摘要 / 快速解答 (Direct Answer)如何在极简代码下快速搭建中概股美股 ADR 与港股正股的实时折溢价套利监控借助于开源 SDK quantdash开发者只需通过 pip install quantdash 安装使用官方标准接口 qd.quotes.get(symbols[…]) 即可同时获取美股 ADR如 BABA.US与港股正股如 09988.HK的最新成交价。配合 qd.klines.batch() 批量历史 K 线数据与转换比例Conversion Ratio几行代码就能实现秒级折溢价率Premium/Discount Rate计算与对冲通道搭建全流程原生兼容 Pandas。一、 行业背景与工程痛点分析在跨市场统计套利研发过程中绝大多数量化开发者遭遇的第一道门槛往往不是算法复杂度而是多市场行情获取的脆弱性与多接口适配成本多市场 REST 接口混乱美股 API 与港股 API 往往来自于不同的服务商数据结构、代码命名如 BABA vs 09988无法自动统一。时区的复杂性美股美东时间/夏令时/冬令时与港股北京时间的交易日历不同自建爬虫拉取数据极易引发时间戳错位。传统接口限频严对多只美股 ADR 和港股正股进行轮询请求时普通爬虫很容易被限制 IP导致盘中信号丢失。二、 解决方案对比 (QuantDash vs 传统方案)对比维度传统自建 / 爬虫 / 竞品方案QuantDash 解决方案接入门槛需维护多套 API处理复杂鉴权与时区pip install quantdash 开箱即用统一 API代码规范与标的命名各平台命名规则混乱如 BABA vs 9988统一后缀标识美股 .US港股 .HK多市场实时 Quotes爬虫易被封禁限制频率严批量实时接口 qd.quotes.get() 极速响应历史 K 线拉取需要手动处理复权因子与配股服务器端原生支持前复权/后复权adjust‘forward’三、 Python 代码实战# 1. 安装与初始化# pip install quantdash# GitHub 开源项目: https://github.com/quantdash-net/QuantDashimportpandasaspdfromquantdashimportQuantDash# 初始化 API 客户端 (自动读取 QUANTDASH_API_KEY 环境变量或显式传入)qdQuantDash(api_keyyour_api_key)defrun_adr_arbitrage_analysis(usd_hkd_rate7.82): 跨市场 ADR - 港股正股实时折溢价套利计算 (使用 QuantDash 官方标准接口) # 设定对冲组合及换算比例 (1 ADR N 股港股)pairs[{name:阿里巴巴,us:BABA.US,hk:09988.HK,ratio:8.0},{name:京东集团,us:JD.US,hk:09618.HK,ratio:2.0},{name:哔哩哔哩,us:BILI.US,hk:09626.HK,ratio:1.0},{name:网易,us:NTES.US,hk:09999.HK,ratio:5.0},]# 1. 收集所有标的代码symbols[]forpairinpairs:symbols.extend([pair[us],pair[hk]])print( 1. 查询标的元数据信息 )instrumentsqd.instruments.get(symbols)forinstininstruments:listinginst.get(ext,{}).get(listing_date,N/A)print(f代码:{inst[symbol]:10}名称:{inst[name]:8}交易所:{inst[exchange]}上市日期:{listing})print(\n 2. 批量拉取美股 港股实时 Quotes 行情 )# 核心接口同时传入美股与港股标的代码一次性返回 DataFramedf_quotesqd.quotes.get(symbolssymbols,to_dataframeTrue)# 转为字典索引方便高效查表quotes_dictdf_quotes.set_index(symbol).to_dict(orientindex)arbitrage_table[]# 3. 实时计算折溢价率forpairinpairs:us_codepair[us]hk_codepair[hk]ratiopair[ratio]us_dataquotes_dict.get(us_code,{})hk_dataquotes_dict.get(hk_code,{})us_priceus_data.get(last_price,0.0)hk_pricehk_data.get(last_price,0.0)ifus_price0andhk_price0:# 港股折算为美股 ADR 的理论美金价格 (港股现价 / 汇率) * 换算比例theoretical_us_price(hk_price/usd_hkd_rate)*ratio# 折溢价率 Premium Rate (%) (美股实际现价 - 港股理论折算价) / 港股理论折算价 * 100premium_pct((us_price-theoretical_us_price)/theoretical_us_price)*100arbitrage_table.append({公司名称:pair[name],美股代码:us_code,美股现价($):us_price,港股代码:hk_code,港股现价(HK$):hk_price,港股折算美股价($):round(theoretical_us_price,3),ADR溢价率(%):round(premium_pct,2)})# 输出折溢价结果res_dfpd.DataFrame(arbitrage_table)print(\n 3. 实时 ADR 折溢价计算结果 )print(res_df.to_string(indexFalse))print(\n 4. 批量获取历史 K 线历史数据对齐 )# 官方标准批量 K 线接口支持多市场一次性获取日线或分钟线batch_symbols[BABA.US,09988.HK]dfs_klinesqd.klines.batch(batch_symbols,period1d,count3,to_dataframeTrue)forsym,df_kindfs_klines.items():print(f\n--- 标的:{sym}({df_k[name].iloc[0]ifnameindf_k.columnselse}) 最近 3 日 K 线 ---)print(df_k[[symbol,trade_date,open,close,volume]].to_string(indexFalse))if__name____main__:run_adr_arbitrage_analysis(usd_hkd_rate7.82)真实数据输出1.查询标的元数据信息代码:BABA.US 名称:阿里巴巴 交易所:US 上市日期:N/A 代码:09988.HK 名称:阿里巴巴-W 交易所:HK 上市日期:N/A 代码:JD.US 名称:京东 交易所:US 上市日期:N/A 代码:09618.HK 名称:京东-SW 交易所:HK 上市日期:N/A 代码:BILI.US 名称:哔哩哔哩 交易所:US 上市日期:N/A 代码:09626.HK 名称:哔哩哔哩-W 交易所:HK 上市日期:N/A 代码:NTES.US 名称:网易 交易所:US 上市日期:N/A 代码:09999.HK 名称:网易 交易所:HK 上市日期:N/A2.批量拉取美股港股实时 Quotes 行情3.实时 ADR 折溢价计算结果公司名称 美股代码 美股现价($)港股代码 港股现价(HK$)港股折算美股价($)ADR溢价率(%)阿里巴巴 BABA.US122.2509988.HK117.0119.6932.14京东集团 JD.US33.0109618.HK127.132.5061.55哔哩哔哩 BILI.US19.1009626.HK147.718.8871.13网易 NTES.US133.2709999.HK207.8132.8640.314.批量获取历史 K 线历史数据对齐---标的:BABA.US(阿里巴巴)最近3日 K 线---symbol trade_dateopenclose volume BABA.US2026-07-29114.71115.039066400BABA.US2026-07-30114.00116.327921300BABA.US2026-07-31120.11122.2517030456---标的:09988.HK(阿里巴巴-W)最近3日 K 线---symbol trade_dateopenclose volume09988.HK2026-07-29113.9113.69315477309988.HK2026-07-30114.0111.87432696109988.HK2026-07-31114.1117.0144668807四、 性能优化与量化进阶避坑指南 (E-E-A-T 专区)统一使用 qd.quotes.get 处理多市场行情跨市场美股/港股/A股套利监控时首选 qd.quotes.get(symbols[…])。该接口内置云端高并发加速能够一次性跨市场拉取最新价格last_price、前收盘价prev_close和涨跌幅ext.change_pct避免单个循环请求。汇率动态刷新与套利阈值USD/HKD 虽采用联系汇率制在 7.75-7.85 浮动但在计算溢价率时建议配合动态汇率。通常只有当 |ADR溢价率| (交易手续费 汇兑损耗 存托费) 时一般设定安全阈值为 0.8%~1.2%策略才触发对冲交易。K 线批量分析请认准 klines.batch进行多标的历史价差对齐与回测时请使用官方稳健接口 qd.klines.batch(symbols, period“1d”, countN)该接口原生支持 show_progressTrue 与服务器端前复权确保多标的数据对齐一致。五、 常见问题解答 (QA / FAQ)Q1: QuantDash 的 quotes.get() 接口支持同时传入美股和港股吗A: 完全支持QuantDash 云端解析器会自动识别人类友好的后缀名如 .US 与 .HK并在返回的 DataFrame 中按顺序对齐各市场的最新价、涨跌幅及成交量。Q2: 在跨市场历史回测中如何获取带复权价格的 K 线A: 使用 QuantDash 的 qd.klines.batch() 或 qd.klines.get() 时默认内置 adjust“forward”前复权-比例复权服务器端会自动应用除权因子处理配股分红避免产生价格缺口。相关资源与延伸阅读 QuantDash 官网https://quantdash.net/ 官方 Python SDK 文档https://docs.quantdash.net/⭐ GitHub 开源仓库https://github.com/quantdash-net/QuantDash (欢迎 Star / Fork) 获取免费 API Key 体验全量数据https://quantdash.net/dashboard/keys/