关于合肥的网站好山东淄博网站建设的公司

股票行情区别

交易所出来的数据，不管通过什么渠道，延时一般都不会差太远，估计一般也就几十ms的差别。

但是如果是通过http轮询，不太可能几十ms全部轮询一次。所以，做量化的话，用http协议是最次的选择。

能找到的数据提供商，对照着大智慧的行情测试，大部分挂着websocket名头的数据源，数据速度也都是http轮询级别的，只不过换成推送的方式而已。

level2行情

level1行情3秒一刷新，大部分所谓提供websocket基础行情的数据源，速度落后一般券商至少1秒，那跟轮询也差不多了。

要想策略足够灵敏，数据源速度是很重要的。至少大家用相同级别的数据，你的反应速度要排在前边，同质化策略不至于跑输大部队。

如果是level2级别的行情，大批量订阅，接收处理能力是个坎。所以我一般用level1数据做筛选，每天触发几十个票再订阅level2，还是能处理得过来的。

websocket行情接入代码

贴个python源码，其他语言可以参考官方文档 行情交易接口用户文档:

#!python3
# -*- coding:utf-8 -*-
import time
import websocket
import zlib# 发送订阅
def on_open(ws):ws.send("all=lv2_600519,lv1_000001")# 接收推送
def on_message(ws, message, type, flag):# 命令返回文本消息if type == websocket.ABNF.OPCODE_TEXT:print(time.strftime('%H:%M:%S', time.localtime(time.time())), "Text响应:", message)# 行情推送压缩二进制消息，在此解压缩if type == websocket.ABNF.OPCODE_BINARY:rb = zlib.decompress(message, -zlib.MAX_WBITS)print(time.strftime('%H:%M:%S', time.localtime(time.time())), "Binary响应:", rb.decode("utf-8"))def on_error(ws, error):print(error)def on_close(ws, code, msg):print(time.strftime('%H:%M:%S', time.localtime(time.time())), "连接已断开")wsUrl = "ws://<服务器地址>?token=<jvQuant token>"
ws = websocket.WebSocketApp(wsUrl,on_open=on_open,on_data=on_message,on_error=on_error,on_close=on_close)
ws.run_forever()