使用真实逐笔数据回测
获取多年时间戳一致的 Tick 级历史数据，使回测条件与实盘执行一致。
为系统化策略提供干净的 Tick 历史数据与低延迟实时流。
一个数据流，五类市场
通过同一数据结构交易外汇、加密货币、股票、大宗商品和指数，无需为每家供应商编写适配器。
低于 150ms 的实时推送
原生 WebSocket 交付让日内和更高频模型的信号到订单延迟保持在较低水平。
核心技术规格与资产覆盖
通过统一数据结构覆盖系统化交易者用于研究、回测和生产运行的标的与历史数据。
| 资产类别 | 覆盖范围 | 历史数据深度 | 交付机制 |
|---|---|---|---|
| 外汇 | 150+ 货币对，包含 G10、新兴市场货币及贵金属交叉盘 | 10年+ 逐笔 Tick 级历史数据 | REST / WebSocket 流式推送 |
| 加密货币 | 1000+ 现货及永续合约交易对，聚合全球主流交易所流 | 5年+ 完整订单簿历史 | 毫秒级增量更新 |
| 美股/全球股票 | 覆盖美股（NYSE、NASDAQ）、港股等主流市场股票与 ETF | 逐笔交易及 L1/L2 数据 | 实时不间断流，覆盖盘前盘后 |
| 商品与指数 | 布伦特原油、黄金、白银、标普500、纳指100等国际主流标的 | 核心指数成分股高频变动历史 | 经归一化处理的统一字段格式 |
量化交易全生命周期支持
从清洗后的研究数据，到生产执行和实时风控，一条市场数据连接贯穿完整交易流程。
α 策略研发与因子挖掘
利用 AllTick 经过严格清洗、剔除坏点的逐笔 Tick 数据，更精准地构建动量、微观结构、订单流阻力等高频 α 因子，减少数据噪音导致的幸存者偏差。
高仿真策略回测
历史 Tick 数据具备全球统一的 UTC 时间戳，可接入 Python、Pandas/NumPy、C++、Go 等主流框架，让回测撮合引擎还原滑点和市场冲击成本。
实时生产环境执行
亚 150 毫秒的 WebSocket 实时流专为日内统计套利、做市商策略和 CTA 策略设计，帮助您在信号触发时完成订单执行，锁定微弱价差机会。
风控与实时盘口监控
通过一条连接同时监控多资产类别的盘口深度与波动率，动态计算 VaR 和保证金要求，降低非农数据发布或加密货币剧烈波动时的爆仓风险。
量化开发人员友好：多语言代码示例
从实时 WebSocket 订阅或 REST 历史数据请求开始，再将统一数据结构接入您的量化研究栈。
# AllTick — Real-time Financial Market Data API
# Real-time Forex, Stocks, Crypto, Commodities and Indices market data
import json
import os
import threading
import time
import uuid
import websocket
# 在普通市场网关订阅黄金和比特币。
def on_open(ws):
ws.send(json.dumps({
"cmd_id": 22004,
"seq_id": 1,
"trace": str(uuid.uuid4()),
"data": {"symbol_list": [{"code": "XAUUSD"}, {"code": "BTCUSDT"}]},
}))
def keep_alive():
while ws.sock and ws.sock.connected:
time.sleep(10)
ws.send(json.dumps({"cmd_id": 22000, "seq_id": 2, "trace": "heartbeat", "data": {}}))
threading.Thread(target=keep_alive, daemon=True).start()
def on_message(_ws, message):
print(json.loads(message))
if __name__ == "__main__":
token = os.environ["ALLTICK_API_TOKEN"]
socket = websocket.WebSocketApp(
f"wss://quote.alltick.co/quote-b-ws-api?token={token}",
on_open=on_open,
on_message=on_message,
)
socket.run_forever()常见问题