量化开发实战手册·第1篇：数据源选型指南——如何为你的策略找到最合适的行情接口？

这是《量化开发实战手册》系列的第一篇文章。在这个系列里，我会从产品经理的视角，和你一起拆解量化开发中的核心环节：数据接入、回测框架、实盘架构、监控运维……每一篇聚焦一个点，写深写透，不讲废话。

引言：免费午餐时代真的结束了

“我进入这个领域3年了，我得说IBKR拥有我见过最糟糕的文档。”

这是Reddit上一位量化开发者2025年的吐槽，底下88条评论纷纷表示“深有同感”。但比文档更可怕的，是数据源本身的坑：

“EODHD的美国数据极度不准确。我说的不仅仅是一点点偏差，而是10倍到100倍的错误。你会发现股票某天暴跌99%，第二天又暴涨1000%。”

这不是孤例。从IEX Cloud的关闭，到Alpaca被吐槽的加密货币API“在ETHUSD和ETH/USD之间反复横跳”，再到Yahoo Finance的频繁断服——依赖单一源做策略的日子，正在成为过去式。

数据源选型，不再只是“哪个便宜用哪个”的简单决策，而是关乎策略生存的核心基建。选对了，策略跑得稳；选错了，轻则回测失真，重则实盘翻车。

今天，我从产品经理的视角，和你聊聊如何为自己的策略找到最合适的行情接口。我会先给你一张完整的选型框架表，然后逐一拆解每个维度的真实案例和踩坑经验。

一、一张表看懂数据源选型框架

二、主流数据源速览（先看表格，再读细节）

三、五大维度深度拆解（附真实案例）

1. 数据覆盖面：别被“全球覆盖”忽悠了

很多数据源宣传“全球覆盖”，但实际只覆盖主要交易所的头部标的。如果你做小众市场（如东南亚股市）或特定品种（如期货期权），一定要在试用期就验证。

真实案例：某用户想同时交易A股和越南股票，发现某数据源虽然支持A股，但越南市场的日线数据经常延迟2-3天。等他跑完回测准备实盘时，才发现这个坑，白白浪费了一个月。

选型建议：

• 单一市场（如A股）：优先国内源（Tushare、聚宽、Wind）
• 跨市场（A股+港股+美股）：考虑统一接口的源（如TickDB）
• 全球多资产：IBKR是保底选项，但要做好API复杂度准备
• 小市场验证：在试用期就测试你最冷门的那个标的，别假设它能用

2. 数据质量：10倍到100倍的错误是回测杀手

数据质量问题在回测阶段不易察觉，但一上实盘就会暴露。EODHD的案例触目惊心：

“完全错误的数据（例如本应是3.64，却显示为0.364，第二天又恢复到3.xx）。你会发现股票某天暴跌99%，第二天又暴涨1000%。”

这种“幽灵峰值”会被策略误判为交易信号，导致回测曲线“看着很美”，实盘直接腰斩。

选型建议：

• 基本面策略：优先Tiingo、Quandl（社区公认数据整洁）
• 高频策略：需要原始Tick数据，考虑Databento、Polygon、TickDB
• 回测严谨性：至少用多个源交叉验证，避免EODHD式的灾难

3. API易用性：文档的“坑”比你想的深

好的API让你一天上手，差的API让你一周都在调bug。IBKR是公认的反面教材：

“我进入这个领域3年了，我得说IBKR拥有我见过最糟糕的文档。”

“很多人使用第三方API（如Polygon）获取数据，仅仅是为了避开TWS网关的技术头痛。”

更坑的是那些设计不一致的API。Alpaca的用户吐槽：

“它的加密货币API是一个巨大的烂摊子：缺乏功能一致性（不能做空、没有OCO订单、没有止损单）。在ETHUSD和ETH/USD之间反复横跳，有时API只支持其中一种格式。”

选型建议：

• 优先选有Python SDK的源，且SDK要有活跃的社区维护
• 测试跨资产一致性：同时测试股票和加密货币API，看结构是否统一
• 关注批量查询能力：Intrinio的教训——不支持多标的价格查询，盘后获取100个收盘价需要100次调用

我的个人标准：如果一个API让我半小时内跑通第一个ticker请求，且错误码解释清楚，我就愿意为它付费。

4. 价格与性价比：算清真实成本

价格不只是月费多少，还要算几笔账：

• 免费版够用吗？Alpaca免费档10k/min看起来很慷慨，但数据密度低，只含5家交易所。
• 按量计费的话，预估用量是多少？Databento用户提醒：OPRA期权数据按量计费，账单可能飞速暴涨。
• 有没有隐藏成本？EODHD虽然便宜，但清洗数据的工时成本可能远超订阅费。

真实案例：某初创团队选了EODHD做数据源，回测曲线完美，实盘却频频异常。排查两周发现是数据错误，最后不得不重写所有代码切换数据源，损失远超省下的订阅费。

选型建议：

• 先用免费版验证策略逻辑，但要知道免费版的限制（如数据密度、延迟）
• 按量计费的源，先跑小规模测试估算成本
• 数据质量成本：把潜在的数据清洗工时算入总成本

5. 稳定性与支持：实盘时才知道它有多重要

2024年10月，Polygon发生严重延迟回退，从65ms飙升至250ms，持续了数小时。依赖它做实盘的高频策略出现3倍标准差的回撤——一天亏掉了三个月的利润。

教训：永远不要依赖单一源。资深量化人采用“双数据源策略”（Two-Feed Architecture）——一个主源，一个备用源，自动切换。

真实案例：某量化私募同时订阅Polygon和TickDB，主源用Polygon，备用源用TickDB。那次Polygon故障时，系统自动切到TickDB，虽然延迟也有波动，但没崩盘。事后复盘，CTO说：“那几千块的备用源预算，救了上百万的损失。”

选型建议：

• 机构用户：要求供应商提供SLA承诺（99.9% uptime）
• 个人用户：至少看社区反馈——故障多吗？响应快吗？
• 自己测试：写个脚本连续请求一周，统计P95/P99延迟，不同时间段（开盘/收盘/非交易时间）分别测

四、根据你的场景做选择

五、选型中的五大陷阱（踩过才懂的教训）

1. 幸存者偏差：你的回测数据可能“作弊”

用当前成分股回测历史，就像用活着的士兵统计战场存活率——结果必然虚高。那些退市的、ST的股票早就不在样本里了。

解法：用历史成分股快照，或选提供“点时间数据”的源。如果预算不够，至少要知道这个偏差存在，回测夏普减半再减半。

2. 免费源的隐性成本

IEX Cloud关停不是孤例。免费源随时可能：突然关停、限速、数据出错、延迟变15分钟。Alpaca的免费数据密度低，加密货币API还“反复横跳”。

解法：把免费源当“试用版”，策略跑通后立刻找付费替代。

3. 文档陷阱：跑不通的示例代码

IBKR的文档被喷“反人类”，Intrinio不支持批量查询——这些坑在文档里根本看不出来，只有写了代码才发现。

解法：付费前先用试用期跑一遍文档里的所有示例，任何一个跑不通就pass。

4. 跨资产一致性陷阱

Alpaca的股票API很优雅，但加密货币API是“巨大的烂摊子”。同一平台的不同资产API割裂，开发成本可能翻倍。

解法：测试时务必同时测试所有你需要的资产类型，看API结构是否统一，Ticker命名是否规范。

5. 数据质量陷阱

EODHD的“10倍到100倍错误”不是个例。低价数据源往往用牺牲质量换价格，回测时发现不了，实盘时才发现亏大了。

解法：用多个源交叉验证，特别是检查异常值（如单日暴涨暴跌1000%）。

六、结语：没有完美数据源，只有最合适的

数据源选型没有标准答案，它是一个随着你策略演进不断调整的过程。

我自己的演进路径：

• 第一年：用免费源（Yahoo、Alpaca免费层）跑通策略，踩过“ETHUSD/ETH/USD”的坑
• 第二年：换Tiingo做回测，Polygon做模拟盘
• 第三年：上实盘后，主源用Polygon，备份用TickDB
• 现在：机构级，IBKR+Databento+自建数据湖

给新手的建议：
如果你刚开始接触量化，先别急着付费。用Tiingo跑通策略，理解数据格式、API调用、回测流程，等策略有盈利苗头了，再考虑升级到更高频、更低延迟的源。

给跨市场开发者的建议：
如果你需要同时监控A股、港股、美股，甚至还要带上加密货币，一定要关注数据源的跨资产一致性。一套统一规范的API能搞定的事，别拆成四五套来维护——更别踩“ETHUSD和ETH/USD反复横跳”的坑。像TickDB这类专为亚洲开发者优化的服务，提供了统一命名规范、低延迟节点，现在还有30天高阶专业免费试用，值得花半小时亲自试试。

给所有人的建议：

• 先小步快跑：用免费版验证策略逻辑，但要知道免费版的限制
• 再升级关键环节：当策略开始盈利，逐步替换不稳定的部分
• 永远准备Plan B：保持两个数据源，自动切换脚本要写好
• 亲自测试：别信测评，自己写脚本连续请求一周，统计P95/P99延迟

最后，无论你选哪个数据源，记住一句话：数据源是你策略的根基，根基不稳，地动山摇。

💡 架构师笔记：如何测试TickDB的批量查询性能？

importtimeimportstatisticsimportrequestsimportosfromconcurrent.futuresimportThreadPoolExecutor,as_completed API_KEY=os.environ.get('TICKDB_API_KEY')headers={'X-API-Key':API_KEY}base_url='https://api.tickdb.ai/v1/market/ticker'# 模拟盘后获取100个标的的收盘价symbols_list=['700.HK','AAPL.US','TSLA.US','BTCUSDT','XAUUSD']*20# 100个deffetch_single(symbol):start=time.time()try:response=requests.get(base_url,headers=headers,params={'symbols':symbol})latency=(time.time()-start)*1000returnlatency,response.status_codeexceptExceptionase:returnNone,str(e)deffetch_batch(symbols):start=time.time()try:response=requests.get(base_url,headers=headers,params={'symbols':','.join(symbols)})latency=(time.time()-start)*1000returnlatency,response.status_codeexceptExceptionase:returnNone,str(e)# 测试单次查询（100次调用）single_latencies=[]withThreadPoolExecutor(max_workers=10)asexecutor:futures=[executor.submit(fetch_single,sym)forsyminsymbols_list[:20]]forfutureinas_completed(futures):lat,status=future.result()iflat:single_latencies.append(lat)# 测试批量查询（1次调用）batch_latency,_=fetch_batch(symbols_list)print(f"单次查询 P50:{statistics.median(single_latencies):.2f}ms")print(f"批量查询耗时:{batch_latency:.2f}ms")print(f"性能提升:{statistics.median(single_latencies)*20/batch_latency:.1f}x")

这段代码对比了单次查询和批量查询的性能差异。你可以在30天免费试用期内，用真实的API Key跑一遍，亲自验证TickDB的批量查询能力——这正是Intrinio用户最痛的点。

本文核心观点（速读版）

• 选型六大维度：覆盖面、数据质量、API易用性、跨资产一致性、价格、稳定性
• 主流数据源评价：
  • Polygon（延迟25ms，历史Flat Files良心）
  • Databento（前HFT团队，按量付费公平）
  • IBKR（功能强，API反人类）
  • Alpaca（开发者优先，加密货币API坑）
  • Tiingo（基本面准）
  • EODHD（价格极低，数据质量灾难）
  • TickDB（亚洲开发者友好，统一接口，30天免费试用）
• 场景化推荐：个人、初创、机构、跨市场各有侧重
• 五大陷阱：幸存者偏差、免费源不稳定、文档跑不通、跨资产不一致、数据质量灾难
• 最后建议：自己测试，永远备Plan B，选适合自己阶段的数据源