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())所有资产类别共享相同字段,使 Notebook 和数据管道可跨市场复用。
无需拼接多家供应商,即可回测和研究 12+ 年逐笔与 K 线数据。
确定性的时间戳和稳定标识符让结果易于复现与共享。
| 研究领域 | 数据颗粒度与深度 | 典型研究课题 |
|---|---|---|
| 市场微观结构 | 全球主要外汇(150+ 货币对)、大宗商品及加密货币的 12年+ 逐笔 Tick 级原始数据,支持 L1/L2 盘口深度。 | 订单流失衡(OFI)、流动性枯竭、高频限价订单簿(LOB)建模。 |
| 资产定价与量化因子 | 覆盖全球主流股票(美股、港股等)及核心衍生品指数的多周期 K 线(OHLCV)与均价(VWAP)。 | 动量效应、多因子模型(Fama-French)、跨资产风险溢价研究。 |
| 行为金融与波动率 | 聚合全球 1000+ 现货及永续合约交易对的秒级变动历史与交易量剧烈波动记录。 | 加密货币市场极端事件共振、市场情绪突变与尾部风险。 |
| 宏观经济与跨市场联动 | 包含黄金、白银、布伦特原油等核心商品与全球各大股指的长期时间序列。 | 通胀预期传导机制、商品期货对宏观政策的实时响应特征。 |
在过去,金融实证研究往往需要花费数周甚至数月的时间去从不同交易所、不同供应商那里购买、下载和清洗数据。AllTick 彻底打破了这一壁垒。我们通过全市场统一的 Schema 架构,将复杂的跨国、跨资产数据统一归一化为标准的格式(统一的字段与 UTC 时间戳),让研究人员把 100% 的精力专注在计量经济学模型的推导与论文写作上。
学术界对研究成果的“可复现性”有着严苛的要求。AllTick 提供的历史时间序列具备高精度(毫秒级)的确定性时间戳,并排除了所有因坏数据、刺尖或交易所传输延迟造成的偏差。任何同行评审或团队成员使用相同的代码和 AllTick API,都能 100% 还原出完全一致的实证结果。
无论是习惯在 Jupyter Notebook 中使用 Pandas/NumPy 进行数据分析,还是依赖 R 语言进行复杂的 GARCH 波动率建模,亦或是使用 MATLAB 进行矩阵运算,AllTick 的标准 REST API 都能让你几行代码轻松完成大规模数据集的异步拉取。
我们深知学术研究与实验室预算的特殊性。AllTick 特别为高校教授、在读博士生及金融实验室提供极具性价比的学术赞助计划。我们提供灵活、无合规包袱的数据许可协议,支持团队内部或课题组之间自由共享清洗后的研究样本,加速学术论文的发表进程。
场景:一键拉取历史 K 线数据进行时间序列回归分析(Python 示例)
import pandas as pd
import requests
def load_research_dataset(symbol, start_date, end_date):
"""
一键将 AllTick 的历史金融时序数据加载为学术标准的 Pandas DataFrame
"""
api_key = "YOUR_RESEARCH_API_KEY"
url = f"https://alltick.co"
params = {
"symbol": symbol,
"resolution": "60", # 1小时(1H) K线,完美适合日内计量分析
"start_time": start_date,
"end_time": end_date,
"key": api_key
}
response = requests.get(url, params=params)
data = response.json()
# 提取 K 线数据并转换为 DataFrame
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("正在拉取 BTCUSD 和 黄金(XAUUSD) 历史交叉研究样本...")
# 自动加载干净的科研级时序序列
df_crypto = load_research_dataset("BTCUSD", "1740000000", "1740500000")
# 数据已完全对齐,直接即可调用 .describe(), .plot() 或进行多元回归
print(df_crypto.head())