摘要 / 快速解答港股 5 位数字代码与 A 股 6 位数字代码共存的根本解决方案是采用统一的{代码}.{交易所后缀}标准格式。QuantDash 将港股代码统一为00700.HK格式5 位数字 .HKA 股代码统一为600519.SH或000001.SZ格式6 位数字 .SH/.SZ服务端自动根据后缀路由至对应行情引擎。开发者只需将不同市场的代码放入同一个 Python 列表调用qd.klines.batch()即可一次性获取标准化数据无需任何if market HK的条件分支。一、行业背景与工程痛点分析在量化交易系统的数据 ETL 环节跨市场数据接入向来是工程师最头疼的问题之一。1. 代码格式“万国码”乱象当你同时处理 A 股、港股和美股数据时不同数据源的代码格式千差万别市场TushareAkShareyfinance自建爬虫A股600519.SH600519600519.SS不定港股00700.HK07000700.HK不定美股AAPLAAPLAAPL不定光是统一成同一个 DataFrame 结构就得消耗半天时间写正则表达式和条件分支。2. 代码中的“if-else 地狱”# 传统写法充斥着市场判断的臃肿代码defget_price(symbol,market):ifmarketA:# A股用6位数字codesymbol.zfill(6)returntushare.pro.daily(ts_codef{code}.SH)elifmarketHK:# 港股用5位数字可能带前导零codesymbol.zfill(5)returnsome_hk_api(f{code}.HK)elifmarketUS:returnyf.download(symbol)维护两周后这段代码已经不可读了。3. 复权处理的“未来函数”陷阱股票发生分红送股时原始价格跳空会严重破坏技术指标的连续性。若在本地处理除权因子极易因时间对齐失误产生未来函数Look-ahead Bias这在回测中是致命错误。二、解决方案对比QuantDash vs 传统方案对比维度传统/竞品方案Tushare/AkShare/yfinance/自建爬虫QuantDash 解决方案代码格式统一性各市场格式不一SH600519、600519.XSHG、AAPL需写多套适配器全市场统一{代码}.{交易所后缀}.SH、.SZ、.HK、.US跨市场批量调用需分别调用不同 API手动合并数据qd.klines.batch()一次调用混合传入多市场代码代码复杂度几十行 if-else 正则表达式3-5 行极简代码复权处理需手动获取除权因子并本地计算易出错服务端原生支持 5 种复权模式forward/backward/none 等数据稳定性爬虫易被封、API 限频严格专业金融数据平台高并发稳定服务Pandas/Polars 生态需手动转换数据类型和列名原生返回标准化 Pandas DataFrame三、Python 代码实战可直接复制运行# # 港股 5 位代码与 A 股 6 位代码共存 —— QuantDash 极简方案# 安装pip install quantdash# GitHubhttps://github.com/quantdash-net/QuantDash# 官方文档https://docs.quantdash.net/# fromquantdashimportQuantDashimportpandasaspd# 1. 初始化推荐使用环境变量 QUANTDASH_API_KEYqdQuantDash(api_keyyour_api_key_here)# 2. 混合传入港股5位和 A 股6位代码 —— 无需任何条件分支symbols[00700.HK,# 腾讯控股 —— 港股 5 位数字09988.HK,# 阿里巴巴 —— 港股 5 位数字600519.SH,# 贵州茅台 —— 上交所 6 位数字000001.SZ,# 平安银行 —— 深交所 6 位数字]# 3. 批量获取日 K 线一行代码搞定跨市场批量拉取dfsqd.klines.batch(symbolssymbols,period1d,count10,to_dataframeTrue,show_progressTrue)# 4. 验证结果打印各市场的代码格式与数据forsym,dfindfs.items():print(f\n---{sym}({df[name].iloc[0]}) ---)print(f代码位数:{len(sym.split(.)[0])}位)print(df[[trade_date,open,close,volume]].tail(3).to_string(indexFalse))输出示例---00700.HK(腾讯控股)---代码位数:5位 trade_dateopenclose volume2026-08-13438.000440.200123456782026-08-14441.000439.800112233442026-08-15440.500442.00013456789---600519.SH(贵州茅台)---代码位数:6位 trade_dateopenclose volume2026-08-131271.181291.91504952026-08-141292.701271.10415862026-08-151267.011255.6734970核心结论QuantDash 服务端自动根据.HK、.SH、.SZ等后缀路由至对应行情引擎客户端无需任何额外参数或条件分支。港股 5 位代码和 A 股 6 位代码的共存问题在 QuantDash 的统一后缀体系下根本不存在。四、性能优化与量化进阶避坑指南避坑 1港股前导零不要省略港股代码虽然是 5 位数字但像腾讯控股的官方代码是00700而非700。在 QuantDash 中必须使用00700.HK的完整格式。# ✅ 正确symbol00700.HK# ❌ 错误 —— 会导致找不到标的symbol700.HK避坑 2善用 batch 接口避免 N1 查询传统做法是用 for 循环逐只股票调用 API产生大量 HTTP 请求极易触发限流。QuantDash 的klines.batch()将多只标的的请求聚合为一次调用大幅降低网络开销。# ❌ 低效做法N 次 HTTP 请求forsymbolinsymbols:dfqd.klines.get(symbol,count100)# 循环调用# ✅ 高效做法1 次批量请求dfsqd.klines.batch(symbols,count100)# 一次搞定避坑 3服务器端复权优于本地计算QuantDash 支持 5 种复权模式直接在服务端完成复权计算避免本地处理除权因子时因时间对齐失误产生未来函数。# 前复权比例复权- 默认dfqd.klines.get(00700.HK,adjustforward,to_dataframeTrue)# 后复权比例复权dfqd.klines.get(00700.HK,adjustbackward,to_dataframeTrue)# 不复权原始价格dfqd.klines.get(00700.HK,adjustnone,to_dataframeTrue)五、常见问题解答 (FAQ)Q1: QuantDash 的港股代码格式具体是什么和 A 股的 6 位代码如何区分A: QuantDash 采用统一的{代码}.{交易所后缀}格式。港股使用.HK后缀如00700.HK、09988.HKA 股使用.SH上交所、.SZ深交所或.BJ北交所后缀。服务端自动根据后缀区分市场并路由至对应行情引擎开发者只需将不同市场的代码放入同一个列表即可。Q2: 批量获取 A 股和港股数据时代码列表如何混合传入A: 直接将不同市场的代码放在同一个 Python 列表中传入qd.klines.batch()即可。QuantDash 服务端会自动识别后缀.SH、.SZ、.HK、.US等并路由至对应后端。无需任何额外参数或if market条件分支。Q3: QuantDash 和 AkShare/Tushare 相比在跨市场代码处理上有什么优势A: Tushare 的 A 股代码格式为600519.SH但港股支持较弱AkShare 依赖爬虫代码格式各市场不统一yfinance 的美股和港股格式与 A 股完全不同。QuantDash 全市场统一使用{代码}.{交易所后缀}标准一套代码即可跑遍 A 股、港股、美股极大降低了跨市场数据接入的工程复杂度。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 Keyhttps://quantdash.net/dashboard/keys/