Forex API
为 50+ 个主要、次要及异国货币对提供 Tick 级报价。
通过一个 WebSocket 和 REST API 传输 Tick 级 Forex、Crypto、Stock、Commodity 和 Index 数据。几秒钟即可获取免费密钥——无需销售沟通。
| 代码 | 资产类别 | 价格 | 实时变动 |
|---|---|---|---|
| EUR/USD 外汇欧元 / 美元 | 外汇 | - | - |
| BTC/USDT 加密货币比特币 | 加密货币 | - | - |
| ETH/USDT 加密货币以太坊 | 加密货币 | - | - |
| AAPL 股票苹果公司 | 股票 | - | - |
| XAU/USD 大宗商品现货黄金 | 大宗商品 | - | - |
| USD/JPY 外汇美元 / 日元 | 外汇 | - | - |
| NVDA 股票英伟达公司 | 股票 | - | - |
| SPX 指数标普 500 指数 | 指数 | - | - |
AllTick 覆盖的每个市场都可通过同一个统一的 REST 和 WebSocket 接口访问。
为 50+ 个主要、次要及异国货币对提供 Tick 级报价。
实时现货和衍生品数据,标准化为一个数据流。
覆盖美股、港股和 A 股市场的股票,提供成交和报价。
贵金属和能源的实时定价。
主要全球指数的基准指数值和成分股。
比较 AllTick 各个市场的覆盖范围、延迟和数据类型。
浏览产品AllTick 与典型传统行情数据供应商的对比。
| 能力 | AllTick | 典型传统供应商 |
|---|---|---|
| WebSocket 中位延迟 | 约 150ms | 400–800ms |
| 一个 API 中的资产类别 | 5(FX、Crypto、Stock、Commodities、Indices) | 1–2 |
| 可用性 SLA | 99.95% | 99.5% 或无 |
| 免费等级 | 有——即时 API 密钥 | 需要销售沟通 |
| WebSocket 流 | 原生支持 | 轮询 / 有限支持 |
通过 WebSocket 连接并订阅任何市场中的任意交易品种。
# 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())分享市场数据工程、流式 API 与低延迟金融应用开发的实用内容。

在当今的金融市场中,数据是王道。尤其是高频数据,在金融交易和市场分析中扮演着越来越重要的角色。但是,对于大多数…
在当今的金融市场中,数据是王道。尤其是高频数据,在金融交易和市场分析中扮演着越来越重要的角色。但是,对于大多数量化交易者,尤其是初学者来说,高频数据的应用还停留在简单的算法交易和回溯测试上。但高频数据还有很多高阶的使用方法,利用高频数据,交易者和分析师可以准确地捕捉市场的即时波动,预测短期内的市场趋势。例如,通过分析短时间内股票价格的波动,可以做出更快速和更精确的交易决策。今天介绍的是量化交易里常用的NIG和VG模型,这两个模型都是基于对高频数据的分析,去预测未来的价格路径。
正态逆高斯(NIG)模型是一种用来描述金融资产价格波动的统计模型,特别是在高频金融数据领域。它属于一类更广泛的统计模型,被称为“指数Lévy模型”。这些模型提供了一种方式来建模金融资产价格的跳跃行为,这种跳跃行为指的是价格在非常短的时间内发生的剧烈变动。正态逆高斯模型因其能够捕捉金融资产返回的尖峰厚尾分布而受到重视,这是指金融资产的价格变动比正态分布预测的要极端和频繁。
正态逆高斯(NIG)模型的公式是描述金融资产价格对数变化的一个数学表达。这个模型可以被表示为一个随机过程,其增量由以下方程定义:
\begin{equation}
\label{eq:sedov}
Xt=σW(τ(t))+θτ(t)+bt
\end{equation}
在这个公式中:
Xt表示时间t时的对数价格。
σ 表示价格变动的标准差,控制模型的波动性。
W(τ(t)) 是一个随机时间或“随机时钟” 下的布朗运动(或称Wiener过程),这里τ(t)是一个独立的随机过程,通常服从逆高斯分布。
θ和b是线性趋势项,其中θ影响对数回报的倾斜(偏度),而b是对数价格的漂移项或趋势项。
τ(t)是一个逆高斯次级过程,其特征是该模型与标准布朗运动模型(如Black-Scholes模型)的主要区别。
正态逆高斯(NIG)模型在模拟和分析高频金融数据中的使用,主要是通过拟合和评估资产价格的日内变动来实现的。这种模型可以有效地捕捉到金融资产价格在高频率采样下的统计特性,例如日内数据的偏度和峰度。以下是这种方法的分析步骤:
方差伽玛(Variance Gamma,简称VG)模型是一种用于金融数学中模拟资产价格变动的统计模型。它主要被用来更准确地描述资产回报的统计行为,特别是那些不符合正常波动模式的极端情况。
方差伽玛模型是在经典的布朗运动(即随机游走模型,如普通股票价格模型)的基础上发展而来的,用于捕捉价格变动中的跳跃和尖峰。与传统的布朗运动模型相比,VG模型引入了额外的随机性,即“时间变化”或“随机时钟”,这使得模型能更好地适应实际金融数据中观察到的波动和跳跃。
VG模型通过提供对尖峰厚尾分布的建模,帮助风险管理人员评估和管理极端市场移动的风险。在金融市场中,很多复杂的金融衍生品(如期权和期货)的定价依赖于对未来价格波动的精确预测。VG模型因其能精确描述价格波动,故它也被广泛用于这些产品的定价。
方差伽玛模型的基本公式是在经典的布朗运动基础上,引入了一个独立的随机时间过程(或称为子监管过程),从而使得模型能更精确地描述金融资产价格的跳跃和极端波动。模型的一般形式可以表示为:
\begin{equation}
Xt=σW(τ(t))+θτ(t)+μt
\end{equation}
其中:
Xt表示时间t时的对数价格。
σ 是资产回报的波动性参数,决定了资产价格波动的幅度。
W(τ(t)) 表示在随机时间τ(t)下的标准布朗运动(Wiener过程)。
θ 是漂移率参数,代表资产价格的平均回报率。
μ 是线性漂移参数,代表资产价格趋势的常数部分。
τ(t)是一个独立的随机过程,通常选择为Gamma分布的随机过程,用于模拟金融市场中的交易活动或时间的随机变化。
在方差伽玛模型中,随机时间过程τ(t)的引入,使得模型能够模拟资产价格在短时间内的剧烈波动,这是普通布朗运动模型所无法做到的。此外,这个模型在实际应用中通常会根据具体的金融数据来调整和估计参数,以达到最佳的拟合效果。
以下是利用VG模型来处理高频数据的应用步骤:
AllTick提供的高频数据API可以让您轻松接入丰富的市场数据资源。我们的数据涵盖外汇、港股CFD、美股CFD、商品和加密货币等领域的行情数据接口。这些接口专为交易所、开发者、量化团队、金融科技公司和专业机构设计。它们适用于所有主要客户端的开发语言,并提供完整的接口文档。我们也提供免费试用,方便做各种接入测试。
如果您对我们的产品感兴趣,请联系我们的客服Telegram。