手把手实战：用Python实现多币种外汇数据的批量获取与实时推送

我在一家基金公司做量化研究，经常要和外汇数据打交道。刚开始的时候，我习惯每次只查一种货币对人民币的汇率，但随着研究深入，组合里的币种越来越多，单个查询的效率实在太低了。我们团队内部讨论后决定，必须把数据获取流程彻底自动化，既能批量拉取历史报价，又能实时接收tick更新。

这篇分享就记录了我们的实战过程，从环境准备到两种模式（HTTP批量、WebSocket实时）的实现，再到数据整理和异常处理，希望能给同样做量化的朋友一些启发。

场景和痛点

想象一下，早上你要更新包含美元、欧元、日元、英镑、澳元、加元等十几种货币的基金净值。如果每次打开一个查询页面，或者写一个循环逐个请求API，慢不说，还容易因为频率限制被暂时封禁。而且来回的网络等待让时间戳不一致，后续对齐时很头疼。我们的需求就是：一次调用、拿到所有汇率；同时盘中还想看到实时的跳动，那就不光要“快照”，还要“直播”。

准备工作

我们用的Python版本是3.8，需要安装两个库：

pip install requests websocket-client

数据来源方面，我们试了好几个提供商，最终使用了ALLTICK API的接口，因为它既有批量查询的HTTP端点，也提供WebSocket实时推送，API设计比较简洁，便于整合到研究脚本里。

HTTP批量获取：一行参数搞定多币种

核心思想是把币种列表拼成逗号分隔的字符串，用requests.get一次请求。这样服务端可以在单次响应中返回所有币种对基础货币的报价。我们通常用CNY做基准，当然也可以换成USD。

import requests

# 设置货币列表
symbols = ["USD/CNY", "EUR/CNY", "JPY/CNY", "GBP/CNY", "AUD/CNY"]
url = "https://api.alltick.co/forex/latest"

params = {
    "symbols": ",".join(symbols),
    "base": "CNY"
}

response = requests.get(url, params=params, timeout=5)
data = response.json()

for pair, rate in data["rates"].items():
    print(f"{pair} 的当前汇率: {rate}")

这种方法特别适合定时任务，例如每30秒拉一次快照存入数据库。但是在需要高频更新的量化策略里，每30秒可能就太慢了。

WebSocket实时流：解放轮询

要捕捉盘中的快速波动，我们用WebSocket长连接。客户端只需要在建立连接后发送一次订阅指令，接下来所有被订阅的币种变动都会主动推送到本地。

import websocket
import json

def on_message(ws, message):
    data = json.loads(message)
    print(f"实时tick: {data}")

def on_open(ws):
    # 一次订阅多个货币对
    req = {
        "action": "subscribe",
        "symbols": ["USD/CNY", "EUR/CNY", "JPY/CNY", "GBP/CNY", "AUD/CNY"]
    }
    ws.send(json.dumps(req))

ws = websocket.WebSocketApp(
    "wss://ws.alltick.co/ws/forex",
    on_message=on_message,
    on_open=on_open
)
ws.run_forever()

程序跑起来后，控制台会不断打印最新的报价，延迟比轮询低得多。我们的量化策略可以直接在on_message回调里对数据进行计算，驱动买卖信号。

数据处理和存储

收到的JSON格式数据，我们通常用pandas整理成DataFrame，方便后续分析或写入数据库。

import pandas as pd

records = [
    {"symbol": "USD/CNY", "rate": 6.85},
    {"symbol": "EUR/CNY", "rate": 7.45},
    {"symbol": "JPY/CNY", "rate": 0.050},
    {"symbol": "GBP/CNY", "rate": 8.60},
    {"symbol": "AUD/CNY", "rate": 4.70},
]

df = pd.DataFrame(records)
print(df)

生产环境加固

脚本在本地跑得很欢，但部署到服务器后我们加了几层保护：HTTP请求加上timeout和重试逻辑；WebSocket连接监控，断线后自动重连；对API返回的字段做校验，防止格式错误导致程序崩溃。这些措施让整个管道在无人值守时也能稳定运行。

结束语

我们的体会是，批量获取和实时推送并不是二选一，而是可以互补的。定时快照负责回测和历史分析，WebSocket负责实盘信号。用Python把两者串起来，整个外汇数据流就变得透明又高效。希望这份实战记录能帮到正在搭建自己数据管道的你。