股票数据接口选不好 你的量化策略从一开始就输了
做股票量化交易，策略逻辑写得再漂亮，数据接口拉胯，回测收益全是幻觉。很多人花了三个月调参，实盘一跑就亏，根子不在模型，在数据。选接口这件事，跟选券商开户一样，不是看谁名气大，是看你的策略吃哪口饭。
先搞清楚你的策略到底需要什么频率的数据
日线级别的策略，比如双均线轮动、基本面因子选股，对数据频率要求不高。每天收盘后拉一次全市场日线复权数据，几秒钟的事。这种需求，免费接口完全扛得住。新浪财经、腾讯证券的公开接口，写个爬虫定时抓，一分钱不花。问题在于稳定性和字段完整度，免费接口说停就停，复权因子偶尔算错，你拿这种数据回测，等于用假钞练点钞。
分钟级策略，比如日内动量、开盘区间突破，需要1分钟或5分钟K线。免费源基本没戏，延迟大、丢包多。这时候要看商业接口，聚宽、米筐、优矿这些量化平台自带数据服务，按年付费，几千到几万不等。它们的优势是数据清洗过，停牌、除权、涨跌停标记都帮你处理好，省掉大量脏活。
Tick级和盘口数据，做高频、做套利、做订单流分析的，只有两条路。一条是买Level-2行情，通过券商或第三方数据商，每年成本五位数起步。另一条是走期货公司CTP接口，商品期货的Tick数据相对便宜，股指期货受限但也能拿到。股票Tick数据贵得离谱，散户别碰，机构都得掂量掂量。
实时行情延迟是隐形杀手
很多接口宣传“实时”，实际延迟三到五秒。日线策略无所谓，分钟策略勉强能用，Tick策略直接判死刑。判断延迟不能看广告词，要自己测。写个脚本，记录本地时间戳和接口返回数据里的时间戳，跑一天，看差值分布。延迟稳定在1秒以内算及格，超过3秒的，做日内就是给市场送钱。
期货CTP接口的延迟通常在毫秒级，因为走的是专线。股票这边，券商柜台接口比公开HTTP接口快一个数量级。你要是做股指期货和股票之间的套利，两边数据源延迟差超过500毫秒，价差早就被吃光了。
历史数据的坑比实时数据还多
回测用到的历史数据，三个地方最容易出问题。复权处理，前复权还是后复权，除权除息日怎么调整，不同接口商算法不一样。你用一个接口回测，换另一个接口实盘，信号对不上，哭都来不及。停牌和涨跌停标记，有些接口只给价格不给状态，你的策略会在停牌股上反复下单，回测曲线漂亮，实盘根本成交不了。幸存者偏差，退市股票的数据很多接口不提供，你的回测只覆盖活到今天的票，收益率虚高一大截。
选接口时，拿几只已知退市股和长期停牌股去测，看能不能拉到完整数据。拉不到的直接淘汰。
API调用成本和限流规则要算细账
免费接口通常限流，比如每分钟60次，每天5000次。全市场股票5000多只，拉一遍日线就超了。你得写分批调度，加缓存，折腾半天。商业接口按调用次数或按年收费，差别很大。
按量计费的，要估算策略每天消耗多少次调用。一个多因子选股策略，每天拉全市场财务数据加行情数据，轻松上万次。按年付费的量化平台，很多是包月不限量，但底层有QPS限制，并发请求太多照样被掐。
期货CTP接口本身免费，但需要期货公司开通权限，有的公司要求日均权益达标。股票这边，券商柜台接口通常只对机构或高净值客户开放。
数据质量和文档质量决定开发效率
接口文档写得像天书，字段命名混乱，错误码不统一，你光调试接口就能耗掉一半开发时间。好的接口商，文档里有可直接运行的示例代码，Python、C++、Java都有，字段含义清清楚楚，错误码有对照表。
数据质量方面，拿同一只股票同一天的分钟线，跟主流行情软件对照，看开盘价、最高价、最低价、收盘价、成交量能不能对上。对不上的，直接拉黑。
不同阶段选不同方案
个人散户做日线策略，先用免费接口跑通逻辑，确认策略有效再考虑升级。别一上来就买几万块的数据服务，策略没验证之前，那钱就是打水漂。
小团队做分钟级策略，选一家量化平台年付，省心省力。数据清洗、复权处理、回测框架都打包好了，你专注策略本身。
机构做Tick级和高频，自建数据管道，从交易所或一级数据商拿原始数据，自己清洗存储。成本高，但可控。
期货量化相对简单，CTP接口统一标准，数据质量各家期货公司差别不大，选个手续费低、通道稳定的就行。
选股票数据接口，核心就一句话：你的策略吃什么频率的数据，你就花什么级别的钱。别为用不上的Tick数据买单，也别拿免费日线数据去跑日内策略。数据是量化的地基，地基歪了，楼越高塌得越狠。
