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
1 つの API とスキーマから、整備・正規化された履歴データとリアルタイムデータを取得し、数週間分のデータエンジニアリング作業を削減できます。
すべての資産クラスが同じフィールドを共有し、ノートブックとパイプラインを市場横断で再利用できます。
複数ベンダーを結合せずに 12+ 年のティックとバーをバックテスト・研究できます。
決定的なタイムスタンプと安定した識別子により、結果を容易に再現・共有できます。
| 研究分野 | データ粒度と履歴 | 研究テーマ例 |
|---|---|---|
| マーケットマイクロストラクチャー | 主要な世界の外国為替(150 超の通貨ペア)、コモディティ、暗号資産について、L1/L2 板情報に対応した 12 年超の生ティックデータ。 | 注文フロー不均衡、流動性枯渇、高頻度指値注文板モデリング。 |
| 資産価格形成とクオンツファクター | 米国株や香港株などの主要な世界株式と主要デリバティブ指数について、複数周期の始値・高値・安値・終値・出来高と出来高加重平均価格を提供。 | モメンタム効果、多因子モデル、クロスアセットのリスクプレミアム研究。 |
| 行動ファイナンスとボラティリティ | 世界の 1,000 超の現物・無期限契約ペアについて、秒単位の変動履歴と急激な出来高変動の記録を集約。 | 暗号資産市場における極端事象の共振、市場心理の急変、テールリスク。 |
| マクロ経済と市場間波及 | 金、銀、ブレント原油などの中核商品と主要な世界株価指数の長期時系列。 | インフレ期待の伝播メカニズムと、商品先物のマクロ経済政策に対するリアルタイム応答特性。 |
これまで実証金融研究では、異なる取引所やデータベンダーからデータを購入、ダウンロード、クレンジングするために数週間から数か月を要することがありました。AllTick はその障壁を取り除きます。市場横断の統一スキーマにより、複雑な国際・マルチアセットデータを統一フィールドと協定世界時タイムスタンプを持つ標準形式へ正規化し、研究者が計量経済学モデルの導出と論文執筆に集中できるようにします。
学術界では研究成果の再現性が厳格に求められます。AllTick の履歴時系列はミリ秒単位の高精度な決定的タイムスタンプを備え、不正データ、スパイク、取引所伝送遅延による偏りを除外しています。同じコードと AllTick API を使用すれば、査読者やチームメンバーも完全に同一の実証結果を再現できます。
Jupyter Notebook で Pandas や NumPy を使う分析、R による複雑な GARCH ボラティリティモデル、MATLAB による行列演算のいずれでも、AllTick の標準 REST API なら数行のコードで大規模データセットを非同期に取得できます。
私たちは学術研究と研究室予算の特性を理解しています。AllTick は大学教員、博士課程学生、金融研究室向けに費用対効果の高い学術支援プログラムを提供し、チームや研究グループ内でクレンジング済み研究サンプルを共有できる柔軟なライセンスにより、論文発表を加速します。
シナリオ:履歴ローソク足データを一度に取得し、時系列回帰分析を行う Python の例。
import pandas as pd
import requests
def load_research_dataset(symbol, start_date, end_date):
"""
AllTick の履歴金融時系列データを、学術標準の Pandas DataFrame として読み込む。
"""
api_key = "YOUR_RESEARCH_API_KEY"
url = f"https://alltick.co"
params = {
"symbol": symbol,
"resolution": "60", # 日中の計量分析に適した 1 時間足(1H)
"start_time": start_date,
"end_time": end_date,
"key": api_key
}
response = requests.get(url, params=params)
data = response.json()
# ローソク足データを抽出し、DataFrame に変換する
df = pd.DataFrame(data['candles'])
df['timestamp'] = pd.to_datetime(df['timestamp'], unit='s')
df.set_index('timestamp', inplace=True)
return df
if __name__ == "__main__":
print("BTCUSD と金(XAUUSD)の履歴クロスマーケット研究サンプルを取得中...")
# クリーンな研究用時系列を自動で読み込む
df_crypto = load_research_dataset("BTCUSD", "1740000000", "1740500000")
# データは完全に整列済みで、.describe()、.plot()、多変量回帰を直ちに実行できる
print(df_crypto.head())