资金流返回主力净流入、主力买卖量、散户净流入等字段。A股资金流有三种常见口径——成交方向归因、大单资金流、主力资金流。这三个定义在不同数据源之间完全不兼容。用两个来源的资金流数据做比较，等于用两把不同刻度的尺子量同一个东西。

行情层的关键认知

如果你只接了K线和ticker，你的策略在除权日、集合竞价、停牌、换月这四个节点上，一定会有一次莫名其妙的回撤。

参考数据层：什么时候、对什么

参考数据层是框架。没有框架，行情数据就是一堆不知道能不能用的数字。

交易日历

回测时间序列的基础。我接入时踩过一个坑：首次用from/to参数请求返回400，按错误提示改为beg_day/end_day后才成功。接口参数名不能凭直觉猜，必须以实测或官方文档为准。

A股、港股、美股、期货的休市安排不同，多市场研究必须按市场维护独立的交易日历。“默认按工作日”是回测最常见的陷阱——如果回测框架里的交易日历和真实市场不一致，信号触发时间会系统性偏移。

交易时段

返回市场当天的开收市时段。A股集合竞价（9:15–9:25、14:57–15:00）、港股午休（12:00–13:00）、期货夜盘，这些是“数据有但不能按普通逻辑使用”的时段。不处理会导致策略在错误状态下运行。

标的基础信息

返回名称、交易所、币种、股本、EPS、BPS、股息率。估值计算的起点：当前价除以BPS就是PB，当前价除以EPS就是PE。

参考数据层的关键认知

交易日历和交易时段不是可选知识，是必须在数据层明确处理的事实。否则你的日内数据里会有一段“空洞”，或者策略在非交易时段收到错误信号。

基本面层：公司是什么

基本面层是纵深。行情告诉你价格怎么走，基本面告诉你这家公司值多少。

覆盖边界先说清楚：本文使用的数据服务，基本面接口覆盖沪市和深市个股，不覆盖北交所个股，不覆盖沪市和深市的ETF。

公司档案与财务三表

公司档案返回公司基本信息、业务简介、上市信息、员工数。管理层名单返回当前高管和董事列表，用于治理结构分析。

财务三表是基本面研究的核心。TTM口径只支持利润表和现金流量表，资产负债表不适用——这是财务分析的基本常识，但很多数据源不会主动告诉你。

财务数据必须带报告期和单位使用。跨公司比较时必须确认币种一致，跨期比较时必须确认报告期对齐。

估值与行业

估值指标返回PE、PB、PS、股息率的当前快照与历史时序，含一年高低位和中位数。历史估值分位分析是判断当前估值水平高低的核心方法。估值字段必须注明价格基准日，否则数字没有可比意义。

行业分析返回同业公司列表、行业估值分布、行业排行、行业分类树。横向比较估值的候选集、行业轮动策略的输入数据。

资本行动与股东

资本行动包含分红历史（含TTM）、回购记录、公司行动（拆股、合股、配股、代码变更）。分红除权日是A股价格出现向下跳空的触发日，回测时必须处理，否则系统会把除权跳空误判为价格下跌信号。

股东与基金包含最新股东结构、前十大股东、单股东明细、基金持仓。大股东持仓变动是市场情绪的重要信号。股东数据有披露延迟，不能当成实时信号使用。

基本面层的关键认知

知道不覆盖什么，比知道覆盖什么更重要。沪市深市个股覆盖，北交所和ETF不覆盖——这个边界决定了你的多因子选股范围。

接入层：怎么拿

接入层是出口。同一套数据，三种接入路径，对应三种使用场景。

┌──────────────────────────────────────────────────────────────┐
│                        你的应用                                │
│   研究脚本 │ 实时看板 │ 交易系统 │ AI Agent │ 金融产品          │
└───────┬──────────┬──────────┬──────────┬─────────────────────┘
        │          │          │          │
   ┌────▼───┐ ┌───▼────┐ ┌───▼────┐ ┌───▼──────────┐
   │  REST  │ │WebSocket│ │  MCP   │ │ Skill / CLI  │
   │ 批量拉取│ │ 实时推送│ │ Agent  │ │  AI 工作流   │
   │ 研究回测│ │ 盘中止损│ │ 工具调用│ │  自然语言取数 │
   └────┬───┘ └───┬────┘ └───┬────┘ └───┬──────────┘
        │          │          │          │
        └──────────┴──────────┴──────────┘
                       │
              ┌────────▼────────┐
              │   X-API-Key     │
              │  统一认证        │
              └─────────────────┘

REST

标准HTTP接口，X-API-Key认证。研究、回测、批量拉取的首选。字段结构固定，有错误码，适合写进代码长期跑。

WebSocket

流式订阅行情推送。官方文档明确支持A股的ticker、depth、trade三个频道。连接URL为wss://api.tickdb.ai/v1/realtime，查询参数api_key必填。

密钥过期时，服务端通过close code 1008关闭连接，同时发送JSON消息说明原因。重连逻辑必须区分正常断线和密钥过期，分别处理。

AI原生接入

Skill、MCP、CLI三档，通过X-TickDB-Key认证，让Agent直接调用结构化市场数据。

三档的定位：

• Skill：“对话即用·零配置”，适合PM/研究员/轻度用户
• MCP：“一个托管HTTPS端点，让你的AI编码助手一次连接即获得13个行情数据工具”
• CLI：“终端直查实时行情，JSON/表格双输出，16个原生命令。为脚本和自主Agent设计”

AI原生接入的意义不是“让AI帮你查价格”，而是让模型先取得带标的、字段和时间戳的事实，再进行分析。顺序反了，分析结论就没有可追溯的数据基础。

接入层的关键认知

AI工作流中的行情数据，必须在模型推理之前到位。让模型用记忆猜价格，是把分析过程变成幻觉生成过程。

四类读者的最小可用组合

不同角色的人，不需要接同一套数据。

个人量化开发者

最小组合：K线（含复权）+ 实时快照 + 交易日历 + 标的基础信息

起步路径：先用K线搭回测框架，确认复权口径统一；再加上实时快照做信号触发；交易日历处理非交易日空值；标的基础信息用于估值筛选。

最容易踩的坑：K线没做复权，除权日跳空被策略当成下跌信号。

小团队数据工程师

最小组合：交易日历 + 交易时段 + 复权因子 + 标的信息 + 基本面（财务/估值）

起步路径：先把参考数据层建好，再做行情管道；复权因子用于自建复权逻辑；基本面用于多因子研究。

最容易踩的坑：交易日历没按市场分开维护，多市场回测的时间轴对不齐。

AI工具使用者

最小组合：MCP/Skill/CLI + 实时快照 + 事件日历

起步路径：先用MCP或CLI接入实时快照，让Agent能取到带时间戳的事实；再加上事件日历，让Agent知道今天有什么值得关注的事件。

最容易踩的坑：让模型用训练数据里的历史价格回答“现在多少钱”，而不是先调接口取最新价格。

金融应用团队

最小组合：REST + WebSocket + 多市场统一接入 + 断线重连 + POC验收维度

起步路径：先做POC验收，确认目标市场的字段结构、实时性覆盖、边界处理；再做生产接入，实现断线重连和状态恢复。

最容易踩的坑：没有区分正常断线和密钥过期（1008），重连逻辑一刀切。

覆盖边界与注意事项

基本面覆盖边界：本文使用的数据服务，基本面接口覆盖沪市和深市个股，不覆盖北交所个股，不覆盖沪市和深市的ETF。文中实测的基本面数据样本是688256.SH和600519.SH，均为沪市个股。

资金流口径：A股资金流有三种常见口径，不同数据源之间不兼容。文中展示的字段结构是一套具体实现，跨平台比较之前必须先对齐口径。

复权因子：A股市场的factor_b恒为0，复权公式实际就是raw_price × factor_a。港股美股的支持参数与A股不同。

动态数值：文中涉及的覆盖数量、标的数量等动态信息，以官网和官方文档当前口径为准。官网明确覆盖上交所、深交所全部A股标的，产品支持最长10年K线，套餐分层为1/3/10年。

单次调用边界：任何一次调用成功只证明该时间、样本、请求参数和该API Key权限下的接口行为，不构成全市场覆盖、长期稳定性或投资表现的主张。

结尾

A股行情数据不是“拿到K线就够了”——至少有行情、参考数据、基本面、接入方式四层能力，每层解决不同的问题。

在项目初期就看清完整的数据全景图，比在回测失败后逐个排查遗漏的成本低得多。

你现在就能做的一件事：打开自己的策略代码，对照下面的检查清单，看看每一层数据你是否已经接入或明确不需要。

A股数据接入检查清单

把这张表填完，你的数据架构图就出来了。

关于本文参考的统一数据服务

本文全程以 TickDB 作为参考实现，把 A 股数据的四层能力落到具体的接口、字段和边界。官网截至 2026-09-15 描述的核心能力如下：

它适合什么人？

• 个人量化开发者：第一次接 A 股数据，想用一套 API 把四层数据都接上，不想自己拼多源。
• 小团队数据工程师：要建数据管道，想先看清 A 股数据有几层，再决定用哪一层。
• AI 工具使用者：想让 Agent 取到带时间戳的结构化数据，而不是靠模型记忆猜价格。
• 金融应用团队：需要多市场统一接入、断线重连、错误码规范的工程化数据层。

它不适合什么人？

• 已经有完整的数据管道，只想替换其中某一个接口的团队——本文的能力对照仍然有用，但不一定需要换整套服务。
• 只需要免费方案就能覆盖全部需求的场景——本文全篇讨论的是“自建数据层的成本有多高”，如果你的自建成本极低，不需要额外付费。

如果决定试一下，怎么开始？

先按文末检查清单，列出你自己策略实际需要的数据层。然后从最小可用组合入手——多数个人量化开发者只需要 K 线（含复权）+ 实时快照 + 交易日历 + 标的基础信息这四类。跑通之后再决定是否扩展到盘口、逐笔、基本面。

附录A：常见接口示例

附录B：错误码速查

附录C：常见问题

Q：A股集合竞价期间为什么没有开盘价？

A：集合竞价期间（9:15–9:25、14:57–15:00）open字段缺失是合法状态。只有9:25统一撮合之后，open才会出现。

Q：基本面数据覆盖北交所吗？

A：本文使用的数据服务，基本面接口覆盖沪市和深市个股，不覆盖北交所个股，也不覆盖沪市和深市的ETF。

Q：资金流数据可以直接当买卖信号吗？

A：不能。资金流是市场参与者行为的量化描述，不是买卖信号。而且不同数据源的资金流口径不兼容，引用前必须先冻结口径定义。

Q：WebSocket断线后怎么处理？

A：要区分正常断线和密钥过期。密钥过期时服务端返回close code 1008并发送JSON消息说明原因，两种情况的处理方式不同。

Q：TradingView图表可以直接用这套数据吗？

A：REST API可以作为TradingView UDF后端的数据源层，但需要开发者自己实现UDF协议的包装层。这套服务在这里承担的是后端数据提供角色。

*文中实测数据来自2026-09-15的API调用，样本标的为688256.SH（寒武纪）和600519.SH（贵州茅台）。

通过 TickDB API 获取实时行情数据

一个 API 接入外汇、加密货币、美股、港股、A股、贵金属和全球指数的实时行情。支持 WebSocket 低延迟推送，免费开始使用。