JoinQuant 聚宽可以在日内（如9:35）获取当天的资金流数据吗？

核心解答

不可以。 在 JoinQuant（聚宽）平台上，您无法直接通过 API 获取当日日内（如 9:35）的实时资金流向数据。

根据聚宽 API 文档的说明，get_money_flow 函数存在以下严格限制：

1. 数据频率为天：该接口提供的数据频率仅为“天”级别，不提供分钟级或 Tick 级别的资金流拆分。
2. 防未来函数限制：在回测和模拟交易中，为了避免引入未来函数，get_money_flow 无法获取当前逻辑时间所在的那一天的数据。也就是说，在当天的交易时段内，您只能获取到昨天及以前的资金流数据。

替代方案：通过 Tick 数据自行估算日内资金流

如果您必须在日内（如 9:35）获取类似资金流的数据，唯一的替代方案是订阅或拉取 Tick 数据，然后根据每笔 Tick 的成交额（money）差值，自行定义和计算“大单”、“中单”、“小单”的流入流出情况。

实现思路

1. 使用 get_ticks 获取开盘到当前时间（如 9:30:00 到 9:35:00）的 Tick 序列。
2. 计算相邻两个 Tick 之间的成交额差值（即该笔 Tick 的实际成交金额）。
3. 根据成交金额的大小（例如：单笔 > 100万 视为超大单，20万-100万 视为大单）进行分类。
4. 结合价格变化（Tick 的 current 价格对比上一个 Tick）判断是主动买入（资金流入）还是主动卖出（资金流出）。

Python 代码示例

以下是一个在 9:35 定时运行，通过拉取 Tick 数据来估算当日开盘前 5 分钟资金流的示例代码：

import jqdata
import pandas as pd

def initialize(context):
    set_benchmark('000300.XSHG')
    set_option('use_real_price', True)
    g.security = '000002.XSHE' # 万科A
    
    # 每天 9:35 定时运行
    run_daily(calculate_intraday_money_flow, time='09:35')

def calculate_intraday_money_flow(context):
    # 获取当天的日期字符串
    today_str = context.current_dt.strftime('%Y-%m-%d')
    start_time = today_str + ' 09:30:00'
    end_time = today_str + ' 09:35:00'
    
    # 获取开盘前5分钟的 Tick 数据
    # 注意：get_ticks 返回的是 numpy.ndarray，设置 df=True 返回 DataFrame
    ticks_df = get_ticks(g.security, start_dt=start_time, end_dt=end_time, df=True)
    
    if ticks_df is None or ticks_df.empty:
        log.info("未获取到 Tick 数据")
        return
        
    # 计算每笔 Tick 的新增成交额和新增成交量
    # ticks_df['money'] 是累计成交额，需差分得到单笔成交额
    ticks_df['tick_money'] = ticks_df['money'].diff().fillna(ticks_df['money'].iloc[0])
    ticks_df['price_change'] = ticks_df['current'].diff().fillna(0)
    
    # 简单定义：单笔成交额 >= 100万 为大单
    large_order_threshold = 1000000 
    
    # 估算资金流入流出（简单以价格上涨视为流入，下跌视为流出）
    # 实际更精确的做法是对比买一卖一价，但此处做简化演示
    inflow_mask = ticks_df['price_change'] > 0
    outflow_mask = ticks_df['price_change'] < 0
    
    # 计算大单流入流出
    large_inflow = ticks_df[(ticks_df['tick_money'] >= large_order_threshold) & inflow_mask]['tick_money'].sum()
    large_outflow = ticks_df[(ticks_df['tick_money'] >= large_order_threshold) & outflow_mask]['tick_money'].sum()
    
    # 计算净流入
    net_large_inflow = large_inflow - large_outflow
    
    log.info(f"[{context.current_dt}] {g.security} 开盘5分钟大单流入: {large_inflow/10000:.2f}万, 大单流出: {large_outflow/10000:.2f}万, 净流入: {net_large_inflow/10000:.2f}万")

注意事项

1. Tick 数据的局限性：聚宽的股票 Tick 数据是 3 秒一次的快照（Snapshot），并非真实的逐笔交易（Level-2 逐笔还原）。因此，两个 Tick 之间的差值可能包含多笔真实的交易，这种估算方法只能作为近似参考，无法做到 100% 精确的资金流拆分。
2. 性能消耗：在回测中大量拉取和处理 Tick 数据会显著降低回测速度，建议仅在关键时间点（如早盘、尾盘）进行拉取分析。