Forex API
メジャー、マイナー、エキゾチックを含む 50+ の通貨ペアに Tick レベルの相場情報を提供します。
1 つの WebSocket・REST API で、Tick レベルの Forex、Crypto、Stock、Commodity、Index データを配信します。営業担当との通話なしで、数秒で無料キーを取得できます。
| シンボル | 資産クラス | 価格 | 直近変動 |
|---|---|---|---|
| EUR/USD 外国為替ユーロ / 米ドル | 外国為替 | - | - |
| BTC/USDT 暗号資産ビットコイン | 暗号資産 | - | - |
| ETH/USDT 暗号資産イーサリアム | 暗号資産 | - | - |
| AAPL 株式Apple Inc. | 株式 | - | - |
| XAU/USD コモディティ金スポット | コモディティ | - | - |
| USD/JPY 外国為替米ドル / 円 | 外国為替 | - | - |
| NVDA 株式NVIDIA Corp. | 株式 | - | - |
| SPX 指数S&P 500 指数 | 指数 | - | - |
AllTick がカバーするすべての市場を、同じ統一 REST と WebSocket インターフェースから利用できます。
メジャー、マイナー、エキゾチックを含む 50+ の通貨ペアに Tick レベルの相場情報を提供します。
リアルタイムの現物・デリバティブデータを、1 つの配信に正規化します。
米国、香港、中国本土市場の株式について、約定と相場情報を提供します。
貴金属とエネルギーのリアルタイム価格を提供します。
主要なグローバル指数のベンチマーク値と構成銘柄を提供します。
AllTick の各市場について、対応範囲、レイテンシー、データ種別を比較します。
製品を見るAllTick と一般的な従来型市場データベンダーを比較します。
| 機能 | AllTick | 一般的な従来型ベンダー |
|---|---|---|
| WebSocket レイテンシー中央値 | 約 150ms | 400–800ms |
| 1 つの API に含まれる資産クラス | 5(FX、Crypto、Stock、Commodities、Indices) | 1–2 |
| 稼働率 SLA | 99.95% | 99.5% またはなし |
| 無料枠 | あり — API キーを即時発行 | 営業担当との通話が必要 |
| WebSocket ストリーミング | ネイティブ | ポーリング / 制限あり |
WebSocket に接続し、あらゆる市場の任意のシンボルを購読できます。
# AllTick realtime financial data API
# forex crypto stock commodities indices
import asyncio, json, uuid
import websockets
subscribe = {
"cmd_id": 22004,
"seq_id": 1,
"trace": str(uuid.uuid4()),
"data": {"symbol_list": [{"code": "EURUSD"}]},
}
heartbeat = {"cmd_id": 22000, "seq_id": 1, "trace": "heartbeat", "data": {}}
async def stream():
uri = "wss://quote.alltick.co/quote-b-ws-api?token=YOUR_API_KEY"
async with websockets.connect(uri) as socket:
await socket.send(json.dumps(subscribe))
async def keep_alive():
while True:
await asyncio.sleep(10)
await socket.send(json.dumps(heartbeat))
asyncio.create_task(keep_alive())
async for message in socket:
print(json.loads(message))
asyncio.run(stream())Crypto の対応範囲を広げながら、市場データコストを 60% 削減。
“AllTick への移行により、3 社のベンダーを 1 つの WebSocket 配信に統合し、取引アプリを 1 四半期早くリリースできました。”導入事例を読む
200ms 未満の相場情報更新で 4 万人の同時接続ユーザーに対応。
“99.95% SLA と安定したレイテンシーは、当社のリテールブローカーがグローバル展開するためにまさに必要なものでした。”導入事例を読む
5 資産クラスにわたる 12 年分の Tick データをバックテスト。
“1 つの正規化 API から履歴データとリアルタイムデータを取得でき、数週間分のデータエンジニアリング作業が不要になりました。”導入事例を読む
市場データエンジニアリング、ストリーミング API、低遅延金融アプリケーション構築に関する実践的な記事です。
ボリンジャーバンド戦略は、1980年代初頭にジョン・ボリンジャーによって開発されました。これは、資産の価格レベルとボラティリティを評価するために使用される非常に人気のあるテクニカル分析ツールです。ボリンジャーバンドは、3本の線で構成されており、中央の線はn期間の移動平均(通常は20日間の単純移動平均)で、上部バンドと下部バンドは通常、中央の線の上と下で2つの標準偏差に設定されます。
取引シグナル
ボラティリティの変化
バンドの幅の変化は、市場のボラティリティの変化を反映しています。バンドが広がるとボラティリティが増加し、バンドが狭まるとボラティリティが減少していることを示します。
ボリンジャーバンド戦略を使用する際、投資家はバックテストを行い、自分の取引スタイルに最適なパラメーター設定を決定するべきです。また、広範な市場環境を観察し、他のテクニカル指標からのシグナルを考慮して、誤ったシグナルを避け、エントリーとエグジットポイントを最適化することが重要です。
import java.util.List;
public class BollingerBandsStrategy {
public static void main(String[] args) {
List<Double> prices =
int windowSize = 20;
double numStdDeviations = 2.0;
double upperBand;
double lowerBand;
for (int i = windowSize; i < prices.size(); i++) {
List<Double> window = prices.subList(i - windowSize, i);
double mean = calculateMean(window);
double stdDev = calculateStandardDeviation(window, mean);
upperBand = mean + numStdDeviations * stdDev;
lowerBand = mean - numStdDeviations * stdDev;
double currentPrice = prices.get(i);
if (currentPrice > upperBand) {
} else if (currentPrice < lowerBand) {
}
}
}
private static double calculateMean(List<Double> values) {
double sum = 0.0;
for (double value : values) {
sum += value;
}
return sum / values.size();
}
private static double calculateStandardDeviation(List<Double> values, double mean) {
double sumSquaredDiff = 0.0;
for (double value : values) {
double diff = value - mean;
sumSquaredDiff += diff * diff;
}
double variance = sumSquaredDiff / values.size();
return Math.sqrt(variance);
}
}
import numpy as np
import pandas as pd
def bollinger_bands_strategy(prices, window_size=20, num_std_deviations=2):
df = pd.DataFrame(prices, columns=['Close'])
df['Mean'] = df['Close'].rolling(window=window_size).mean()
df['Std'] = df['Close'].rolling(window=window_size).std()
df['UpperBand'] = df['Mean'] + num_std_deviations * df['Std']
df['LowerBand'] = df['Mean'] - num_std_deviations * df['Std']
df['Signal'] = 0
df.loc[df['Close'] > df['UpperBand'], 'Signal'] = -1
df.loc[df['Close'] < df['LowerBand'], 'Signal'] = 1
df['Position'] = df['Signal'].diff()
return df
prices = [10.2, 11.4, 10.8, 12.1, 11.7, 10.9, 12.5, 11.8, 12.6, 13.2]
result = bollinger_bands_strategy(prices)
print(result)