Forex API
为 50+ 个主要、次要及异国货币对提供 Tick 级报价。
通过一个 WebSocket 和 REST API 传输 Tick 级 Forex、Crypto、Stock、Commodity 和 Index 数据。几秒钟即可获取免费密钥——无需销售沟通。
| 代码 | 资产类别 | 价格 | 实时变动 |
|---|---|---|---|
| EUR/USD 外汇欧元 / 美元 | 外汇 | - | - |
| BTC/USDT 加密货币比特币 | 加密货币 | - | - |
| ETH/USDT 加密货币以太坊 | 加密货币 | - | - |
| AAPL 股票苹果公司 | 股票 | - | - |
| XAU/USD 大宗商品现货黄金 | 大宗商品 | - | - |
| USD/JPY 外汇美元 / 日元 | 外汇 | - | - |
| NVDA 股票英伟达公司 | 股票 | - | - |
| SPX 指数标普 500 指数 | 指数 | - | - |
AllTick 覆盖的每个市场都可通过同一个统一的 REST 和 WebSocket 接口访问。
为 50+ 个主要、次要及异国货币对提供 Tick 级报价。
实时现货和衍生品数据,标准化为一个数据流。
覆盖美股、港股和 A 股市场的股票,提供成交和报价。
贵金属和能源的实时定价。
主要全球指数的基准指数值和成分股。
比较 AllTick 各个市场的覆盖范围、延迟和数据类型。
浏览产品AllTick 与典型传统行情数据供应商的对比。
| 能力 | AllTick | 典型传统供应商 |
|---|---|---|
| WebSocket 中位延迟 | 约 150ms | 400–800ms |
| 一个 API 中的资产类别 | 5(FX、Crypto、Stock、Commodities、Indices) | 1–2 |
| 可用性 SLA | 99.95% | 99.5% 或无 |
| 免费等级 | 有——即时 API 密钥 | 需要销售沟通 |
| WebSocket 流 | 原生支持 | 轮询 / 有限支持 |
通过 WebSocket 连接并订阅任何市场中的任意交易品种。
# 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())分享市场数据工程、流式 API 与低延迟金融应用开发的实用内容。

在量化交易或外汇工具开发中,仅获取实时汇率远远不够。开发者往往需要高频数据来进行策略回测、风险分析或可视化监控…
在量化交易或外汇工具开发中,仅获取实时汇率远远不够。开发者往往需要高频数据来进行策略回测、风险分析或可视化监控。本文以 Python 为例,展示如何接入 AllTick API 获取高频外汇行情,并实现 K 线可视化和简单策略回测。
pip install requests pandas matplotlib mplfinance
确保已注册 AllTick API 并获取 API Key。
下面示例展示如何获取 EUR/USD 的高频 Tick 数据:
import requests
import pandas as pd
API_URL = “https://api.alltick.com/forex/tick”
API_KEY = “your_api_key_here”
params = {
“symbol”: “EURUSD”,
“interval”: “1s”, # 每秒一个 tick
“limit”: 500, # 获取最近 500 条数据
“apikey”: API_KEY
}
resp = requests.get(API_URL, params=params)
data = resp.json()
df = pd.DataFrame(data)
df[‘timestamp’] = pd.to_datetime(df[‘timestamp’])
print(df.head())
通过 interval 参数,可以获取不同频率的数据,便于高频策略回测或实时监控。
将高频 Tick 数据转换为 K 线:
import mplfinance as mpf
# 将 Tick 数据按分钟聚合为 OHLC
df_ohlc = df.resample(‘1T’, on=’timestamp’).agg({ ‘price’: [‘first’, ‘max’, ‘min’, ‘last’], ‘volume’: ‘sum’})df_ohlc.columns = [‘Open’, ‘High’, ‘Low’, ‘Close’, ‘Volume’]mpf.plot(df_ohlc, type=’candle’, volume=True, style=’yahoo’, title=’EUR/USD 分钟K线’)
以均线交叉为例,实现简单的交易信号回测:
df_ohlc[‘MA5’] = df_ohlc[‘Close’].rolling(5).mean()
df_ohlc[‘MA20’] = df_ohlc[‘Close’].rolling(20).mean()
# 生成交易信号
df_ohlc[‘signal’] = 0
df_ohlc.loc[df_ohlc[‘MA5’] > df_ohlc[‘MA20’], ‘signal’] = 1 # 买入信号
df_ohlc.loc[df_ohlc[‘MA5’] < df_ohlc[‘MA20’], ‘signal’] = -1 # 卖出信号
print(df_ohlc[[‘Close’, ‘MA5’, ‘MA20’, ‘signal’]].tail())
开发者可以同时监控多个货币对:
symbols = [‘EURUSD’, ‘GBPUSD’, ‘USDJPY’]
dfs = []
for s in symbols:
params[‘symbol’] = s
resp = requests.get(API_URL, params=params).json()
dfs.append(pd.DataFrame(resp))
all_data = pd.concat(dfs)
all_data[‘timestamp’] = pd.to_datetime(all_data[‘timestamp’])
print(all_data.head())
通过这一流程,开发者可以从高频 Tick 数据到 K 线可视化,再到策略回测,全流程快速实践,利用 AllTick API 高效获取可靠数据,支撑量化交易和外汇工具开发。