TickFlow Skill#

通过 TickFlow Python SDK 获取 A 股、港股、美股、期货等市场的实时行情、K 线数据。支持多市场、多周期，适用于量化交易、数据分析等场景。

环境配置#

1. 安装 uv（如果未安装）#

检查 uv 是否已安装：

bash

uv --version

如果未安装，运行官方安装脚本：

bash

# macOS/Linux
curl -LsSf https://astral.sh/uv/install.sh | sh

# Windows (PowerShell)
powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"

2. 配置 TickFlow 工作环境#

在当前 skills 项目下创建 python 文件夹并初始化：

bash

# 创建 python 工作目录
mkdir -p python
cd python

# 创建 pyproject.toml 文件
cat > pyproject.toml << 'EOF'
[project]
name = "tickflow-workspace"
version = "0.1.0"
description = "TickFlow workspace for market data analysis"
requires-python = ">=3.10"
dependencies = [
    "tickflow[all]>=0.1.17",
]
EOF

# 使用 uv 同步依赖
uv sync

完成后， python 文件夹将作为你的 TickFlow 工作目录。

3. 配置 API Key#

访问 tickflow.org 获取 API Key，然后配置环境变量：

bash

# macOS/Linux
export TICKFLOW_API_KEY="your-api-key"

# Windows (PowerShell)
$env:TICKFLOW_API_KEY="your-api-key"

建议将环境变量添加到 shell 配置文件（如 ~/.zshrc 或 ~/.bashrc）中：

bash

echo 'export TICKFLOW_API_KEY="your-api-key"' >> ~/.zshrc
source ~/.zshrc

标的代码格式#

所有查询使用统一格式： 代码.市场后缀（例如： 600000.SH）

常用市场后缀#

后缀市场说明SH上海证券交易所沪市 A 股、ETF、债券等SZ深圳证券交易所深市 A 股、创业板、ETF 等BJ北京证券交易所北交所股票SHF上海期货交易所上期所期货DCE大连商品交易所大商所期货ZCE郑州商品交易所郑商所期货CFX中国金融期货交易所中金所股指/国债期货INE上海国际能源交易中心原油等期货GFE广州期货交易所广期所期货US美股美国证券市场HK港股香港联交所

标的代码示例#

• A 股： 600000.SH（浦发银行）、 000001.SZ（平安银行）、 920662.BJ（北交所股票）
• 美股： AAPL.US（苹果）、 TSLA.US（特斯拉）、 MSFT.US（微软）
• 港股： 00700.HK（腾讯控股）、 09988.HK（阿里巴巴）
• ETF： 510300.SH（沪深300ETF）、 159915.SZ（创业板ETF）
• 指数： 000001.SH（上证指数）、 399006.SZ（创业板指数）
• 期货： au2604.SHF（黄金期货）、 i2605.DCE（铁矿石期货）

目前支持状态#

• A 股（SH / SZ / BJ）：已支持。可查实时行情、日 K、分钟 K、日内分时、财务数据、标的池（如 CN_Equity_A）等。
• 国内期货（SHF / DCE / ZCE / CFX / INE / GFE）：支持主力合约查询。按合约代码 + 后缀查询（如 au2604.SHF）。
• 美股（US）：已支持。实时行情、全量历史日 K 线（支持前复权/后复权）、除权因子、标的池（ US_Equity）。
• 港股（HK）：已支持。实时行情、全量历史日 K 线（支持前复权/后复权）、除权因子、标的池（ HK_Equity）。

快速开始#

免费服务（适合历史数据分析）#

无需 API Key，直接使用：

python

from tickflow import TickFlow

tf = TickFlow.free()

# 获取历史日 K 线
df = tf.klines.get("600000.SH", period="1d", count=100, as_dataframe=True)
print(df.tail())

# 查询标的信息
instruments = tf.instruments.batch(symbols=["600000.SH", "000001.SZ"])
for inst in instruments:
    print(f"{inst['symbol']}: {inst['name']}")

免费服务特点：

• ✅ 历史日 K 线（1d、1w、1M、1Q、1Y）
• ✅ 标的信息、交易所、标的池查询
• ❌ 不支持实时行情
• ❌ 不支持分钟级 K 线（1m、5m、15m、30m、60m）

完整服务（实时行情 + 全部功能）#

使用已配置的 API Key：

python

from tickflow import TickFlow

# 自动读取环境变量 TICKFLOW_API_KEY
tf = TickFlow()

# 获取实时行情（支持多市场）
quotes = tf.quotes.get(symbols=["600000.SH", "AAPL.US", "00700.HK"])
for q in quotes:
    print(f"{q['symbol']}: {q['last_price']}")

运行 Python 脚本#

在当前 skills 项目的 python 文件夹下，使用 uv run python 运行：

bash

cd python  # 进入当前项目的 python 文件夹
uv sync    # 确保依赖已安装
uv run python your_script.py

使用示例#

1. 获取实时行情#

创建 examples/quotes_example.py：

python

from tickflow import TickFlow

tf = TickFlow()

# 按标的代码查询（支持 A 股、港股、美股混合查询）
quotes = tf.quotes.get(symbols=["600000.SH", "000001.SZ", "AAPL.US", "00700.HK"])
for q in quotes:
    print(f"{q['symbol']}: {q['last_price']}")

# 按标的池查询
quotes_df = tf.quotes.get(universes=["CN_Equity_A"], as_dataframe=True)  # 全部 A 股
print(quotes_df.head())

# 获取美股/港股行情
us_quotes = tf.quotes.get(universes=["US_Equity"], as_dataframe=True)
hk_quotes = tf.quotes.get(universes=["HK_Equity"], as_dataframe=True)

运行： uv run python examples/quotes_example.py

2. 获取历史 K 线#

创建 examples/klines_example.py：

python

from tickflow import TickFlow

tf = TickFlow()

# 单只股票日 K 线（最近 100 天）
df = tf.klines.get("600000.SH", period="1d", count=100, as_dataframe=True)
print(df.tail())

# 批量获取多只股票的 K 线
symbols = ["600000.SH", "000001.SZ", "600519.SH"]
dfs = tf.klines.batch(symbols, period="1d", count=100, as_dataframe=True, show_progress=True)
print(dfs["600000.SH"].tail())

运行： uv run python examples/klines_example.py

3. 获取日内分时数据#

创建 examples/intraday_example.py：

python

from tickflow import TickFlow

tf = TickFlow()

# 获取当日 1 分钟 K 线
df = tf.klines.intraday("600000.SH", as_dataframe=True)
print(f"今日已有 {len(df)} 根分钟 K 线")
print(df.tail())

# 获取当日 5 分钟 K 线
df_5m = tf.klines.intraday("600000.SH", period="5m", as_dataframe=True)
print(df_5m.tail())

# 批量获取
symbols = ["600000.SH", "000001.SZ"]
dfs = tf.klines.intraday_batch(symbols, as_dataframe=True, show_progress=True)

运行： uv run python examples/intraday_example.py

4. 查询标的信息#

创建 examples/instruments_example.py：

python

from tickflow import TickFlow

tf = TickFlow()

# 查询单个或多个标的信息
instruments = tf.instruments.batch(symbols=["600000.SH", "000001.SZ"])
for inst in instruments:
    print(f"{inst['symbol']}: {inst['name']}")

运行： uv run python examples/instruments_example.py

5. 获取财务数据#

创建 examples/financials_example.py：

python

from tickflow import TickFlow

tf = TickFlow()

# 利润表
income_df = tf.financials.income(["000001.SZ", "600519.SH"], as_dataframe=True)
print("=== 利润表（最近5期） ===")
print(income_df.tail())

# 资产负债表
balance_df = tf.financials.balance_sheet(["000001.SZ"], as_dataframe=True)
print("\n=== 资产负债表（最近3期） ===")
print(balance_df.tail(3))

# 现金流量表
cashflow_df = tf.financials.cash_flow(["000001.SZ"], as_dataframe=True)
print("\n=== 现金流量表（最近3期） ===")
print(cashflow_df.tail(3))

# 核心财务指标
metrics_df = tf.financials.metrics(["000001.SZ"], as_dataframe=True)
print("\n=== 核心财务指标（最近3期） ===")
print(metrics_df.tail(3))

运行： uv run python examples/financials_example.py

6. 仅获取最新一期财务数据#

python

from tickflow import TickFlow

tf = TickFlow()

# 获取多只股票的最新财务数据
symbols = ["600519.SH", "000001.SZ", "600000.SH"]
latest = tf.financials.income(symbols, latest=True)

for symbol, records in latest.items():
    if records:
        record = records[0]
        revenue = record.get('revenue', 0) / 1e8  # 转换为亿元
        net_income = record.get('net_income', 0) / 1e8
        print(f"{symbol} 最新一期:")
        print(f"  营收: {revenue:.2f} 亿元")
        print(f"  净利润: {net_income:.2f} 亿元")
        print(f"  报告期: {record.get('period_end')}")

常用 K 线周期#

类型周期代码说明日内1m1 分钟 K 线日内5m5 分钟 K 线日内15m15 分钟 K 线日内30m30 分钟 K 线日内60m60 分钟 K 线日线及以上1d日 K 线日线及以上1w周 K 线日线及以上1M月 K 线日线及以上1Q季 K 线日线及以上1Y年 K 线

注意事项#

• 必须在当前 skills 项目的 python 文件夹下使用 uv run python 运行脚本
• 首次使用需要运行 uv sync 安装依赖
• SDK 支持 Python 3.9+，推荐使用 Python 3.10 或更高版本
• 免费服务仅提供历史日 K 线，不含实时行情和分钟 K 线
• 支持 A 股、港股、美股、国内期货等多市场，标的代码可混合查询
• 美股/港股支持前复权、后复权 K 线和除权因子
• 单次单标的最多获取 10000 根 K 线
• 批量接口（ batch、 intraday_batch）适合大量标的数据获取
• API Key 通过环境变量 TICKFLOW_API_KEY 配置
• 使用 as_dataframe=True 参数可直接返回 pandas DataFrame

实用场景示例#

下载历史数据进行回测#

python

from tickflow import TickFlow

tf = TickFlow.free()  # 免费服务足够

# 获取近 1000 天的日 K 线
df = tf.klines.get("600000.SH", period="1d", count=1000, as_dataframe=True)

# 保存为 CSV
df.to_csv("600000_SH_daily.csv", index=False)
print(f"已保存 {len(df)} 条数据")

实时监控股票价格#

python

import time
from tickflow import TickFlow

tf = TickFlow()

symbols = ["600000.SH", "000001.SZ", "AAPL.US", "00700.HK"]

while True:
    quotes = tf.quotes.get(symbols=symbols)
    for q in quotes:
        change_pct = q['ext']['change_pct'] * 100
        print(f"{q['ext']['name']} ({q['symbol']}): {q['last_price']} ({change_pct:+.2f}%)")
    print("-" * 60)
    time.sleep(5)

批量下载多只股票数据#

python

from tickflow import TickFlow

tf = TickFlow()

# 批量下载 K 线数据（支持多市场混合）
symbols = ["600000.SH", "000001.SZ", "AAPL.US", "00700.HK"]
dfs = tf.klines.batch(symbols, period="1d", count=1000, as_dataframe=True, show_progress=True)

# 逐个保存
for symbol, df in dfs.items():
    filename = f"{symbol.replace('.', '_')}_daily.csv"
    df.to_csv(filename, index=False)
    print(f"已保存 {symbol}: {len(df)} 条数据 -> {filename}")

筛选优质股票（基于财务指标）#

python

from tickflow import TickFlow

tf = TickFlow()

# 获取 A 股标的池
symbols  = tf.universes.get("CN_Equity_A")['symbols'][:200]

# 获取最新财务指标
metrics = tf.financials.metrics(symbols, latest=True, as_dataframe=True)

# 筛选条件：ROE > 15%、净利率 > 10%、负债率 < 60%
high_quality = metrics[
    (metrics['roe'] > 15) &
    (metrics['net_margin'] > 10) &
    (metrics['debt_to_asset_ratio'] < 60)
]

print(f"筛选出 {len(high_quality)} 只优质股票")
print(high_quality[['symbol', 'roe', 'net_margin', 'debt_to_asset_ratio', 'eps_diluted']].head(10))

分析财务数据趋势#

python

from tickflow import TickFlow

tf = TickFlow()

# 获取某只股票的历史财务数据
symbol = "600519.SH"
income_df = tf.financials.income([symbol], as_dataframe=True)

# 按报告期排序
income_df = income_df.sort_values('period_end')

# 计算营收和净利润同比增长率
income_df['revenue_growth'] = income_df['revenue'].pct_change(4) * 100  # 同比（4个季度）
income_df['net_income_growth'] = income_df['net_income'].pct_change(4) * 100

# 显示最近8个季度的数据
print(f"{symbol} 营收与净利润趋势（最近8个季度）：")
result = income_df[['period_end', 'revenue', 'revenue_growth', 'net_income', 'net_income_growth']].tail(8)
result['revenue'] = result['revenue'] / 1e8  # 转换为亿元
result['net_income'] = result['net_income'] / 1e8
print(result)

同行业股票财务对比#

python

from tickflow import TickFlow

tf = TickFlow()

# 对比同行业多只股票的财务指标
symbols = ["600519.SH", "000858.SZ", "600809.SH"]  # 白酒股
latest_metrics = tf.financials.metrics(symbols, latest=True)

print("=== 白酒股财务指标对比 ===")
for symbol, records in latest_metrics.items():
    if records:
        r = records[0]
        print(f"\n{symbol}:")
        print(f"  ROE: {r.get('roe', 0):.2f}%")
        print(f"  净利率: {r.get('net_margin', 0):.2f}%")
        print(f"  EPS: {r.get('eps_diluted', 0):.2f}")
        print(f"  负债率: {r.get('debt_to_asset_ratio', 0):.2f}%")
        print(f"  报告期: {r.get('period_end')}")

计算技术指标#

python

from tickflow import TickFlow

tf = TickFlow()

# 获取 K 线数据
df = tf.klines.get("600000.SH", period="1d", count=100, as_dataframe=True)

# 计算移动平均线
df["ma5"] = df["close"].rolling(5).mean()
df["ma20"] = df["close"].rolling(20).mean()

# 计算 MACD
exp1 = df["close"].ewm(span=12, adjust=False).mean()
exp2 = df["close"].ewm(span=26, adjust=False).mean()
df["macd"] = exp1 - exp2
df["signal"] = df["macd"].ewm(span=9, adjust=False).mean()

# 显示最新数据
print(df[["trade_date", "close", "ma5", "ma20", "macd", "signal"]].tail(10))

综合分析（行情 + K线 + 财务）#

python

from tickflow import TickFlow

tf = TickFlow()

symbol = "600519.SH"

# 1. 获取实时行情
quote = tf.quotes.get(symbols=[symbol])[0]
print(f"=== {quote['ext']['name']} ({symbol}) ===")
print(f"最新价: {quote['last_price']:.2f}")
print(f"涨跌幅: {quote['ext']['change_pct']*100:+.2f}%")

# 2. 获取 K 线并计算技术指标
df = tf.klines.get(symbol, period="1d", count=60, as_dataframe=True)
df["ma20"] = df["close"].rolling(20).mean()
latest_close = df.iloc[-1]['close']
latest_ma20 = df.iloc[-1]['ma20']
print(f"\n20日均线: {latest_ma20:.2f}")
print(f"位置: {'站上' if latest_close > latest_ma20 else '跌破'} MA20")

# 3. 获取最新财务指标
metrics = tf.financials.metrics([symbol], latest=True)
if metrics[symbol]:
    m = metrics[symbol][0]
    print(f"\n=== 最新财务指标 ===")
    print(f"ROE: {m.get('roe', 0):.2f}%")
    print(f"净利率: {m.get('net_margin', 0):.2f}%")
    print(f"EPS: {m.get('eps_diluted', 0):.2f}")
    print(f"报告期: {m.get('period_end')}")

构建自选股监控系统#

python

import time
from tickflow import TickFlow

tf = TickFlow()

# 自选股列表（支持 A 股、港股、美股混合）
watchlist = ["600519.SH", "000858.SZ", "AAPL.US", "00700.HK"]

# 获取财务指标（一次性加载）
latest_metrics = tf.financials.metrics(watchlist, latest=True)

print("=== 自选股监控系统 ===\n")

# 实时监控循环
while True:
    quotes = tf.quotes.get(symbols=watchlist)

    for q in quotes:
        symbol = q['symbol']
        name = q['ext']['name']
        price = q['last_price']
        change = q['ext']['change_pct'] * 100

        # 显示财务指标
        roe = 0
        if symbol in latest_metrics and latest_metrics[symbol]:
            roe = latest_metrics[symbol][0].get('roe', 0)

        status = "📈" if change > 0 else "📉"
        print(f"{status} {name:6s} {price:8.2f} ({change:+6.2f}%) | ROE: {roe:5.2f}%")

    print("-" * 70)
    time.sleep(10)  # 每10秒刷新

运行示例（在当前项目的 python 文件夹下）：

bash

cd python
uv sync  # 确保依赖已安装
uv run python examples/your_script.py