Forex API
メジャー、マイナー、エキゾチックを含む 50+ の通貨ペアに Tick レベルの相場情報を提供します。
1 つの WebSocket・REST API で、Tick レベルの Forex、Crypto、Stock、Commodity、Index データを配信します。営業担当との通話なしで、数秒で無料キーを取得できます。
| シンボル | 資産クラス | 価格 | 直近変動 |
|---|---|---|---|
| EUR/USD 外国為替ユーロ / 米ドル | 外国為替 | - | - |
| BTC/USDT 暗号資産ビットコイン | 暗号資産 | - | - |
| ETH/USDT 暗号資産イーサリアム | 暗号資産 | - | - |
| AAPL 株式Apple Inc. | 株式 | - | - |
| XAU/USD コモディティ金スポット | コモディティ | - | - |
| USD/JPY 外国為替米ドル / 円 | 外国為替 | - | - |
| NVDA 株式NVIDIA Corp. | 株式 | - | - |
| SPX 指数S&P 500 指数 | 指数 | - | - |
AllTick がカバーするすべての市場を、同じ統一 REST と WebSocket インターフェースから利用できます。
メジャー、マイナー、エキゾチックを含む 50+ の通貨ペアに Tick レベルの相場情報を提供します。
リアルタイムの現物・デリバティブデータを、1 つの配信に正規化します。
米国、香港、中国本土市場の株式について、約定と相場情報を提供します。
貴金属とエネルギーのリアルタイム価格を提供します。
主要なグローバル指数のベンチマーク値と構成銘柄を提供します。
AllTick の各市場について、対応範囲、レイテンシー、データ種別を比較します。
製品を見るAllTick と一般的な従来型市場データベンダーを比較します。
| 機能 | AllTick | 一般的な従来型ベンダー |
|---|---|---|
| WebSocket レイテンシー中央値 | 約 150ms | 400–800ms |
| 1 つの API に含まれる資産クラス | 5(FX、Crypto、Stock、Commodities、Indices) | 1–2 |
| 稼働率 SLA | 99.95% | 99.5% またはなし |
| 無料枠 | あり — API キーを即時発行 | 営業担当との通話が必要 |
| WebSocket ストリーミング | ネイティブ | ポーリング / 制限あり |
WebSocket に接続し、あらゆる市場の任意のシンボルを購読できます。
# AllTick realtime financial data API
# forex crypto stock commodities indices
import asyncio, json, uuid
import websockets
subscribe = {
"cmd_id": 22004,
"seq_id": 1,
"trace": str(uuid.uuid4()),
"data": {"symbol_list": [{"code": "EURUSD"}]},
}
heartbeat = {"cmd_id": 22000, "seq_id": 1, "trace": "heartbeat", "data": {}}
async def stream():
uri = "wss://quote.alltick.co/quote-b-ws-api?token=YOUR_API_KEY"
async with websockets.connect(uri) as socket:
await socket.send(json.dumps(subscribe))
async def keep_alive():
while True:
await asyncio.sleep(10)
await socket.send(json.dumps(heartbeat))
asyncio.create_task(keep_alive())
async for message in socket:
print(json.loads(message))
asyncio.run(stream())Crypto の対応範囲を広げながら、市場データコストを 60% 削減。
“AllTick への移行により、3 社のベンダーを 1 つの WebSocket 配信に統合し、取引アプリを 1 四半期早くリリースできました。”導入事例を読む
200ms 未満の相場情報更新で 4 万人の同時接続ユーザーに対応。
“99.95% SLA と安定したレイテンシーは、当社のリテールブローカーがグローバル展開するためにまさに必要なものでした。”導入事例を読む
5 資産クラスにわたる 12 年分の Tick データをバックテスト。
“1 つの正規化 API から履歴データとリアルタイムデータを取得でき、数週間分のデータエンジニアリング作業が不要になりました。”導入事例を読む
市場データエンジニアリング、ストリーミング API、低遅延金融アプリケーション構築に関する実践的な記事です。
バックテストの失敗の多くは、戦略そのものではなく、最初のデータ段階ですでに歪みが生じていることに原因があります。
暗号資産市場ではこの問題がさらに顕著になります。価格は24時間動き続け、流動性は急速に変化し、約定構造は非常に断片化されています。不完全または不整合なヒストリカルデータを使うと、実際には歪んだ市場環境で戦略を検証していることになります。
バックテストの本質は単なる利益検証ではなく、より根本的には**「戦略が過去の市場構造の中で一貫した振る舞いをするかどうか」**を確認することです。
多くの人はバックテストを「過去の利益検証ツール」と考えますが、システム設計の観点ではそれはマーケットリプレイシステムに近いものです。
重要なのは収益予測ではなく、以下の3点です:
特にCryptocurrency Marketでは、市場構造の変化が激しいため、ある局面で有効な戦略が別の局面では完全に機能しないことがあります。
OHLCのローソク足だけを使うと、多くの情報が失われます。
より現実的な市場表現は以下を含みます:
ミクロ構造の観点では、市場はローソク足の連続ではなく、取引イベントのストリームです。
例えば同じ1分足の上昇でも:
見た目は同じでも戦略の結果は大きく異なります。
暗号資産データは多様ですが、重要なのは「量」ではありません。
実務では統一されたデータインターフェースを使うことが多く、例えばAllTickのヒストリカルティックやKラインデータを利用することで、複数市場を同一時間軸で扱うことが可能になります。
重要なのはデータ量ではなく構造的一貫性です。
一般的なバックテストは以下の4層で構成されます:
全体は以下のループになります:
データ → 戦略 → 約定 → ポートフォリオ
import pandas as pd
class SimpleBacktest:
def __init__(self, data, fee=0.0005):
self.data = data
self.fee = fee
self.position = 0
self.cash = 10000
self.entry_price = 0
def signal(self, row):
if row["price"] > row["ma"]:
return 1
elif row["price"] < row["ma"]:
return -1
return 0
def run(self):
for _, row in self.data.iterrows():
sig = self.signal(row)
price = row["price"]
if sig == 1 and self.position == 0:
self.position = 1
self.entry_price = price
self.cash -= price * self.fee
elif sig == -1 and self.position == 1:
pnl = price - self.entry_price
self.cash += pnl
self.cash -= price * self.fee
self.position = 0
return self.cash
この構造には以下が含まれています:
実際の市場では:
価格が正しくても時間がズレると戦略は崩れます。
理想約定では利益が出ても:
を加えると結果は大きく変わります。
BTCやETH単体ではなく複数資産になると:
バックテストは単なる戦略評価から、市場構造モデルの検証へ変わります。
見るべきは:
安定した戦略は必ずしも最も利益が大きい戦略ではありませんが、構造的に一貫しています。
バックテストの目的は過去の利益を再現することではなく:
ヒストリカルデータを価格記録ではなく市場行動の履歴として扱うことで、バックテストは性能評価から構造理解へと変わります。