作为一个入市多年、踩过不少坑的普通散户，前两年全凭感觉买股票，要么追高被套在山顶，要么错过最佳卖点拍大腿，折腾大半年没找到合适的操作节奏，还耗费了大量时间和精力。后来偶然接触到量化交易，才彻底明白：“用数据说话、用规则约束”，才是降低风险、提升操作效率的关键——但一开始就被“量化门槛高”“API 收费贵”这两个难题劝退，直到偶然发现这个免费股票 API，才算真正迈出了量化入门的第一步，今天就把这份实测可行的经验，毫无保留分享给和我当初一样迷茫的新手。
先跟大家说句实在话：新手做量化，真的不用一开始就追求复杂的机器学习模型，也不用花大价钱买付费 API。免费版就足够我们完成基础的策略搭建、实时数据接入和历史回测，等后续有了更高需求（比如做高频交易、需要 Level2 深度数据），再考虑升级付费版也不迟，这也是我实测下来，最省钱、最高效的量化入门路径。
今天不聊虚的，纯个人实操经验拆解，下面教大家使用这款免费股票 API，搭建一个简单易上手、适合新手的量化交易策略，全程避开我踩过的各种坑，保证接地气、可落地。
一、接入实时数据
量化交易的核心逻辑是什么？其实很简单：实时获取市场数据 → 根据预设的策略逻辑判断 → 触发对应的交易信号，其中“实时数据接入”是最基础、也最关键的一步——如果数据延迟太高，策略判断就会失真，甚至可能导致不必要的亏损。而 iTick 的免费 API，支持 RESTful API 和 WebSocket 两种推送方式，实时延迟非常低（主要市场延迟<100ms），完全能满足非超高频策略的使用需求，新手也能轻松驾驭。
我全程用的是 Python（新手首选编程语言，语法简单、网上资料多，遇到问题能快速找到解决方案），下面直接上实测可用的代码，大家复制粘贴后，替换成自己的 API Token，就能直接运行，轻松获取实时股票数据，每一步我都标了详细注释，看不懂的地方慢慢看，不用怕。
首先，需要安装两个必要的库（打开电脑终端，输入对应命令即可）：pip install requests websocket-client，这两个都是 Python 常用库，用于调用 API、接收实时数据，安装过程不会出错，新手放心操作。
1. 用 RESTful API 获取实时报价
import requests
# 替换成你自己的iTick API Token
api_token = "你的API Token"
# 设定要获取的股票（以A股贵州茅台为例，代码格式：区域.代码，SH=上交所，SZ=深交所）
url = "https://api.itick.org/stock/quote?region=SH&code=600519"
# 请求头，必须带上Token，否则会调用失败、报错
headers = {"accept": "application/json", "token": api_token}
# 发送请求，获取股票实时数据
response = requests.get(url, headers=headers)
# 解析数据，转换成JSON格式，方便后续查看和使用
data = response.json()
# 打印获取到的实时数据（重点看这几个关键信息，新手可直接参考）
print("股票名称：", data["s"])
print("实时价格：", data["ld"])
print("实时成交量：", data["v"])
print("实时涨跌幅：", data["chp"])
实测效果跟大家说一下：运行代码后，能瞬间获取到茅台的实时价格、成交量、涨跌幅，延迟非常低，和我们平时用的股票软件上的价格基本同步。新手建议先从单个股票入手，熟悉数据格式和调用流程，再慢慢扩展到多只股票，循序渐进更稳妥。
2. 用 WebSocket 订阅实时行情
如果我们的策略需要持续监控多只股票的实时走势（比如同时监控茅台、宁德时代、比亚迪），用 WebSocket 就更合适了，它能实现“实时推送”功能，不用反复发送请求，操作效率更高，也更节省时间。
import websocket
import json
# 替换成你自己的iTick API Token
api_token = "你的API Token"
# 定义消息接收函数，实时接收平台推送的行情数据
def on_message(ws, message):
# 解析推送的数据，转换成可查看的格式
data = json.loads(message)
# 打印实时行情（可根据自己的需求修改，比如只打印涨跌幅超过1%的股票）
print(f"股票：{data['s']} | 实时价格：{data['ld']} | 涨跌幅：{data['chp']}%")
# 定义连接函数，建立WebSocket连接（不用修改，复制即可）
def on_open(ws):
# 订阅多只股票的实时行情（这里以茅台、宁德时代、比亚迪为例，可自行修改）
subscribe_msg = {
"action": "subscribe",
"types": "quote",
"params": "SH$600519,SZ$300750,SZ$002594",
}
# 发送订阅请求，完成多只股票实时行情订阅
ws.send(json.dumps(subscribe_msg))
# 建立WebSocket连接，固定格式，不用修改
ws = websocket.WebSocketApp("wss://api.itick.org/stock",
on_open=on_open,
on_message=on_message)
# 持续运行，实时接收行情数据（关闭终端即可停止）
ws.run_forever()
二、实战搭建交易策略
成功接入实时数据后，就可以正式搭建量化交易策略了。新手建议从“双均线策略”入手，这个策略逻辑简单、容易理解、风险可控，也是很多资深量化交易者入门时首选的策略，结合 iTick 的实时数据和历史数据，就能快速实现，不用复杂的编程基础。
先跟大家简单拆解下双均线策略的核心逻辑（不用记复杂公式，理解意思就行，新手也能听懂）：
选取两条均线——短期均线（比如 20 日均线）和长期均线（比如 60 日均线），通过两条均线的“交叉”情况，来判断交易信号：
- ① 短期均线上穿长期均线（行业内叫“金叉”），说明股票趋势向好，触发“买入”信号；
- ② 短期均线下穿长期均线（行业内叫“死叉”），说明股票趋势走坏，触发“卖出”信号。
结合 iTick 获取的实时数据，让程序自动判断信号，避免我们被主观情绪干扰——这也是量化交易的核心优势：理性、纪律性强，不会追涨杀跌，也不会因为贪心或恐慌做出错误决策。
策略搭建步骤
- 获取历史数据：获取某只股票的历史 K 线数据（比如近 3 年的日线数据），用来回测策略——回测非常重要，能帮我们验证这个策略在过去的行情中是否有效，避免盲目实盘操作，新手一定要重视；
- 计算均线：用 Python 的 talib 库（专门用于股票技术分析的库，新手直接用即可），计算出短期均线（MA20）和长期均线（MA60）；
- 生成交易信号：根据两条均线的交叉情况，自动生成买入、卖出信号，不用手动判断；
- 接入实时数据：用前面讲的 WebSocket 方法，实时监控股票走势，当触发买入或卖出信号时，及时发出提醒（新手建议先只开启提醒功能，不直接自动交易，避免操作失误）。
完整实战代码
import requests
import websocket
import json
import talib
import pandas as pd
# ---------------------- 第一步：获取历史K线数据（用于回测策略，验证策略有效性）----------------------
api_token = "你的API Token"
# 获取茅台近1000条日线数据（limit=100 可自行修改，kType="8"表示日线，固定格式）
url = "https://api.itick.org/stock/ ?region=SH&code=600519&kType=8&limit=100"
headers = {"accept": "application/json", "token": api_token}
response = requests.get(url, headers=headers)
history_data = response.json()
# 转换数据格式，方便后续计算均线（新手不用修改这部分代码）
df = pd.DataFrame(history_data["data"], columns=["date", "open", "high", "low", "close", "volume"])
# 将价格数据转换为数值类型，避免计算时出错
df[["open", "high", "low", "close", "volume"]] = df[["open", "high", "low", "close", "volume"]].astype(float)
# 计算20日均线（短期）和60日均线（长期），新手可修改timeperiod调整均线周期
df["MA20"] = talib.SMA(df["close"], timeperiod=20)
df["MA60"] = talib.SMA(df["close"], timeperiod=60)
# ---------------------- 第二步：生成交易信号（金叉买入，死叉卖出，自动判断）----------------------
# 初始化交易信号（0表示无信号，1表示买入，-1表示卖出，固定设定）
df["signal"] = 0
# 金叉：短期均线上穿长期均线，且前一天短期均线低于长期均线（触发买入）
df.loc[(df["MA20"] > df["MA60"]) & (df["MA20"].shift(1) < df["MA60"].shift(1)), "signal"] = 1
# 死叉：短期均线下穿长期均线，且前一天短期均线高于长期均线（触发卖出）
df.loc[(df["MA20"] < df["MA60"]) & (df["MA20"].shift(1) > df["MA60"].shift(1)), "signal"] = -1
# 打印回测结果（查看过去的交易信号是否有效，新手重点参考这部分）
print("历史交易信号汇总（仅显示有信号的日期）：")
print(df[df["signal"] != 0][["date", "close", "MA20", "MA60", "signal"]])
# ---------------------- 第三步：接入实时数据，监控交易信号（新手仅开启提醒，不自动交易）----------------------
def on_message(ws, message):
data = json.loads(message)
# 获取实时收盘价、当前日期，用于判断信号
current_close = data["price"]
current_date = data["date"]
# 模拟实时计算均线（这里简化处理，实际可结合历史数据实时更新，新手不用修改）
# 重点：当实时价格触发金叉/死叉时，打印提醒，新手手动执行交易更稳妥
# （重要提醒：本文仅为经验分享，不构成投资建议，实盘操作需谨慎）
if df["MA20"].iloc[-1] > df["MA60"].iloc[-1] and df["MA20"].iloc[-2] < df["MA60"].iloc[-2]:
print(f"【买入提醒】{current_date} | {data['name']} 触发金叉，实时价格：{current_close}")
elif df["MA20"].iloc[-1] < df["MA60"].iloc[-1] and df["MA20"].iloc[-2] > df["MA60"].iloc[-2]:
print(f"【卖出提醒】{current_date} | {data['name']} 触发死叉，实时价格：{current_close}")
def on_open(ws):
subscribe_msg = {
"action": "subscribe",
"token": api_token,
"symbols": ["SH.600519"] # 监控茅台的实时行情，可自行修改成其他股票代码
}
ws.send(json.dumps(subscribe_msg))
# 启动实时监控，关闭终端即可停止
ws = websocket.WebSocketApp("wss://api.itick.org/stock", on_open=on_open, on_message=on_message)
ws.run_forever()
三、总结
不知不觉写了这么多，其实总结下来就一句话：新手入门量化交易，不用怕技术复杂，不用怕成本太高，用免费股票 API，从最简单的双均线策略入手，先搞定实时数据接入，再慢慢优化策略、熟悉模拟实盘，一步一个脚印，比盲目跟风、凭感觉交易靠谱太多。
我自己就是这样过来的，从一开始连 API 是什么都不知道，到现在能熟练搭建简单的量化策略，实时监控多只股票的行情，虽然没有赚到大钱，但至少避开了以前的主观交易坑，交易心态也平稳了很多——其实量化交易的核心，从来不是“战胜市场”，而是“理解市场”，用纪律性约束自己的交易行为，克服贪心和恐慌，这也是我一直坚持的交易理念。
温馨提示：本文仅供代码参考，不构成任何投资建议。市场有风险，投资需谨慎
参考文档：https://blog.itick.org/stock-api/global-stock-market-realtime-quotes-for-quantitative-trading
GitHub：https://github.com/itick-org/
