iT邦幫忙

2021 iThome 鐵人賽

DAY 20
0
永豐金融APIs

深入解析 Shioaji API系列 第 20

Day 20 - 實測盤中訂閱 tick 與 bidask 資料是否有先後順序 (下)

  • 分享至 

  • xImage
  •  

本篇重點

  • Quote-Binding Mode介紹
  • 透過Quote-Binding Mode,將訂閱資料寫入Redis
  • 結論

Quote-Binding Mode介紹

官方說明文件:https://sinotrade.github.io/tutor/market_data/streaming/quote_binding/
因為在這篇,我們要訂閱tick與bidask的資料,並且將這些資料儲存起來,這時候就要用到Shioaji API中的Quote-Binding Mode。
在官方的說明文件中,Quote-Binding Mode的範例有兩種,第一種是在callback中,將quote資料存入deque中,程式說明如下:

from collections import defaultdict, deque
from shioaji import TickFOPv1, Exchange

msg_queue = defaultdict(deque) #設定要用來儲存quote資訊的msg_queue
api.set_context(msg_queue) #將msg_queue設定為quote_callback中的context

@api.on_tick_fop_v1(bind=True) #在decorator中,將bind設為True來啟用Quote-Binding Mode
def quote_callback(self, exchange:Exchange, tick:TickFOPv1): #quote_callback,參數多加一個self
    self[tick.code].append(tick) #這裡的self,其實就是剛才宣告的msg_queue,將quote的tick存入

api.quote.subscribe(
    api.Contracts.Futures.TXF['TXF202107'],
    quote_type = sj.constant.QuoteType.Tick, 
    version = sj.constant.QuoteVersion.v1
)

關於defaultdict和deque的說明,可參考Python官方說明文件
https://docs.python.org/zh-tw/3/library/collections.html
而第二個方式,就是將quote資料,存入Redis中。這次測試的資料會以這個方式先儲存在Redis中,程式範例如下:

import redis #匯入redis模組
import json #匯入json模組
from dotenv import load_dotenv
import os, threading
import shioaji as sj
from shioaji import Exchange, TickSTKv1, BidAskSTKv1

load_dotenv('D:\\python\\shioaji\\.env') #讀取.env中的環境變數
r = redis.Redis(host='localhost', port=6379, decode_responses=True) #建立一個Redis的連線

api = sj.Shioaji()
api.login(
    person_id=os.getenv('YOUR_PERSON_ID'), 
    passwd=os.getenv('YOUR_PASSWORD')
)

api.set_context(r) #將Redis的連線傳入

@api.on_tick_stk_v1(bind=True) #將bind設為True來啟用Quote-Binding Mode
def quote_callback(self, exchange: Exchange, tick:TickSTKv1):
    channel = 'Q:' + tick.code #設定channel名稱,即存入資料所使用的key值
    #將tick quote資料轉換成json並存入Redis中
    self.xadd(channel, {'tick':json.dumps(tick.to_dict(raw=True))})

@api.on_bidask_stk_v1(bind=True) #將bind設為True來啟用Quote-Binding Mode
def quote_callback(self, exchange: Exchange, bidask:BidAskSTKv1):
    channel = 'Q:' + bidask.code #設定channel名稱,即存入資料所使用的key值
    #將bidask quote資料轉換成json並存入Redis中
    self.xadd(channel, {'bidask':json.dumps(bidask.to_dict(raw=True))})

# 訂閱盤中tick資料
api.quote.subscribe(
    api.Contracts.Stocks["3008"], 
    quote_type = sj.constant.QuoteType.Tick,
    version = sj.constant.QuoteVersion.v1
)
# 訂閱盤中bidask資料
api.quote.subscribe(
    api.Contracts.Stocks["3008"], 
    quote_type = sj.constant.QuoteType.BidAsk,
    version = sj.constant.QuoteVersion.v1
)

print('Event().wait()...')
threading.Event().wait() #執行Event().wait(),防止程式未等待quote資料而直接結束

透過以上的程式,就可以訂閱盤中的tick及bidask資料,並將資料儲存至Redis中

讀取Redis中的quote,並使用Pandas將資料轉換

儲存完資料後,最花時間的大概就是取出資料這一部份。因為前面的部份,我把tick和bidask的資料都放在同一個db中,如果一開始就放在不同的db,可能就不用花太多時間。

Redis預設會建立16個db,若在建立連線時沒有指定,預設就是用第0個db做儲存
若要指定,可以在建立連線時,加上「db=n」(n為0~15)即可

import redis, json #匯入redis及json模組
import pandas as pd

r = redis.Redis(host='localhost', port=6379, decode_responses=True) #建立一個Redis的連線

# 將所有的tick資料取出來並轉換成DataFrame
tick_datas = [json.loads(x[-1]['tick']) for x in r.xread({'Q:3008':'0-0'})[0][-1] if 'tick' in x[-1].keys()]
df_tick = pd.DataFrame(tick_datas)
df_tick.to_csv('test_tick_data.csv', encoding='utf_8_sig')
# 將所有的bidask資料取出來並轉換成DataFrame
bidask_datas = [json.loads(x[-1]['bidask']) for x in r.xread({'Q:3008':'0-0'})[0][-1] if 'bidask' in x[-1].keys()]
df_bidask = pd.DataFrame(bidask_datas)
df_bidask.to_csv('test_bidask_data.csv', encoding='utf_8_sig')

df_tick['type'] = 'tick' #tick的DataFrame中,增加type欄位,並設為'tick'
df_bidask['type'] = 'bidask' #bidask的DataFrame中,增加type欄位,並設為'bidask'
df = df_tick[['code', 'datetime', 'type']] #抓df_tick中的code、datetime及type,產生新的DataFrame
df = df.append(df_bidask[['code', 'datetime', 'type']]) #將df_bidask中的code、datetime及type,append到新的DataFrame中
df = df.sort_values(by='datetime') #依照datatime欄位內容排序
df = df.reset_index(drop=True) #依照現有的資料,重新產生index編號

df.to_csv('test_result.csv', encoding='utf_8_sig')

取出資料後,我用了DataFrame.append將tick和bidask的資料取出code、datetime及type這三個欄位,並重新組成新的DataFrame,並使用sort_values依照datetime做排序。相關的文件說明請參考以下連結
https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.sort_values.html
https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.append.html

結論

在這個測試中,我是特別選3008這種成交量不高但又不算冷門的股票。可以看到,bidask資料比較多,而tick資料比較少。結論就是,tick是只有成交時才會有資料;而bidask則是只有買賣的最佳五檔有變化時,就會有資料產生,跟tick是沒有前後關係的。
https://ithelp.ithome.com.tw/upload/images/20211004/20140827sktzs3FxMC.png


上一篇
Day 19 - 實測盤中訂閱 tick 與 bidask 資料是否有先後順序 (上)
下一篇
Day 21 - Shioaji Docker 環境介紹
系列文
深入解析 Shioaji API30
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言