标准化 Schema
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。
用于可复现市场研究的单一标准化数据集。
历史深度
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。
可复现管道
确定性的时间戳和稳定标识符让结果易于复现与共享。
科研级多资产数据规格
| 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。 |
为什么金融科研人员与实验室选择 AllTick？
告别繁琐的数据工程，专注理论创新
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。
确定性时间戳，确保论文结果完美复现
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。
无缝对接科研技术栈，即开即用
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。
专属学术优惠与灵活分发授权
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。
科研人员专用：Jupyter Notebook 数据导入示例
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）
# AllTick — Real-time Financial Market Data API
# Real-time Forex, Stocks, Crypto, Commodities and Indices market data
import json
import os
import pandas as pd
import requests
def load_research_dataset(symbol, query_count=100, end_timestamp=0):
"""将 AllTick 股票日 K 线加载为使用 UTC 索引的 Pandas DataFrame。"""
query = {
"trace": "research_daily_kline",
"data": {
"code": symbol,
"kline_type": 8, # 日 K 线
"kline_timestamp_end": end_timestamp, # 0 表示从最新 K 线开始查询
"query_kline_num": query_count, # 单次最多查询 500 根
"adjust_type": 0,
},
}
response = requests.get(
"https://quote.alltick.co/quote-stock-b-api/kline",
params={
"token": os.environ["ALLTICK_API_TOKEN"],
"query": json.dumps(query, separators=(",", ":")),
},
timeout=15,
)
response.raise_for_status()
payload = response.json()
if payload.get("ret") != 200:
raise RuntimeError(payload.get("msg", "AllTick K 线请求失败"))
frame = pd.DataFrame(payload["data"]["kline_list"]).rename(
columns={
"open_price": "open",
"close_price": "close",
"high_price": "high",
"low_price": "low",
}
)
numeric_columns = ["open", "close", "high", "low", "volume", "turnover"]
frame[numeric_columns] = frame[numeric_columns].apply(pd.to_numeric)
frame["timestamp"] = pd.to_datetime(pd.to_numeric(frame["timestamp"]), unit="s", utc=True)
return frame.set_index("timestamp").sort_index()
if __name__ == "__main__":
daily_candles = load_research_dataset("AAPL.US")
print(daily_candles.tail())常见问题