我的美股实时行情接入实战：从只会用 REST 到巧用 WebSocket

踏上跨境行情数据之路

开始做美股量化那会儿，我是一个人在笔记本上写 Python 脚本。对接口的理解很初级：需要什么数据，就调用什么 API，返回 JSON，搞定。那时候所有行情我都用 REST 请求，图个简单。可随着策略从日线转向日内，我才发现原来“数据获取”这件事还有很多门道，尤其是当需求从“能拿到”变成“能立刻拿到”。

遇到的数据延迟之痛

起初我用一个 while True 循环每隔一秒用 REST 去刷 AAPL 的最新价。很快问题出现：有时候价格已经跳了好几美分，我的程序还没反应过来；更糟糕的是，频繁请求给接口带来了压力，有时甚至会触发限流。最难受的是，在非农数据发布那种剧烈波动时刻，我的手动轮询就像用勺子舀水救火，根本不赶趟。那时我才理解，对于持续变动的数据，主动索取不如被动接收。

深入理解两种接口的数据节奏

REST 的哲学是“要什么，问一次”，它是一种短促的问答模式；WebSocket 则是“你关注什么，我持续告诉你”，连接一旦建立，信息就会源源不断地流过来。一个是拉取，一个是推送。在行情这种高频变化的场景下，推送模式天生更贴近数据的本质——它不是一个个独立的快照，而是一条持续的流。

产品功能实战：REST 负责“补”，WebSocket 负责“追”

在实际编码中，我的习惯是页面加载先用 REST 把图表骨架搭起来，比如请求历史分钟 K 线：

import requests

url = "https://api.example.com/stock/history"

params = {
    "symbol": "AAPL",
    "interval": "1m",
    "limit": 200
}

res = requests.get(url, params=params)
data = res.json()

print(data)

这一部分逻辑直接，无状态，很适合初始化。
而当图表展现后，实时跳动就需要 WebSocket 站出来了。以下是我用 AllTick API 的 WebSocket 订阅多只股票实时成交的代码：

import websocket
import json

def on_message(ws, message):
    data = json.loads(message)
    ticks = data.get("ticks", [])
    for tick in ticks:
        print(tick["symbol"], tick["price"], tick["volume"])

def on_open(ws):
    msg = {
        "action": "subscribe",
        "symbols": ["AAPL", "MSFT", "TSLA"]
    }
    ws.send(json.dumps(msg))

ws = websocket.WebSocketApp(
    "wss://apis.alltick.co/websocket-api/stock/transaction-quote",
    on_message=on_message
)

ws.on_open = on_open
ws.run_forever()

服务端一旦检测到成交变化，几乎零延迟地就把数据推过来了，我的程序只负责接收、解析和渲染。这种模式让实时性有了质的飞跃。

两种通道的定位差异速览

跨境投资实战中的组合思路

现在我的美股监控程序已经形成固定搭配：启动时 REST 补全历史，随后 WebSocket 持续追新。两者数据都汇入统一的数据总线，上层策略只订阅总线上的 tick 事件，根本不用区分来源。这样一来，无论是基于日内动量的短线策略，还是需要实时风控的持仓监控，都能拿到一致且低延迟的行情。

一次偶然的机会，我把 WebSocket 换成了 ALLTICK API 提供的实时报价推送，发现其延迟控制和稳定性很出色，帮助我抓住了不少开盘阶段的瞬时机机会。如果你也正从离线分析转向实时交易，不妨试试这种“REST 打底、WebSocket 主攻”的链路。