年后第一更，解决粉丝朋友遇到的小问题。
痛点：QMT下载数据为什么让人抓狂？
用过miniQMT的朋友肯定遇到过这几个场景：
- 下载全市场K线，跑了一夜发现中途断连，白干
- 财务数据下了半天，回测时发现缺这缺那（约数据源问题）
- 想增量更新，结果API不按套路出牌，重复下载几小时
- 各种同功能函数中选哪个？数据下载莫名卡死，哪出问题不知道。出问题不知道哪只股票失败，排查靠猜
这些问题我都踩过。后来实在受不了，自己写了一套多进程+增量下载的脚本，现在全市场数据从一天压缩到10分钟，每天自动跑，稳如老狗。
核心解法：多进程分组 + 增量更新
直接上干货，只讲关键的代码片段，帮助 大家快速上手。
1. 全市场股票列表的正确获取
client = xtdata.get_client()
client.down_all_sector_data() # 必须先下载板块元数据
stock_list = xtdata.get_stock_list_in_sector('沪深A股')
很多人忘了down_all_sector_data()，导致列表为空。这一步是前置依赖，必须执行。
2. 分组多进程，并行下载
size = 500
stock_groups = [stock_list[i:i+size] for i in range(0, len(stock_list), size)]
process_list = []
for group in stock_groups:
p = Process(target=download_stock_group, args=(group, '1d'))
p.start()
process_list.append(p)
每组500只，实测平衡了效率和稳定性。每个子进程独立下载，互不干扰。
3. 子进程核心：财务+K线增量更新
def download_stock_group(stock_group, period='1d'):
# 财务数据一次性传入列表，效率最高
xtdata.download_financial_data2(stock_group, table_list=[], start_time='', end_time='', callback=None)
for stock_code in stock_group:
# 关键参数 incrementally=True 实现增量下载
xtdata.download_history_data(stock_code, period=period,
start_time='19900101', incrementally=True)
财务数据：用download_financial_data2批量下载，比循环单只快几十倍。table_list=[]表示下载所有表，start_time和end_time留空自动更新最新。
K线数据：incrementally=True会自动对比本地已有数据，只下载缺失部分。配合start_time='19900101'确保从最早开始，但实际只会补新数据。
4. 日志监控，失败一目了然
脚本配置了完善的日志，记录每只股票的下载状态和耗时：
2025-02-18 10:23:45 [Process-3] 下载成功: 000001.SZ
2025-02-18 10:23:46 [Process-3] 下载失败: 000002.SZ - 网络超时（假设）
我从没遇到过，如果你遇到，这样你就能精准重跑失败个股，不用全量再来。
实测效果
沪深A股约5000只，K线全量下载：
提速约60倍以上，节约您宝贵的时间（生命）。
使用注意
- 确保miniQMT已登录，
xtdata版本最新 - 网络带宽足够，电脑配置高，可增加线程数，每组数量可同步减少，以更快速度完成下载。
- 下载函数不要替换，或遇莫名卡死，这是qmt的老坑。增量更新或依赖本地文件时间戳，勿手动修改数据文件
这套脚本我已经用了半年，每天自动更新，再没出过问题。数据是量化的根基，把这个脏活自动化，才能专注策略。
🎁 源码获取
想获取完整脚本（含异常重试、断点续传、日志轮转等增强功能）？请关注下方公众号，后台回复“miniqmt数据下载”，即可获得可直接运行的源码文件。
公众号：[量化学习实战笔记]
[[传送🚪](https://mp.weixin.qq.com/s/L7cHEVeA-GufvroiNS7hpA)]
关键词：miniqmt数据下载
下期预告：基于miniqmt市场宽度全景图（含大、小盘、搅屎棍指数）
免责声明：本账号所有量化策略和量化技术仅作技术交流和量化思路分享，不构成任何投资建议，据此操作风险自负，本人不承担任何直接或间接责任。
