2. 数据源选择与API接入：主流数据提供商介绍与基础连接

做外汇量化交易，第一步就是搞定数据。没有数据，策略就是空中楼阁。

我个人习惯把数据源分成两类：一类是免费的，适合回测和研究；另一类是付费的，适合实盘。今天咱们先聊三个主流的数据提供商——Dukascopy、TrueFX、FXCM。它们各有各的脾气，我一个个说。

2.1 三大数据提供商对比

先看一张对比表，心里有个底：

提供商	数据特点	接入方式	费用	我的评价
Dukascopy	Tick级数据，历史数据全	JForex API / REST	免费（需注册）	回测首选，数据质量高
TrueFX	实时Tick数据，延迟低	FIX / REST	免费（需注册）	实盘参考，但历史数据有限
FXCM	报价数据，适合零售交易	REST API / FIX	免费（需注册）	适合小资金，数据颗粒度一般

嗯，这里要注意：Dukascopy的数据我用了好几年，它的Tick数据时间戳精确到毫秒，而且历史数据能追溯到2003年。我在做高频策略回测时，基本都靠它。

2.2 Dukascopy：回测数据的黄金标准

Dukascopy提供的是JForex平台的数据。它的API有两种方式：一种是JForex API（Java），另一种是REST API（HTTP）。

我个人更推荐REST方式，因为Python直接就能调，省事。

API密钥申请步骤：

1. 访问 www.dukascopy.com，注册一个真实账户（免费）
2. 登录后进入「API」菜单，申请API密钥
3. 你会得到一个 client_id 和 client_secret
4. 注意：密钥有权限范围，建议勾选「数据访问」

基础连接代码（Python）：

import requests
import json

# 配置你的密钥
CLIENT_ID = "your_client_id"
CLIENT_SECRET = "your_client_secret"

# 获取访问令牌
def get_token():
    url = "https://api.dukascopy.com/auth/token"
    payload = {
        "client_id": CLIENT_ID,
        "client_secret": CLIENT_SECRET,
        "grant_type": "client_credentials"
    }
    response = requests.post(url, data=payload)
    return response.json()["access_token"]

# 获取EUR/USD的Tick数据
def get_ticks(symbol="EUR/USD", start_time="2024-01-01", end_time="2024-01-02"):
    token = get_token()
    headers = {"Authorization": f"Bearer {token}"}
    url = f"https://api.dukascopy.com/data/{symbol}/ticks"
    params = {
        "start": start_time,
        "end": end_time
    }
    response = requests.get(url, headers=headers, params=params)
    return response.json()

# 测试连接
if __name__ == "__main__":
    data = get_ticks()
    print(f"获取到 {len(data)} 条Tick数据")
    print("第一条数据:", data[0] if data else "无数据")

这段代码跑通后，你就能拿到原始的Tick数据了。数据格式大概是这样的：

{
  "timestamp": 1704067200000,
  "bid": 1.1045,
  "ask": 1.1047,
  "volume": 12
}

timestamp是Unix毫秒时间戳，bid和ask就是买卖报价，volume是成交量。嗯，这里要注意：Dukascopy的volume是「手数」，不是「笔数」。我刚开始没注意，算流动性时差点搞错。

2.3 TrueFX：实盘数据的低延迟选择

TrueFX是Integral旗下的数据源，主要给机构用。它的特点是延迟极低，而且数据是「真实成交价」，不是报价。

说白了，Dukascopy的数据是「有人想买/想卖的价格」，TrueFX的数据是「实际成交的价格」。做实盘策略时，TrueFX更靠谱。

API密钥申请：

1. 访问 www.truefx.com，点击「Register」
2. 填写公司信息（个人也可以，选「Individual」）
3. 提交后，他们会发邮件给你，里面包含 username 和 password
4. 注意：TrueFX的API是FIX协议的，需要额外配置

基础连接代码（REST方式）：

import requests

# TrueFX的REST接口（无需认证即可获取实时数据）
def get_truefx_rates():
    url = "https://www.truefx.com/api/v1/rates"
    response = requests.get(url)
    data = response.json()
    return data

# 解析数据
rates = get_truefx_rates()
for pair in rates:
    print(f"{pair['symbol']}: Bid={pair['bid']}, Ask={pair['ask']}")

返回的数据长这样：

[
  {"symbol": "EUR/USD", "bid": 1.10452, "ask": 1.10472, "timestamp": 1704067200000},
  {"symbol": "GBP/USD", "bid": 1.26430, "ask": 1.26450, "timestamp": 1704067200000}
]

你想想看，这个接口连密钥都不需要，直接就能用。但缺点也很明显——它只提供实时数据，历史数据最多往前推24小时。做回测的话，还得靠Dukascopy。

2.4 FXCM：零售交易者的入门选择

FXCM（福汇）是老牌外汇经纪商了。它的API对个人开发者很友好，文档写得也清楚。

我记得刚开始做量化时，第一个接的就是FXCM的API。为啥？因为它有Python的官方SDK，省去了自己封装协议的麻烦。

API密钥申请：

1. 注册FXCM真实账户或模拟账户
2. 登录后进入「API管理」页面
3. 创建应用，获取 access_token
4. 注意：模拟账户的token有效期只有24小时，需要定期刷新

基础连接代码（使用官方SDK）：

from fxcmpy import fxcmpy

# 初始化连接
conn = fxcmpy(access_token="your_access_token", log_level="error")

# 获取所有货币对
symbols = conn.get_instruments()
print("可用货币对:", symbols[:5])  # 只打印前5个

# 获取EUR/USD的实时报价
quote = conn.get_quote("EUR/USD")
print(f"EUR/USD: Bid={quote['Bid']}, Ask={quote['Ask']}")

# 获取历史数据（1分钟K线）
history = conn.get_candles("EUR/USD", period="m1", number=100)
print(history.head())

# 关闭连接
conn.close()

FXCM的数据颗粒度是「分钟级」的，没有Tick数据。所以它更适合做日内策略，不适合高频。

2.5 数据源选择建议

说了这么多，到底该选哪个？我根据经验给个建议：

• 做回测研究：首选Dukascopy。历史数据全，Tick级精度，免费。
• 做实盘监控：用TrueFX。延迟低，数据真实。
• 做入门学习：用FXCM。SDK封装好，上手快。
• 做生产环境：建议Dukascopy + TrueFX双源。一个做历史回测，一个做实盘校验。

为什么会这样？因为单一数据源总有风险。我见过有人只靠Dukascopy的数据做策略，结果实盘时发现TrueFX的报价差了2个点，策略直接失效。所以，数据源交叉验证是必须的。

2.6 本章知识体系

下面这张图总结了本章的核心逻辑，方便你回顾：

这张图把三个数据源的特点、接入方式、最终流向都串起来了。你跟着这个逻辑走，就不会乱。

好了，数据源接入这块就聊到这儿。下一节咱们开始讲数据清洗——那才是真正考验功夫的地方。

---