.png)
次方量化 数据API
专注 ETF、LOF 基金行情数据接口，覆盖 2000+ 场内基金，行情同时提供 IOPV，可直接计算折溢价率， 支持批量查询与量化优化复权处理，适用于策略研究、历史回测、因子计算与程序化交易接入。
数据接口特色能力
面向量化场景设计的数据能力，兼顾可用性、效率与研究一致性。
覆盖 2000 多支场内 ETF、LOF 基金，满足行业轮动、资产配置和多标的横向研究需求。
历史日线、分钟线行情均附带 IOPV（基金净值估算）和成交额，用 (价格 ÷ IOPV − 1) 即可直接算出溢价率，用于 ETF 折溢价监控、套利机会筛选与择时研究，无需再对接第二个数据源。
提供历史分钟级K线，以及“每个交易日截至固定时点”的累计行情，方便横向对比每天 14:00 等同一时点的价位与溢价水平（SVIP 专享）。
采用等比复权处理，保证股票涨幅与实际涨幅吻合，减少手工预处理成本，提升回测与策略分析一致性。
单次请求支持多代码批量拉取历史行情，适合因子计算、参数寻优与批量回测任务。
VIP 会员可免费使用历史日线、实时行情等数据接口；历史分钟线、每日固定时点累计行情为 SVIP 会员专享，获取稳定数据源并直接接入本地策略程序。
对比优势
相比通用数据方案，次方量化数据 API 在 LOF 覆盖、复权质量与可用性方面更适合 ETF/LOF 策略开发。
| 方案 | 支持范围 | 复权处理 | 溢价率 | 稳定性与限制 |
|---|---|---|---|---|
| 次方量化数据 API | ETF + LOF（2000+） | 等比复权，分红再投资 | 支持 | 支持批量查询，VIP 会员免费（分钟线为 SVIP 专享） |
| TuShare | 只支持 ETF，不支持 LOF | 需自行处理计算复权价格 | 不支持 | 需额外开发与维护 |
| AKShare | 覆盖能力有限 | 复权价格非等比复权 | 不支持 | 限制频次，存在封 IP 风险 |
适用场景
这套接口不仅能用于基础行情拉取，也适合完整的策略研发与部署流程。
快速拉取 ETF/LOF 历史行情，在本地回测框架中进行动量、轮动、均值回归等策略研究。
以统一数据结构接入交易脚本，降低数据清洗和字段映射工作量，加快策略上线前验证。
支持批量拉取多标的时序数据，便于做横截面比较、风险因子计算与组合监控。
使用方式与调用示例
通过 HTTP 协议调用，简单快速。创建 API Key 后，在请求头中携带 x-api-key 即可访问接口。
cURL 示例：
curl -X GET "https://www.cifangquant.com/api/fund/hist_em?symbol=510300,161226&start_date=2025-01-01&end_date=2025-03-31&adjust=qfq" \ -H "x-api-key: YOUR_API_KEY"
Python 调用示例：
import requests
url = "https://www.cifangquant.com/api/fund/hist_em"
params = {
"symbol": "510300,161226",
"start_date": "2025-01-01",
"end_date": "2025-03-31",
"adjust": "qfq",
}
headers = {
"x-api-key": "YOUR_API_KEY",
}
resp = requests.get(url, params=params, headers=headers, timeout=10)
resp.raise_for_status()
print(resp.json())用 IOPV 计算溢价率（每行依次为日期、开、收、高、低、涨跌幅、成交量、成交额、IOPV）：
rows = resp.json()["data"]["510300"]
for row in rows:
date, close, iopv = row[0], row[2], row[8]
if iopv: # 无 IOPV 时为 null
print(date, f"溢价率 {(close / iopv - 1) * 100:.2f}%")常见问题
1. 接口适用于哪些用户？
2. 为什么复权处理对策略很重要？
3. 如何用 IOPV 计算溢价率？
4. 如何快速开始接入？
立即接入次方量化数据API
获取稳定、可扩展的 ETF / LOF 数据服务，减少数据清洗和复权处理成本，把更多精力放在策略研究本身。