量化开发实战手册·第1篇：数据源选型指南——如何为你的策略找到最合适的行情接口？

这是《量化开发实战手册》系列的第一篇文章。在这个系列里，我会从产品经理的视角，和你一起拆解量化开发中的核心环节：数据接入、回测框架、实盘架构、监控运维……每一篇聚焦一个点，写深写透，不讲废话。

---

引言：免费午餐时代真的结束了

“我进入这个领域3年了，我得说IBKR拥有我见过最糟糕的文档。”

这是Reddit上一位量化开发者2025年的吐槽，底下88条评论纷纷表示“深有同感”。但比文档更可怕的，是数据源本身的坑：

“EODHD的美国数据极度不准确。我说的不仅仅是一点点偏差，而是10倍到100倍的错误。你会发现股票某天暴跌99%，第二天又暴涨1000%。”

这不是孤例。从IEX Cloud的关闭，到Alpaca被吐槽的加密货币API“在ETHUSD和ETH/USD之间反复横跳”，再到Yahoo Finance的频繁断服——依赖单一源做策略的日子，正在成为过去式。

数据源选型，不再只是“哪个便宜用哪个”的简单决策，而是关乎策略生存的核心基建。选对了，策略跑得稳；选错了，轻则回测失真，重则实盘翻车。

今天，我从产品经理的视角，和你聊聊如何为自己的策略找到最合适的行情接口。我会先给你一张完整的选型框架表，然后逐一拆解每个维度的真实案例和踩坑经验。

---

一、一张表看懂数据源选型框架

维度	核心问题	选型检查清单
数据覆盖面	你的策略需要哪些市场？	□ 单一市场（如A股）还是跨市场（A股+美股+外汇）？ □ 是否需要加密货币、期货、期权？ □ 小市场数据是否覆盖？
数据质量	你愿意为“准确性”付出多大代价？	□ 历史数据有无错误记录？有无“幽灵峰值”？ □ Tick级还是分钟级？ □ 历史能追溯到多久？
API易用性	你能在多长时间内跑通第一个策略？	□ 文档清晰吗？有可运行的示例代码吗？ □ SDK支持哪些语言？ □ 限频策略是怎样的？ □ 批量查询是否支持？
跨资产一致性	同一平台的多资产API是否统一？	□ 股票和加密货币的API结构是否一致？ □ Ticker命名是否规范？ □ 订单类型是否统一？
价格与性价比	你的钱包能支撑多久？	□ 按月订阅还是按量付费？ □ 免费版够用吗？ □ 有无隐藏成本？
稳定性与支持	你敢用它做实盘吗？	□ 历史运行时间如何？发生过大规模故障吗？ □ 有技术支持吗？社区活跃吗？

---

二、主流数据源速览（先看表格，再读细节）

数据源	一句话定位	核心优势	核心槽点	最适合人群	用户原话
Polygon.io	开发者友好、极低延迟	WebSocket中位数延迟25ms，16家交易所合并数据，历史Flat Files下载良心	实时数据订阅较贵（$199/月起），历史期权文件处理难度高	追求性能与数据质量的团队	“在价格/性能方面，你找不到比Polygon更好的历史交易和报价Flat file下载服务了。”
Databento	高频量化首选、按量付费	前HFT团队创立，L2原始颗粒度数据，计费模式公平	缺乏指数数据，OPRA期权数据账单可能暴涨	高频策略团队、机构	“如果你想要的数据他们有，那绝对是顶级的。但因为是按量付费，你绝不会想下载超过你实际需要的数据。”
IBKR	全球资产覆盖最广	数据成本极低（$5-15/月），直接市场接入，执行质量高	API“反人类”，文档极差，需依赖第三方库（如ib_async）	全球多资产交易机构	“IBKR的API非常难以理解...我使用ib_async库来简化它。”
Alpaca	开发者优先、散户最爱	API优雅，Python生态好，免费档位慷慨（10k/min）	免费版数据密度低，加密货币API糟糕，模拟盘撮合逻辑怪异	量化新手、策略验证	“它的加密货币API是一个巨大的烂摊子：缺乏功能一致性，在ETHUSD和ETH/USD之间反复横跳。”
Tiingo	基本面数据准确	数据整洁，基本面质量受认可，性价比高	数据深度有限，主要覆盖美股	基本面策略研究者	（社区共识：基本面数据最靠谱）
EODHD	价格极低、覆盖非美市场	能覆盖全球小众交易所，支持批量拉取	数据质量灾难（10-100倍错误、小数点错误、极端毛刺）	教育用途、容忍度高	“本应是3.64，却显示为0.364，第二天又恢复到3.xx。他们毫无质量控制可言。”
TickDB	亚洲开发者友好的统一接口	一套API接入多市场，国内节点优化延迟低，30天免费高阶试用	知名度待提升，历史深度需积累	跨市场套利、亚洲量化团队	“ETHUSD和ETH/USD反复横跳”这种坑，在TickDB的统一命名规范下不存在。

---

三、五大维度深度拆解（附真实案例）

1. 数据覆盖面：别被“全球覆盖”忽悠了

很多数据源宣传“全球覆盖”，但实际只覆盖主要交易所的头部标的。如果你做小众市场（如东南亚股市）或特定品种（如期货期权），一定要在试用期就验证。

真实案例：某用户想同时交易A股和越南股票，发现某数据源虽然支持A股，但越南市场的日线数据经常延迟2-3天。等他跑完回测准备实盘时，才发现这个坑，白白浪费了一个月。

选型建议：

• 单一市场（如A股）：优先国内源（Tushare、聚宽、Wind）
• 跨市场（A股+港股+美股）：考虑统一接口的源（如TickDB）
• 全球多资产：IBKR是保底选项，但要做好API复杂度准备
• 小市场验证：在试用期就测试你最冷门的那个标的，别假设它能用

2. 数据质量：10倍到100倍的错误是回测杀手

数据质量问题在回测阶段不易察觉，但一上实盘就会暴露。EODHD的案例触目惊心：

“完全错误的数据（例如本应是3.64，却显示为0.364，第二天又恢复到3.xx）。你会发现股票某天暴跌99%，第二天又暴涨1000%。”

这种“幽灵峰值”会被策略误判为交易信号，导致回测曲线“看着很美”，实盘直接腰斩。

选型建议：

• 基本面策略：优先Tiingo、Quandl（社区公认数据整洁）
• 高频策略：需要原始Tick数据，考虑Databento、Polygon、TickDB
• 回测严谨性：至少用多个源交叉验证，避免EODHD式的灾难

3. API易用性：文档的“坑”比你想的深

好的API让你一天上手，差的API让你一周都在调bug。IBKR是公认的反面教材：

“我进入这个领域3年了，我得说IBKR拥有我见过最糟糕的文档。”

“很多人使用第三方API（如Polygon）获取数据，仅仅是为了避开TWS网关的技术头痛。”

更坑的是那些设计不一致的API。Alpaca的用户吐槽：

“它的加密货币API是一个巨大的烂摊子：缺乏功能一致性（不能做空、没有OCO订单、没有止损单）。在ETHUSD和ETH/USD之间反复横跳，有时API只支持其中一种格式。”

选型建议：

• 优先选有Python SDK的源，且SDK要有活跃的社区维护
• 测试跨资产一致性：同时测试股票和加密货币API，看结构是否统一
• 关注批量查询能力：Intrinio的教训——不支持多标的价格查询，盘后获取100个收盘价需要100次调用

我的个人标准：如果一个API让我半小时内跑通第一个ticker请求，且错误码解释清楚，我就愿意为它付费。

4. 价格与性价比：算清真实成本

价格不只是月费多少，还要算几笔账：

• 免费版够用吗？ Alpaca免费档10k/min看起来很慷慨，但数据密度低，只含5家交易所。
• 按量计费的话，预估用量是多少？ Databento用户提醒：OPRA期权数据按量计费，账单可能飞速暴涨。
• 有没有隐藏成本？ EODHD虽然便宜，但清洗数据的工时成本可能远超订阅费。

真实案例：某初创团队选了EODHD做数据源，回测曲线完美，实盘却频频异常。排查两周发现是数据错误，最后不得不重写所有代码切换数据源，损失远超省下的订阅费。

选型建议：

• 先用免费版验证策略逻辑，但要知道免费版的限制（如数据密度、延迟）
• 按量计费的源，先跑小规模测试估算成本
• 数据质量成本：把潜在的数据清洗工时算入总成本

5. 稳定性与支持：实盘时才知道它有多重要

2024年10月，Polygon发生严重延迟回退，从65ms飙升至250ms，持续了数小时。依赖它做实盘的高频策略出现3倍标准差的回撤——一天亏掉了三个月的利润。

教训：永远不要依赖单一源。资深量化人采用“双数据源策略”（Two-Feed Architecture）——一个主源，一个备用源，自动切换。

真实案例：某量化私募同时订阅Polygon和TickDB，主源用Polygon，备用源用TickDB。那次Polygon故障时，系统自动切到TickDB，虽然延迟也有波动，但没崩盘。事后复盘，CTO说：“那几千块的备用源预算，救了上百万的损失。”

选型建议：

• 机构用户：要求供应商提供SLA承诺（99.9% uptime）
• 个人用户：至少看社区反馈——故障多吗？响应快吗？
• 自己测试：写个脚本连续请求一周，统计P95/P99延迟，不同时间段（开盘/收盘/非交易时间）分别测

---

四、根据你的场景做选择

你的身份	核心需求	推荐组合	避坑提示
个人研究者/学生	预算有限，研究为主	Tiingo（基本面） + Polygon免费层（行情） + 自研回测	别碰EODHD，数据错误会让你怀疑人生
初创团队/个人实盘	性价比优先，需要稳定	Polygon（主行情） + TickDB（跨市场备份，30天免费试用） + 自建双源切换	别只依赖Alpaca的免费数据，加密货币API是个坑
量化私募/机构	低延迟、高精度、全球覆盖	IBKR（执行） + Databento（高频数据） + Polygon（备份） + 自建数据湖	用Parquet+DuckDB存Tick数据，别用传统数据库
跨市场套利者	统一接口，多市场监控	TickDB（统一行情，30天免费试用） + 自建事件监控	重点关注跨资产API一致性，别踩“ETHUSD/ETH/USD”的坑

---

五、选型中的五大陷阱（踩过才懂的教训）

1. 幸存者偏差：你的回测数据可能“作弊”

用当前成分股回测历史，就像用活着的士兵统计战场存活率——结果必然虚高。那些退市的、ST的股票早就不在样本里了。

解法：用历史成分股快照，或选提供“点时间数据”的源。如果预算不够，至少要知道这个偏差存在，回测夏普减半再减半。

2. 免费源的隐性成本

IEX Cloud关停不是孤例。免费源随时可能：突然关停、限速、数据出错、延迟变15分钟。Alpaca的免费数据密度低，加密货币API还“反复横跳”。

解法：把免费源当“试用版”，策略跑通后立刻找付费替代。

3. 文档陷阱：跑不通的示例代码

IBKR的文档被喷“反人类”，Intrinio不支持批量查询——这些坑在文档里根本看不出来，只有写了代码才发现。

解法：付费前先用试用期跑一遍文档里的所有示例，任何一个跑不通就pass。

4. 跨资产一致性陷阱

Alpaca的股票API很优雅，但加密货币API是“巨大的烂摊子”。同一平台的不同资产API割裂，开发成本可能翻倍。

解法：测试时务必同时测试所有你需要的资产类型，看API结构是否统一，Ticker命名是否规范。

5. 数据质量陷阱

EODHD的“10倍到100倍错误”不是个例。低价数据源往往用牺牲质量换价格，回测时发现不了，实盘时才发现亏大了。

解法：用多个源交叉验证，特别是检查异常值（如单日暴涨暴跌1000%）。

---

六、结语：没有完美数据源，只有最合适的

数据源选型没有标准答案，它是一个随着你策略演进不断调整的过程。

我自己的演进路径：

• 第一年：用免费源（Yahoo、Alpaca免费层）跑通策略，踩过“ETHUSD/ETH/USD”的坑
• 第二年：换Tiingo做回测，Polygon做模拟盘
• 第三年：上实盘后，主源用Polygon，备份用TickDB
• 现在：机构级，IBKR+Databento+自建数据湖

给新手的建议： 如果你刚开始接触量化，先别急着付费。用Tiingo跑通策略，理解数据格式、API调用、回测流程，等策略有盈利苗头了，再考虑升级到更高频、更低延迟的源。

给跨市场开发者的建议： 如果你需要同时监控A股、港股、美股，甚至还要带上加密货币，一定要关注数据源的跨资产一致性。一套统一规范的API能搞定的事，别拆成四五套来维护——更别踩“ETHUSD和ETH/USD反复横跳”的坑。像TickDB这类专为亚洲开发者优化的服务，提供了统一命名规范、低延迟节点，现在还有30天高阶专业免费试用，值得花半小时亲自试试。

给所有人的建议：

• 先小步快跑：用免费版验证策略逻辑，但要知道免费版的限制
• 再升级关键环节：当策略开始盈利，逐步替换不稳定的部分
• 永远准备Plan B：保持两个数据源，自动切换脚本要写好
• 亲自测试：别信测评，自己写脚本连续请求一周，统计P95/P99延迟

最后，无论你选哪个数据源，记住一句话：数据源是你策略的根基，根基不稳，地动山摇。

---

💡 架构师笔记：如何测试TickDB的批量查询性能？

import time
import statistics
import requests
import os
from concurrent.futures import ThreadPoolExecutor, as_completed

API_KEY = os.environ.get('TICKDB_API_KEY')
headers = {'X-API-Key': API_KEY}
base_url = 'https://api.tickdb.ai/v1/market/ticker'

# 模拟盘后获取100个标的的收盘价
symbols_list = ['700.HK', 'AAPL.US', 'TSLA.US', 'BTCUSDT', 'XAUUSD'] * 20  # 100个

def fetch_single(symbol):
    start = time.time()
    try:
        response = requests.get(base_url, headers=headers, params={'symbols': symbol})
        latency = (time.time() - start) * 1000
        return latency, response.status_code
    except Exception as e:
        return None, str(e)

def fetch_batch(symbols):
    start = time.time()
    try:
        response = requests.get(base_url, headers=headers, params={'symbols': ','.join(symbols)})
        latency = (time.time() - start) * 1000
        return latency, response.status_code
    except Exception as e:
        return None, str(e)

# 测试单次查询（100次调用）
single_latencies = []
with ThreadPoolExecutor(max_workers=10) as executor:
    futures = [executor.submit(fetch_single, sym) for sym in symbols_list[:20]]
    for future in as_completed(futures):
        lat, status = future.result()
        if lat:
            single_latencies.append(lat)

# 测试批量查询（1次调用）
batch_latency, _ = fetch_batch(symbols_list)

print(f"单次查询 P50: {statistics.median(single_latencies):.2f}ms")
print(f"批量查询耗时: {batch_latency:.2f}ms")
print(f"性能提升: {statistics.median(single_latencies) * 20 / batch_latency:.1f}x")

这段代码对比了单次查询和批量查询的性能差异。你可以在30天免费试用期内，用真实的API Key跑一遍，亲自验证TickDB的批量查询能力——这正是Intrinio用户最痛的点。

---

本文核心观点（速读版）

• 选型六大维度：覆盖面、数据质量、API易用性、跨资产一致性、价格、稳定性
• 主流数据源评价：
  • Polygon（延迟25ms，历史Flat Files良心）
  • Databento（前HFT团队，按量付费公平）
  • IBKR（功能强，API反人类）
  • Alpaca（开发者优先，加密货币API坑）
  • Tiingo（基本面准）
  • EODHD（价格极低，数据质量灾难）
  • TickDB（亚洲开发者友好，统一接口，30天免费试用）
• 场景化推荐：个人、初创、机构、跨市场各有侧重
• 五大陷阱：幸存者偏差、免费源不稳定、文档跑不通、跨资产不一致、数据质量灾难
• 最后建议：自己测试，永远备Plan B，选适合自己阶段的数据源