蜗牛之路

一、利用Iqunt
（一）运用策略
1.确认并下载 1 分钟历史数据（必须！）
在 iQuant 客户端 操作 → 数据管理 中：
品种：000001.SZ
周期：1分钟
时间范围：覆盖 2024-01-01 至 2024-01-10
点击下载，等待完成。

2.运行策略
导出的文件在D:\iquant_data\

#encoding:gbk

import pandas as pd
import os

def init(ContextInfo):
    # ====== 配置参数 ======
    ContextInfo.stock_code = '000001.SZ'      # 股票代码
    ContextInfo.start_date = '20250101'       # 开始日期 yyyymmdd
    ContextInfo.end_date   = '20260110'       # 结束日期 yyyymmdd
    ContextInfo.output_dir = r'D:\iquant_data' # 输出目录
    ContextInfo.export_done = False

def after_init(ContextInfo):
    if ContextInfo.export_done:
        return
    ContextInfo.export_done = True

    stock = ContextInfo.stock_code
    start = ContextInfo.start_date
    end   = ContextInfo.end_date

    print(f"开始下载 {stock} 从 {start} 到 {end} 的1分钟K线数据...")
    stock_name = ContextInfo.get_stock_name(stock)
    print(f"股票名称: {stock_name}")

    data_dict = ContextInfo.get_market_data_ex(
        fields=['open', 'high', 'low', 'close', 'volume', 'amount'],
        stock_code=[stock],
        period='1m',
        start_time=start,
        end_time=end,
        count=-1,
        dividend_type='front',
        fill_data=False,
        subscribe=False
    )

    df = data_dict.get(stock)
    if df is None or df.empty:
        print("未获取到任何数据，请检查日期范围或数据是否已下载。")
        return

    print(f"共获取 {len(df)} 条数据")
    df = df.copy()
    df.reset_index(inplace=True)

    time_col = 'stime' if 'stime' in df.columns else 'time'
    if time_col not in df.columns:
        print("错误：未找到时间列")
        return

    # ---------- 时间转换 ----------
    time_str = df[time_col].astype(str)
    sample = time_str.iloc[0] if len(time_str) > 0 else ''

    if sample.isdigit() and len(sample) == 14:
        df['datetime'] = pd.to_datetime(time_str, format='%Y%m%d%H%M%S', errors='coerce')
    elif sample.isdigit() and len(sample) == 8:
        df['datetime'] = pd.to_datetime(time_str, format='%Y%m%d', errors='coerce')
    else:
        df[time_col] = pd.to_numeric(df[time_col], errors='coerce')
        df = df[df[time_col] > 0]
        df['datetime'] = pd.to_datetime(df[time_col], unit='ms', errors='coerce')

    df = df.dropna(subset=['datetime'])
    print(f"有效数据行数: {len(df)}")

    if len(df) == 0:
        print("时间转换后无有效数据，请检查数据")
        return

    # 检查数据实际起止日期
    actual_start = df['datetime'].min().strftime('%Y-%m-%d')
    actual_end   = df['datetime'].max().strftime('%Y-%m-%d')
    print(f"实际数据范围: {actual_start} 至 {actual_end}")

    if actual_start > start:
        print(f"警告：本地数据最早只到 {actual_start}，请补充 {start} 至 {actual_start} 的历史数据")

    # ---------- 格式化输出 ----------
    # 日期和时间分别格式化为 yyyy-mm-dd 和 HH:MM:SS 字符串
    df['日期'] = df['datetime'].dt.strftime('%Y-%m-%d')
    df['时间'] = df['datetime'].dt.strftime('%H:%M:%S')

    # 价格字段保留2位小数
    for col in ['open', 'high', 'low', 'close']:
        if col in df.columns:
            df[col] = df[col].round(2)

    # 成交额一般也保留2位小数（可选）
    if 'amount' in df.columns:
        df.rename(columns={'amount': '成交额'}, inplace=True)
        df['成交额'] = df['成交额'].round(2)
    else:
        df['成交额'] = 0.0

    df['股票代码'] = stock
    df['股票名称'] = stock_name

    columns_order = ['日期', '时间', '股票代码', '股票名称',
                     'open', 'high', 'low', 'close', 'volume', '成交额']
    existing_cols = 
    df = df[existing_cols]

    # 保存 CSV（注意：strftime 输出的已经是格式化字符串，所以不会自动变回日期对象）
    if not os.path.exists(ContextInfo.output_dir):
        os.makedirs(ContextInfo.output_dir)

    file_name = stock.replace('.', '_') + '.csv'
    file_path = os.path.join(ContextInfo.output_dir, file_name)
    df.to_csv(file_path, index=False, encoding='gbk')
    print(f"数据已保存至: {file_path}")
    print("\n数据预览:")
    print(df.head())

def handlebar(ContextInfo):
    pass

3.核对数据无误

二、通达信导出：

选择标的（螺纹钢主连）-> 选择K线级别（1分钟）-> 导出为txt或excel[reference:0]

按代码：34或者在菜单中选择：

2.使用iquant