QMT/bigQMT 历史K线数据下载及查验教程

根据您提供的文档和截图，QMT下载历史K线数据主要有两种方式：客户端界面手动下载和 Python代码下载。以下是详细的操作教程：

方式一：客户端界面手动下载（补充数据）

这是最直观、最常用的方式，适合首次搭建数据环境或不定期补充特定数据。请结合您的图片进行操作：

第一步：打开数据管理界面

在QMT客户端左上角点击 “操作”，在下拉菜单中选择 “数据管理”
大QMT历史数据下载

*在打开的弹窗中，选择 “补充数据” 标签页
null

第二步：配置数据选项

在“补充数据”界面左侧的“数据选项”区域，选择您需要下载的市场和品种：

展开对应的交易所（如 上海证券交易所(SHSE)、深圳证券交易所(SZSE) 等）。
勾选具体的证券品种（如股票、基金、债券、指数等）。

第三步：设置数据范围与周期

在界面右侧设置需要下载的数据时间跨度和周期：

数据范围：可选择“最近1天”、“最近1月”、“最近年”或“自定义时段”。
周期选项：下拉选择所需的数据周期，例如 “1分钟数据”、“5分钟数据”、“日线数据” 等。
如果需要指定特定品种，可以在右下角的输入框中输入（如 SH.600000）。

第四步：执行下载

设置完成后，点击右下角的 “补充” 按钮，系统即开始下载数据。

** 注意事项：**

全市场一天的1分钟数据大约需要 1GB以上 的硬盘空间，建议按需下载。
建议在收盘后执行下载，以避免占用交易时段资源。
如果只需要补充当天数据，还可以在“收盘清盘”标签中操作，但能补充的数据种类较少。

方式二：Python代码批量下载（download_history_data）

如果您需要批量下载大量股票的历史数据，可以通过内置的Python代码实现。由于内置的 download_history_data 接口只接受单个字符串代码，批量下载需要对股票列表和周期列表做双层循环。

核心代码逻辑示例（参考文档）：

# coding:gbk

def init(C):
    # ========== 配置参数 ==========
    stock_list = ["000001.SZ", "600000.SH", "000002.SZ"]
    start_date = "20260901"
    end_date = "20260930"
    periods = ["1m", "5m", "1d"]

    print("=" * 50)
    print("内置Python批量下载演示（循环调用 download_history_data）")
    print("=" * 50)

    total_tasks = len(stock_list) * len(periods)
    done = 0

    for stock in stock_list:
        for period in periods:
            done += 1
            percent = done / total_tasks * 100
            print(f"[{done}/{total_tasks}] ({percent:.0f}%) "
                  f"下载 {stock} | 周期={period}")
            download_history_data(stock, period, start_date, end_date)

    print("\n全部下载指令已发出。")


def handlebar(C):
    if not C.is_last_bar():
        return

    stock_list = ["000001.SZ", "600000.SH", "000002.SZ"]
    start_date = "20260901"
    end_date = "20260930"
    periods = ["1m", "5m", "1d"]

    print("\n" + "=" * 50)
    print("批量验证下载结果")
    print("=" * 50)

    for period in periods:
        print(f"\n{'─' * 40}")
        print(f"周期: {period}")
        print(f"{'─' * 40}")

        data = C.get_market_data_ex(
            fields=["time", "open", "high", "low", "close", "volume"],
            stock_code=stock_list,
            period=period,
            start_time=start_date,
            end_time=end_date,
            count=-1,
            subscribe=False
        )

        for stock in stock_list:
            if stock in data and data[stock] is not None and not data[stock].empty:
                df = data[stock]
                print(f"  [{stock}] 条数={len(df):>6}  "
                      f"起={df.index[0]}  止={df.index[-1]}  "
                      f"收盘区间=[{df['close'].min():.2f}, "
                      f"{df['close'].max():.2f}]")
            else:
                print(f"  [{stock}] 数据为空，请确认下载是否成功")

注意：验证环节使用的 get_market_data_ex 接口的 stock_code 参数支持列表，可以一次性读取多只标的的数据。

数据查验与存储位置

所有通过QMT下载的历史行情数据，都统一存放在QMT安装目录下的 datadir 文件夹中
null

1. datadir 文件夹内部结构（按市场分层）

第一层（按市场分类）：如 SH（上交所）、SZ（深交所）、HK（港交所）等。
第二层（按数据周期分类）：以数字命名的子文件夹，直接对应数据的周期类型：
- 0：分笔数据（Tick）
- 60：1分钟K线
- 300：5分钟K线
- 86400：日线数据（86400秒 = 1天）
- 其他周期如15分钟(900)、30分钟(1800)等也遵循同样逻辑。

** 文件路径示例：**
以您之前Demo中下载的上交所股票 600000.SH 的日线数据为例，其具体存储路径为：
datadir\SH\86400\600000.DAT

2. 其他重要文件夹说明

DivData：存储除权除息（分红送配）数据，采用LevelDB数据库格式。
ED / EP / CC：系统元数据、客户端配置或缓存数据，公开资料中较少明确说明。
increase：可能存储增量数据，用于记录每日新增行情以支持增量下载和更新。
Industry：存储行业分类数据（如 IndustryData.txt）。
Sector：存储板块分类数据（如 sectorlist.DAT）。
Weight：存储权重数据（如指数成份股权重）。

3. 元数据与缓存文件

quoteTimeInfo：存储行情时间相关元信息，确保K线时间戳准确性。
TradeDateAndETFStockListCache：交易日历与ETF股票列表的缓存文件，用于加速策略加载。

** 补充说明：**
.DAT 文件是QMT专用的二进制格式，无法直接用文本编辑器打开。如果需要在策略中读取或处理这些数据，强烈建议通过 xtquant 库的API进行，而非直接操作底层文件，以避免格式兼容性问题。