利用 get_full_tick 分析盘口买卖价差 (Bid-Ask Spread)

在 QMT (Quantitative Trading Platform) 中，获取实时盘口买卖价差 (Bid-Ask Spread) 的最直接方法是使用 ContextInfo.get_full_tick() 接口。

该接口可以获取指定标的的最新分笔数据（Tick Data），其中包含了买一价（Bid1）和卖一价（Ask1）。

核心逻辑

1. 获取 Tick 数据：调用 ContextInfo.get_full_tick(code_list) 获取最新的盘口快照。
2. 提取价格：从返回的数据字典中提取 askPrice（卖价列表）和 bidPrice（买价列表）。列表的第 0 位即为卖一价和买一价。
3. 计算价差：
   • 绝对价差 (Spread) = 卖一价 - 买一价
   • 相对价差 (Spread Ratio) = (卖一价 - 买一价) / 中间价 * 100% （可选，用于衡量流动性成本比例）

QMT 策略代码示例

以下是一个完整的 Python 策略示例，展示如何在 handlebar 周期内实时计算并打印当前主图品种的买卖价差。

# -*- coding: gbk -*-

def init(ContextInfo):
    # 设置示例股票池，这里以贵州茅台为例
    # 实际运行时会根据界面选择的品种或此处设置的 universe 运行
    ContextInfo.set_universe(['600519.SH'])
    
    # 设置账号（如果需要交易）
    # ContextInfo.set_account('您的资金账号')

def handlebar(ContextInfo):
    # 获取当前主图的股票代码
    current_stock = ContextInfo.stockcode + '.' + ContextInfo.market
    
    # 1. 获取最新分笔数据 (Tick Data)
    # get_full_tick 返回一个字典，key是股票代码，value是数据字典
    tick_data_map = ContextInfo.get_full_tick([current_stock])
    
    # 检查是否成功获取数据
    if current_stock in tick_data_map:
        tick_data = tick_data_map[current_stock]
        
        # 2. 提取盘口价格
        # askPrice 和 bidPrice 是列表，包含五档或十档行情
        # 索引 0 对应 卖一 和 买一
        ask_prices = tick_data.get('askPrice', [])
        bid_prices = tick_data.get('bidPrice', [])
        
        # 确保数据有效（防止列表为空，例如跌停或涨停时可能一边为空）
        if len(ask_prices) > 0 and len(bid_prices) > 0:
            ask_1 = ask_prices[0] # 卖一价
            bid_1 = bid_prices[0] # 买一价
            
            # 过滤无效价格（如0）
            if ask_1 > 0 and bid_1 > 0:
                # 3. 计算买卖价差
                spread = ask_1 - bid_1
                
                # 计算相对价差 (Spread %)
                mid_price = (ask_1 + bid_1) / 2
                spread_ratio = (spread / mid_price) * 100
                
                # 打印结果
                print(f"代码: {current_stock}")
                print(f"时间: {tick_data.get('timetag')}") # 注意：这里通常不需要转换，仅作展示
                print(f"卖一价: {ask_1}, 买一价: {bid_1}")
                print(f"绝对价差 (Spread): {spread:.2f}")
                print(f"相对价差 (Spread %): {spread_ratio:.4f}%")
                print("-" * 30)
            else:
                print(f"{current_stock} 价格数据异常 (可能为0)")
        else:
            # 处理涨跌停板情况（可能只有买单或只有卖单）
            if len(ask_prices) == 0 and len(bid_prices) > 0:
                print(f"{current_stock} 当前可能涨停 (无卖单)")
            elif len(bid_prices) == 0 and len(ask_prices) > 0:
                print(f"{current_stock} 当前可能跌停 (无买单)")
    else:
        print(f"未获取到 {current_stock} 的 Tick 数据")

代码解析

1. ContextInfo.get_full_tick([code]):

   • 这是获取实时盘口最关键的函数。它不需要像 get_market_data 那样指定复杂的参数，专门用于获取最新的 Level-1 或 Level-2 快照。
   • 返回的数据结构中，askPrice 和 bidPrice 是列表。对于普通 Level-1 行情，列表长度通常为 5；对于 Level-2 行情，长度可能为 10。

2. 异常处理:

   • 在计算价差前，必须判断 ask_prices 和 bid_prices 是否为空。
   • 涨停板：此时可能没有卖单（askPrice 为空或价格为 0），无法计算常规价差。
   • 跌停板：此时可能没有买单（bidPrice 为空或价格为 0）。

3. 运行模式:

   • 此代码需要在实盘模式（“运行”按钮）下才能看到实时的 Tick 变化。
   • 如果在回测模式下，get_full_tick 可能会返回回测时间点对应的快照（取决于数据精度），但通常用于实盘高频监控。

常见问题 (Q&A)

Q: get_full_tick 和 get_market_data 有什么区别？
A: get_full_tick 专门用于获取当前时刻的最新盘口快照（Tick），返回的是字典结构，包含买卖五档/十档，速度快且使用方便。get_market_data 更通用，可以获取历史序列数据（如过去 100 个 tick 或 K 线），返回的是 Pandas DataFrame 或 Series，处理起来相对重一些。计算实时盘口价差推荐使用 get_full_tick。

Q: 为什么计算出的 Spread 有时是负数？
A: 在正常的连续竞价交易中，卖一价永远大于买一价，Spread 应为正数。如果出现负数，可能是数据源异常、使用了错误的市场代码（如套利合约），或者在极端的市场交叉盘瞬间（极少见）。最常见的情况是代码逻辑错误，例如将 bid - ask 算反了。

Q: 如何在盘口价差超过特定阈值时触发交易？
A: 您可以在 handlebar 中加入逻辑判断。例如：

if spread_ratio < 0.05: # 如果价差小于 0.05%，认为流动性好，适合交易
    passorder(...) # 执行下单函数

Q: 这个接口支持期货和期权吗？
A: 支持。get_full_tick 适用于股票、期货、期权等所有 QMT 支持的品种。对于期货，Spread 通常是一个最小变动价位（Tick Size）；对于期权，Spread 是衡量流动性的重要指标。