tgw——金融数据api

zhanggao2014 zhanggao2014 墨衍会员 · AI 创作全网分发 墨衍智能分发 通过墨衍一键同步至各平台 可同步平台 CSDN微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年,写一次发全网 我也要 + 加入社区

https://github.com/tgw2023/tgw

1.简介

1)中国银河证券格物机构金融服务平台提供集数据接入、推送、查询、计算和分析为一体的投研数据解决方案,为机构和高净值个人用户提供市场前沿、可靠、全面、极速的金融数据api服务。

(2)支持Python和C++两种编程语言

(3)支持Windows和linux两种操作系统

(4)支持的数据包括:

  • 实时推送K线数据(1/3/5/10/15/30/60/120分钟线)
  • Level1快照历史数据
  • K线历史数据(日/周/月/季年线、1/3/5/10/15/30/60/120分钟线)
  • 实时推送快照衍生指标数据
  • 实时推送加工因子数据
  • 证券个股基本信息查询
  • 证券代码表信息查询
  • 复权因子表信息查询
  • 加工因子历史数据
  • 金融资讯数据查询(财务数据、股东数据、龙虎榜数据等常用股票研究数据)
  • 实时推送Level1现货快照数据
  • 实时推送指数快照数据
  • 实时推送期权快照数据
  • 实时推送期货快照数据
  • 实时推送港股通快照数据
  • 实时推送盘后定价交易快照数据
  • 实时推送中证指数快照数据
  • 实时推送深交所国证指数快照数据
  • 实时推送港股通实时额度数据
  • 实时推送港股通产品状态快照数据
  • 港股市场波动调节机制(VCM)推送数据

    2.Python 库安装

    (1)使用pypi库安装
    pip install tgw
    (2)使用wheel文件安装
    下载wheel文件后 pip install tgw-***.whl

    3.Python api调用的主要代码demo

    # -*- coding: utf-8 -*-
    from tgw import tgw
    import time
    
    def Init():
        cfg = tgw.Cfg()
    
        # 服务器地址配置
        cfg.server_vip = "10.4.**.**"
        cfg.server_port = 9**0
        # 用户登录账号配置
        cfg.username = "z***"  # 账号
        cfg.password = "zd******"  # 密码
        # 运行模式配置
        api_mode = tgw.ApiMode.kColocationMode # 设置api模式 托管机房模式
        # api_mode = tgw.ApiMode.kInternetMode  # 设置api模式 互联网模式
        if (api_mode == tgw.ApiMode.kColocationMode):
            cfg.coloca_cfg.channel_mode = tgw.ColocatChannelMode.kQTCP  # tcp查询模式
            cfg.coloca_cfg.qtcp_channel_thread = 2
            cfg.coloca_cfg.qtcp_max_req_cnt = 1000
    
        # 初始化返回错误码,完成登录验证、运行模式设置、传实例到订阅方法三个功能
        error_code = tgw.IGMDApi_Init(spi, cfg, api_mode)
        # 如初始化失败,退出流程
        if error_code != tgw.ErrorCode.kSuccess:
            print("Init TGW failed")
            tgw.IGMDApi_Release()
            exit(-1)
    
    if __name__ == "__main__":
        # ---------订阅spi实例---------
        spi = IAMDSpiApp()
    
        # ---------查询spi实例---------
        # k线查询spi实例
        spi_kline = IQueryKlineSpi()
        # 快照查询spi实例
        spi_snap = IQuerySnapshotSpi()
        # 逐笔委托查询spi实例
        spi_tick_order = IQueryTickOrderSpi()
        # 逐笔成交spi实例
        spi_tick_exec = IQueryTickExecutionSpi()
        # 委托队列spi实例
        spi_order_queue = IQueryOrderQueueSpi()
        # 代码表查询spi实例
        spi_code_table = IQueryCodeTableSpi()
        # 证券代码信息查询spi实例
        spi_secur_info = IQuerySecuritiesInfoSpi()
        # 复权因子表信息查询spi实例
        spi_ex_factor = IQueryExFactorSpi()
        # 加工因子查询spi实例
        spi_factor = IQueryFactorSpi()
        # 资讯数据查询spi实例
        spi_third_info = IQueryThirdInfoSpi()
    
        # ---------回放spi实例---------
        spi_replay = IReplayApp()
    
        Init()
    
        time.sleep(2)
        # 修改密码
        HandleUpdatePassword()
        # 订阅接口
        DealSub()
        # 查询接口
        DealQuery()
        # 回放接口
        DealReplay()
    
     

    4.权限开通

    (1)试用权限开通,可登录官网自助注册
    官网: tgw官网介绍


    (2)正式权限开通请咨询中国银河证券营业部

     

    5.联系方式

    格物(tgw)官方联系联系邮箱:
    yhgwjgszhtyfw@chinastock.com.cn

...全文

相关推荐

我的友情链接

51CTO博客开发 转载于:https://blog.51cto.com/5373706/2028830

weixin_34208185

MuleSoft+LLM企业级AI编排实战:构建可审计、可治理、可生产的智能集成系统

AI编排(AI Orchestration)是大语言模型(LLM)从实验走向企业生产的核心范式,其本质是通过标准化流程调度、弹性治理、上下文管理与语义路由,解决LLM固有的非确定性、延迟波动、token敏感及审计缺失等工程化瓶颈。区别于简单API调用,真正的AI编排需深度耦合企业服务总线(ESB)能力,实现协议适配、PII脱敏、调用链追踪与合规日志留存。MuleSoft凭借原生连接器生态、可视化低代码编排与开箱即用的治理策略,成为金融、制造、医药等强监管行业落地LLM的关键底座。本文聚焦可投产的AI编排架构

weixin_30522183

【信息科学与工程学】计算机科学与自动化——第三百零五篇 数据中心 Scale-Up、Scale-Out、Scale-Across 100

密码法》《商用密码管理条例》《网络安全法》《数据安全法》《国家政务信息化项目建设管理办法》;《网络安全法》《数据安全法》《个人信息保护法》《反恐怖主义法》《反有组织犯罪法》;反洗钱可疑交易规则判定。《个人信息保护法》《网络安全法》《数据安全法》《反不正当竞争法》《生成式人工智能服务管理暂行办法》;《中国共产党纪律处分条例》《党内监督条例》《巡视工作条例》《审计法》《公职人员政务处分法》《反腐败/反有组织犯罪相关》《档案法》《电子签名法》《会计法》(原始凭证数字化要求)、《网络安全法》;

flyair_China

【信息科学与工程学】【通信工程】第二百四十篇 IPv4/IPv6 功能点、特性和算法及 IPv4→IPv6 迁移特性02

说明:按「纯数学 → 数学物理 → 多物理场 → 界面/表面科学耦合 + 数学化学 + 运动科学(0.01 nm → μm → mm → cm 精度及超长运动)」纵向穿透,每一行给出,最后挂。

flyair_China

沐曦C500+CubeStudio大模型全流程实操指南

GPU加速是大模型开发与部署的核心基础设施,其可用性取决于硬件驱动、CUDA兼容层、训练框架适配及推理服务编排的全链路协同。沐曦GPU作为国产算力代表,需通过真实Linux环境下的驱动加载、mx-cuda-runtime ABI对齐、FSDP分布式训练优化及TGI推理引擎集成等关键技术环节,验证其在开发、训练、推理、网关四阶段的工程落地能力。尤其在显存管理严格、PCIe带宽敏感、监控闭环要求高的生产场景中,沐曦曦云C500展现出低功耗波动与高稳定性优势,成为金融量化、高校科研与AI创业团队可信赖的国产替代方

weixin_33834075
评论
收藏 已收藏
分享
返回顶部