AlphaKit SDK：Python A 股、港股与美股数据

把行情、估值和行业数据接入 Python，让研究从一张可用的数据表开始。

AlphaKit SDK 是 AlphaKit 数据服务的 Python 客户端，安装包名为 alphakit-sdk，导入名为 alphakit。A 股查询与港美股历史日线返回 pandas.DataFrame，查询后即可继续排序、合并、分析和保存；港美股搜索、行情及覆盖查询返回包含元数据的字典。

• 从价格走到估值： 查询日线、PE、PB、市值与复权因子，按证券代码和日期整理研究样本。
• 把个股放回行业与市场： 结合申万行业、同花顺板块、指数和 ETF 数据，为历史比较补充参照。
• 在同一个客户端研究不同市场： 查询 A 股数据，以及港股、美股的证券目录、单标的行情和历史日线。

申请访问

通过微信 dfzzq719 联系，申请时请注明：SDK。

获取有效的 Token 和 HTTPS 数据服务地址后即可使用；申请时可了解数据范围、配额与使用条件。

页内目录

• 申请访问
• SDK、MCP、网页怎么选
• 数据能力
• 按研究任务找入口
• 安装与首次查询
• 查询结果长什么样
• 价格与估值对齐
• 港美股查询与覆盖
• 错误处理
• MCP 特色与接入
• 网页工具实景
• 常见问题
• 文档与联系

SDK、MCP、网页怎么选

三种入口可以配合使用，服务与数据范围按账户分别授权。SDK 的查询方法、MCP 工具与网页功能各有适用范围。

可以查询什么

可用接口、字段、历史范围和配额以接口说明及账户权限为准。仅供个人学习与研究使用。

按研究任务找入口

几行代码，拿到第一份历史日线

需要 Python 3.8 或以上：

python -m pip install --upgrade alphakit-sdk

将凭证保存为环境变量 ALPHAKIT_TOKEN 和 ALPHAKIT_BASE_URL；在代码中读取环境变量，避免将 Token 写入公开代码、截图或仓库。

import os
import alphakit as ak

api = ak.AlphaKit(
    token=os.environ["ALPHAKIT_TOKEN"],
    base_url=os.environ["ALPHAKIT_BASE_URL"],
)

df = api.daily(
    ts_code="000001.SZ",
    start_date="20260101",
    end_date="20260630",
)
if df.empty:
    print("本次没有返回数据，请核对代码、日期与账户可用范围。")
else:
    df = df.sort_values("trade_date").reset_index(drop=True)
    print(df[["ts_code", "trade_date", "close", "vol"]].tail(3))

A 股日期使用 YYYYMMDD，证券代码带交易所后缀，如 000001.SZ、600519.SH。仅向 daily() 传入 ts_code、不带日期参数时，默认查询最近 365 天；为了复现研究，建议显式指定日期。

查询结果长什么样

daily() 返回 pandas.DataFrame。选取部分列后，可以像下面这样查看数据；以下是格式示意（合成数据，非真实行情），实际数值、行数和字段以查询响应为准：

     ts_code trade_date  close   vol
0  000001.SZ   20260105   10.0  1000
1  000001.SZ   20260106   10.5  1200
2  000001.SZ   20260107   10.2  1100

拿到表格后，可继续按日期排序、选择列、合并估值数据，或用 df.to_csv("daily.csv", index=False) 保存为 CSV。字段单位与价格口径请查看对应接口说明，缺失值按原样保留。

继续一步：把价格与 PE、PB 放进同一张表

沿用上面的客户端与日线结果，再查询同一证券、同一日期范围的估值数据：

valuation = api.daily_basic(
    ts_code="000001.SZ",
    start_date="20260101",
    end_date="20260630",
)

if not df.empty and not valuation.empty:
    research = df.merge(
        valuation,
        on=["ts_code", "trade_date"],
        how="left",
        suffixes=("", "_valuation"),
    )
    print(research[["ts_code", "trade_date", "close", "pe", "pb"]].tail())

这样可以保留日线记录，并按交易日对齐 PE、PB；没有对应估值的日期保留为空值。实际字段以接口响应为准。行业映射可继续通过 api.sw_stock_industry(ts_code="000001.SZ") 查询，用于补充当前行业归属。

港股与美股：查覆盖、取日线、保留元数据

使用 0.2.9 或以上版本，显式配置 HTTPS 数据服务地址。公共网关为 https://alphakit.cn，账户需要 SDK 服务权限与相应数据权限。

# 沿用已配置 HTTPS 服务地址的 api。
coverage = api.overseas_coverage("US")
print(coverage["coverage"])

us = api.overseas_daily("US", "AAPL", since="20260101", to="20260630")
hk = api.overseas_daily("HK", "00700", since="20260101", to="20260630")
spy = api.overseas_daily("US", "SPY", since="20260101", to="20260630")
print(us.tail())
print(us.attrs["metadata"])

securities = api.overseas_search("US", "AAPL")
quote = api.overseas_quote("US", "SPY", instrument="etf")

港股使用五位证券代码，美股使用证券代码；ETF 单标的行情显式传入 instrument="etf"。历史日线字段为 trade_date、open、high、low、close、volume。

日期支持 YYYYMMDD 或 YYYY-MM-DD。to 省略时为当天，since 省略时为 to 所属年份的 1 月 1 日，因此不传日期默认查询本年度。单次最多返回 2,000 行；超出 limit 时返回最近的记录，DataFrame.attrs["metadata"] 中的 truncated 会标明截断。空结果也保留元数据和股票状态。

怎样理解可查询范围

指定 symbol 的覆盖查询默认查看本年度。跨年范围内任一年缓存未就绪时返回 AlphaKitError(code=503)，请稍后重试；接口不会因缓存缺失而省略该年份。返回元数据包含本次实际起止日期，便于核对研究区间。

港美股历史日线采用原始、不复权价格，缺失值按原样保留。覆盖日期表示更新进度，不能直接推定全市场、逐交易日或历史成分覆盖。行情请结合响应中的数据时间和交易状态使用，时效以返回时间为准。

证券搜索基于最近完整年度的历史目录，名称搜索仅覆盖已有名称信息的证券，目录范围可能与实时上市名单不同。查询遵循账户权限、IP 绑定、请求频率、每日配额及股票参与规则；研究查询保留资料并返回当前股票状态。

查询与错误处理

query(api_name, **params) 可调用服务端支持且账户有权访问的其他接口。weekly、monthly、fina_indicator 没有对应的专用客户端方法；通用查询的可用范围由服务端及账户权限决定。

from alphakit.exceptions import AlphaKitError

try:
    result = api.stock_basic(ts_code="000001.SZ")
except AlphaKitError as exc:
    print(f"查询失败，错误码：{exc.code}")

港美股方法保留服务端 HTTP 错误码：401 为凭证无效，403 为权限或 IP 受限，409 为查询期间股票参与规则变化，422 为参数错误，429 为限频或配额限制，503 为数据未就绪、服务关闭或上游暂不可用。客户端不自动重试；网络失败、超时或无法解析响应时使用 code=9999。

A 股及通用方法将连接失败、超时和 HTTP 错误响应包装为 AlphaKitError(code=9999)，包括 HTTP 401、403、429。HTTP 请求成功、响应包含非零业务码时，保留该业务码：1001 为 Token 无效，1002 为无接口权限，1003 为 IP 限制，1004 为限频，1005 为当日配额用尽，1006 为参数错误，1500 为服务端错误。排查时结合错误消息、凭证、权限和配额检查，联系支持时提供发生时间、接口名与脱敏后的错误信息。

配套 MCP：让 AI 对话连接金融数据

除了用 Python 编写查询，你也可以通过 AlphaKit MCP 服务，在支持远程 SSE 与 Bearer 认证的 AI 客户端中发起数据研究。

• 用自然语言开展 A 股研究： 支持个股分析、双股比较与估值条件筛选，例如“分析贵州茅台”“贵州茅台与五粮液对比”，或“筛选 PE 小于 30 且市值大于 100 亿的股票”。
• 把盘中数据带入对话： 查询单只 A 股或 ETF 的最新可用报价、当日分钟线，支持 1、5、15、30、60 分钟周期。
• 在同一入口查询港股与美股： 搜索证券，获取单标的行情、历史日线和数据覆盖范围，结合返回的数据日期与状态开展研究。
• 从对话探索衔接到 Python 分析： 先在 AI 客户端中明确研究问题，再通过 SDK 按证券代码和日期获取所需数据，在 pandas 中继续清洗、合并、计算和保存。

MCP 需在 AI 客户端中单独配置，使用 AlphaKit Token 认证；SDK 与 MCP 服务权限按账户分别授权，工具与数据范围以账户权限为准。行情时效以返回的数据时间为准。

接入方式与平台配置：登录 AlphaKit 官网，进入「数据服务」，查看「MCP 接入」与「平台配置」。

配套网页研究工具

图中为配套网页工具 AlphaView 的产品实景。Python SDK 提供数据查询接口，网页工具提供行情图表、技术指标与历史分位查看，具体范围按账户权限开放。

常见问题

安装后就能直接查询吗？

安装提供 Python 客户端。真实查询还需要有效的 AlphaKit Token、HTTPS 数据服务地址，以及对应的 SDK 服务权限与数据权限；申请方式见正文前部的「申请访问」。

SDK 和 MCP 可以使用同一个 Token 吗？

可以使用自己的 AlphaKit Token 认证，SDK 与 MCP 的服务权限分别检查。已有某一入口的访问权限时，仍需确认另一个入口及所需数据是否已授权；MCP 还需在 AI 客户端中单独配置。

可以获取实时行情吗？

SDK 的 A 股日线用于历史数据研究；A 股或 ETF 的最新可用报价、当日分钟线可通过 MCP 查询。港美股行情和历史日线请结合响应中的数据日期、交易状态与覆盖范围使用，时效以返回的数据时间为准。

查询为空或报错时，先检查什么？

先核对证券代码、市场、日期参数、服务权限、数据权限与配额；港美股历史查询可先查看覆盖信息，再按错误码处理。空结果或缺失值不等于零。联系支持时提供接口名、发生时间和脱敏后的错误信息，避免发送完整 Token。

文档与联系

通过微信 dfzzq719 联系，申请时请注明：SDK。

SDK 使用文档