Loading [MathJax]/jax/output/CommonHTML/config.js
前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
社区首页 >专栏 >讯投 QMT 使用小技巧:判断当前时段是交易/非交易/竞价/盘后等时间段

讯投 QMT 使用小技巧:判断当前时段是交易/非交易/竞价/盘后等时间段

作者头像
WTSolutions
发布于 2025-04-04 01:38:03
发布于 2025-04-04 01:38:03
8300
代码可运行
举报
文章被收录于专栏:WTSolutionsWTSolutions
运行总次数:0
代码可运行

A股的交易时间段

A股的交易时段分为开盘集合竞价、连续竞价(早盘、午盘)和收盘集合竞价三个阶段,具体时间如下:

1. 交易日安排

  • 周一至周五(法定节假日除外)
  • 不交易:周末(周六、周日)和法定节假日(如春节、国庆节等)。

2. 交易时段明细

时段

时间

备注

开盘集合竞价

9:15 - 9:25

- 9:15-9:20:可申报或撤单。- 9:20-9:25:可申报,不可撤单。

早盘连续竞价

9:30 - 11:30

正常交易时段,可自由买卖。

午间休市

11:30 - 13:00

不接受委托,未成交的订单仍有效。

午盘连续竞价

13:00 - 14:57

正常交易时段。

收盘集合竞价

14:57 - 15:00

可申报,不可撤单,以最大成交量撮合收盘价。


3. 其他规则

  • 科创板(688开头) & 创业板(300开头)
    • 新增盘后固定价格交易(15:05-15:30),按当日收盘价成交(需手动挂单)。
  • 大宗交易
    • 通常为15:00-15:30,需满足最低交易数量或金额门槛。

注意事项

  • 非交易时段(如夜间)的委托单会被暂存,次日9:15进入系统。
  • 集合竞价的成交价格遵循“最大成交量”原则,所有交易按同一价格成交。

QMT中的函数判断

以下是一个 Python 函数,用于判断当前时间属于 A 股的哪个交易时段(包括科创板和创业板的盘后交易),如果不是交易时段则返回 “非交易时段”

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
import datetime

def get_a_share_trading_period():
    now = datetime.datetime.now()
    current_time = now.time()
    weekday = now.weekday()  # 0-4 是周一到周五

    # 检查是否为交易日(周一至周五,非节假日)
    if weekday >= 5:  # 周六、周日
        return "非交易时段(周末休市)"

    # 定义交易时段
    trading_periods = [
        {"name": "开盘集合竞价", "start": "09:15:00", "end": "09:25:00", "can_cancel": True},
        {"name": "早盘连续竞价", "start": "09:30:00", "end": "11:30:00", "can_cancel": True},
        {"name": "午间休市", "start": "11:30:00", "end": "13:00:00", "can_cancel": False},
        {"name": "午盘连续竞价", "start": "13:00:00", "end": "14:57:00", "can_cancel": True},
        {"name": "收盘集合竞价", "start": "14:57:00", "end": "15:00:00", "can_cancel": False},
    ]

    # 科创板和创业板的盘后交易(15:05-15:30)
    kechuang_cyb_period = {"name": "科创/创业板盘后交易", "start": "15:05:00", "end": "15:30:00", "can_cancel": False}

    # 检查当前是否在交易时段
    for period in trading_periods:
        start_time = datetime.datetime.strptime(period["start"], "%H:%M:%S").time()
        end_time = datetime.datetime.strptime(period["end"], "%H:%M:%S").time()
        if start_time <= current_time <= end_time:
            return f"{period['name']}(可撤单: {'是' if period['can_cancel'] else '否'})"

    # 检查是否在科创/创业板盘后交易时段
    kechuang_start = datetime.datetime.strptime(kechuang_cyb_period["start"], "%H:%M:%S").time()
    kechuang_end = datetime.datetime.strptime(kechuang_cyb_period["end"], "%H:%M:%S").time()
    if kechuang_start <= current_time <= kechuang_end:
        return f"{kechuang_cyb_period['name']}(按收盘价交易,不可撤单)"

    # 不在任何交易时段
    return "非交易时段"

# 测试
print(get_a_share_trading_period())
输出示例
  • 如果当前时间是 09:20:00,返回: 开盘集合竞价(可撤单: 是)
  • 如果当前时间是 12:30:00,返回: 午间休市(可撤单: 否)
  • 如果当前时间是 15:15:00,返回: 科创/创业板盘后交易(按收盘价交易,不可撤单)
  • 如果当前时间是 16:00:00 或周末,返回: 非交易时段
功能说明
  1. 判断交易日:仅周一到周五有效,周末返回非交易时段。
  2. 标准交易时段:包括集合竞价、连续竞价和收盘竞价。
  3. 科创/创业板盘后交易:15:05-15:30 额外判断。
  4. 撤单规则:集合竞价部分时段不可撤单(如 9:20-9:25)。

如果需要进一步扩展(如节假日判断),当天是不是交易日,请阅读我们提供的另外一个讯投qmt使用小技巧: 如何判断今天是不是交易日 https://invest.wtsolutions.cn/posts/qmt-is-today-a-trading-day

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2025-04-02,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
金融数据分析与挖掘具体实现方法 -1
关于投资的几个类别,一般我们将天使、VC、PE三个部分统称为私募(Private Equity),指的是没有在证券交易所公开上市交易的资产。
汪凡
2019/03/01
1.5K0
金融数据分析与挖掘具体实现方法 -1
机器学习+T0双核驱动:夏普高达4.5的中高频交易策略!
机器学习是为了预测某个值而利用算法来学习数据中模式的科学。利用足够的数据,在所有输入变量与待预测值之间建立映射。在有限的输入变量的情况下,系统更容易预测一个新的值。这种方法不同于传统,传统方法是基于先前设臵的规则开发的,而机器学习模型是使用数据驱动的。
量化投资与机器学习微信公众号
2020/01/16
3.2K0
机器学习+T0双核驱动:夏普高达4.5的中高频交易策略!
用Python绘制专业的K线图【含源代码】
使用Python绘制一幅专业的K线图,是量化投资和金融数据分析的必备功课。下面我将从K线图简介、数据获取、K线图绘制及成交量绘制等方面,结合源代码,一步步实现专业K线图的绘制。
算法爱好者
2021/10/25
6.4K1
用Python绘制专业的K线图【含源代码】
Zipline 3.0 中文文档(三)
此版本更新了 Zipline,使其与 Python >= 3.7 以及当前版本的 Pandas、scikit-learn 等相关的 PyData 库兼容。
ApacheCN_飞龙
2024/05/16
8100
BackTrader 中文文档(一)
backtrader允许您专注于编写可重复使用的交易策略、指标和分析器,而不必花时间构建基础设施。
ApacheCN_飞龙
2024/05/24
1.1K0
BackTrader 中文文档(一)
用Python做了一个 "盯盘机器人",股票价格实时监控,还能邮件通知你!
Python凭借其开发效率高和功能强大的特性,在众多编程语言中脱颖而出,成为大数据时代的分析利器。
快学Python
2021/09/07
9.7K0
【必看】机器学习应用量化投资必须要踩的那些坑(系列55)
前四期传送门: 【系列54】因子的有效性分析基于7种机器学习算法 【系列53】基于XGBoost的量化金融实战 【系列52】基于Python预测股价的那些人那些坑 【系列51】通过ML、Time Series模型学习股价行为 今天,继续我们的机器学习应用量化投资系列。本期我们介绍一篇杨勇团队撰写的研究报告。希望大家在写策略注意这些问题。 前言 从高频到低频 机器学习在高频量化策略上应用更加容易。 从线性到非线性 机器学习下的非线性比线性更能榨取数据的价值,但也更容易过度拟合,因此需要合理使用。 从单次分析
量化投资与机器学习微信公众号
2018/05/25
1.5K0
BackTrader 中文文档(十六)
砖形图是一种以价格比时间更重要的方式展示价格演变的方法。这已经在backtrader的1.9.54.122版本中作为过滤器引入了。
ApacheCN_飞龙
2024/05/24
3040
BackTrader 中文文档(十六)
[股票预测]股票历史数据获取[通俗易懂]
通过参数设置获取日k线、周k线、月k线,以及5分钟、15分钟、30分钟和60分钟k线数据。本接口只能获取近3年的日线数据,适合搭配均线数据进行选股和分析。
全栈程序员站长
2022/09/12
1.5K0
[股票预测]股票历史数据获取[通俗易懂]
量化分析经典策略总结
菲阿里四价同 R Breaker 一样,也是一种 日内 策略交易,适合短线投资者。
EmoryHuang
2022/10/31
2.5K0
用Python分析苹果公司股价数据
作者:酱油哥,清华程序猿、IT非主流 专栏地址: https://zhuanlan.zhihu.com/c_147297848 要点抢先看 1.csv数据的读取 2.利用常用函数获取均值、中位数、方差、标准差等统计量 3.利用常用函数分析价格的加权均值、收益率、年化波动率等常用指标 4.处理数据中的日期 我们最后会介绍一下NumPy库中的一些非常实用和常用的函数方法。 要知道,NumPy的常用数学和统计分析的函数非常多,如果我们一个一个的分散来讲,一来非常枯燥,二来呢也记不住,就仿佛又回到了昏昏欲睡的
小莹莹
2018/04/18
1.2K0
用Python分析苹果公司股价数据
海量数据,3行Python代码直接获取!
昨天写了一个分析世界城市生活成本的文章,后台有朋友说,整篇文章没有 Python 产生任何关系,在这里萝卜哥表示抱歉,后面会更加注意文章的标题与内容的结合,后台回复“成本”,就可以获取相关的代码,感兴趣的小伙伴可以自取!
周萝卜
2021/01/12
6400
海量数据,3行Python代码直接获取!
AKShare-指数数据-股票指数分时数据
本次更新中国股票指数的分时行情数据,相较于之前的接口,本接口可以获取1、5、15、30、60等分钟级别的数据,但是该接口只能返回近期的数据,并且只需要传入指数代码就可以获取数据。
数据科学实战
2022/03/15
1.1K0
AKShare-指数数据-股票指数分时数据
实战:基于技术分析的Python算法交易
本文是用 Python 做交易策略回测系列文章的第四篇。上个部分介绍了以下几个方面内容:
AI科技大本营
2019/11/14
1.7K0
实战:基于技术分析的Python算法交易
迅投QMT自带策略-双均线实盘示例PY策略-解读
这个代码实现了一个基于双均线策略的量化交易系统,通过计算快慢均线的交叉点来判断买入和卖出的时机,并在满足条件时执行相应的交易操作。代码中还包含了委托管理、时间过滤、历史K线过滤等功能,以确保交易的准确性和安全性。
WTSolutions
2025/03/06
1170
BackTrader 中文文档(十三)
发布1.9.42.116版本添加了对交易日历的支持。在例如以下情况下重采样时,这很有用:
ApacheCN_飞龙
2024/05/24
4500
BackTrader 中文文档(十三)
智能量化交易第一步 | 利用Python获取金融数据 | Tushare使用示例
机器学习等方法基本都是数据驱动的,数据获取是开始的第一步,量化交易也不例外,做量化投资的第一步就是如何获取金融数据,这里给大家推荐一款很不错的工具TuShare,并且基于Python语言做一些简单的示例实现。
用户7623498
2020/08/04
2.4K0
智能量化交易第一步 | 利用Python获取金融数据 | Tushare使用示例
Zipline 3.0 中文文档(二)
交易日历代表单个市场交易所的时间信息。时间信息由两部分组成:时段和开/闭市时间。这由 Zipline 的TradingCalendar类表示,并作为所有新的TradingCalendar类的父类。
ApacheCN_飞龙
2024/05/16
2880
机器学习与情绪交易(附代码)
如果一个结合了不同情绪信号的机器学习模型可以创建一种有利可图的策略会是怎么样呢?
量化投资与机器学习微信公众号
2020/09/03
1.7K0
机器学习与情绪交易(附代码)
重叠时间段问题优化算法详解
这是一个实际业务需求中的问题。某一直播业务表中记录了如下格式的用户进出直播间日志数据:
用户1148526
2019/08/29
5.8K0
相关推荐
金融数据分析与挖掘具体实现方法 -1
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档
本文部分代码块支持一键运行,欢迎体验
本文部分代码块支持一键运行,欢迎体验