3. 行情数据源与 API：高频交易的数据管道

在高频交易沙盘推演中，行情数据的质量与获取速度直接决定了回测结果的真实性与策略的可行性。本章将系统梳理常见行情数据源、两种主流 API 的适用场景，以及 API 密钥的安全管理规范。

3.1 常见行情数据源

高频行情数据源主要分为两类：交易所直连与数据供应商。两者在延迟、成本、数据深度和合规性上存在显著差异。

3.2 REST API 与 WebSocket API 对比

两种 API 是获取行情数据的核心手段，其设计哲学与适用场景截然不同。

• REST API（请求-响应模式）
  • 客户端发起 HTTP 请求，服务端返回完整数据。
  • 适合获取历史数据、快照数据、非实时查询。
  • 缺点：高频轮询会产生大量冗余请求，延迟较高。
• WebSocket API（发布-订阅模式）
  • 客户端建立长连接，服务端主动推送增量数据。
  • 适合实时行情、订单簿增量、成交明细。
  • 优点：低延迟、带宽利用率高、实时性强。

以下是一个典型的 WebSocket 订阅行情示例（以 Binance 为例）：

import asyncio
import websockets
import json

async def subscribe_depth(symbol="btcusdt"):
    uri = "wss://stream.binance.com:9443/ws"
    async with websockets.connect(uri) as ws:
        # 订阅深度流
        subscribe_msg = {
            "method": "SUBSCRIBE",
            "params": [f"{symbol}@depth20@100ms"],
            "id": 1
        }
        await ws.send(json.dumps(subscribe_msg))
        # 持续接收推送
        while True:
            data = await ws.recv()
            # 处理行情数据
            print(data[:200])  # 截取前200字符示意

asyncio.run(subscribe_depth())

3.3 API 密钥管理与安全

高频交易中，API 密钥是连接策略与市场的“数字钥匙”，一旦泄露将导致不可逆的资产损失。以下是最小化风险的安全规范：

1. 权限最小化：仅授予交易所需的权限（如只读行情、仅限特定交易对），禁用提现、转账等高风险权限。
2. IP 白名单：将 API 密钥绑定到固定的服务器 IP，拒绝来自其他地址的请求。
3. 密钥轮换：定期更换密钥（建议每 30 天），并在泄露时立即吊销。
4. 环境变量存储：禁止在代码中硬编码密钥，使用环境变量或密钥管理服务（如 HashiCorp Vault）。
5. 请求签名：所有交易请求必须使用 HMAC-SHA256 签名，防止重放攻击。

以下是一个安全的密钥加载与签名示例：

import os
import hmac
import hashlib
import requests
from dotenv import load_dotenv

load_dotenv()

API_KEY = os.getenv("BINANCE_API_KEY")
SECRET_KEY = os.getenv("BINANCE_SECRET_KEY")

def signed_request(params):
    query_string = "&".join([f"{k}={v}" for k, v in params.items()])
    signature = hmac.new(
        SECRET_KEY.encode(),
        query_string.encode(),
        hashlib.sha256
    ).hexdigest()
    params["signature"] = signature
    headers = {"X-MBX-APIKEY": API_KEY}
    return requests.get("https://api.binance.com/api/v3/account", headers=headers, params=params)

3.4 行情数据获取架构总览

下图展示了从数据源到沙盘推演引擎的完整数据流，帮助理解各组件之间的协作关系。

3.5 数据源选择决策流程

在实际项目中，选择合适的数据源需要根据推演阶段进行决策。以下流程图可以帮助快速定位：