TickFlow Data

使用 TickFlow Python SDK 获取 A 股、港股、美股、期货等市场的实时行情和 K 线数据

Security Scan

The skill’s requested tools and environment variables match its stated purpose (using the TickFlow Python SDK for market data); the main risk is an install-time convenience step that downloads-and-runs a remote installer script.

Purpose & Capability

Name/description (TickFlow Python SDK for market data) align with required binaries (python3, uv) and required env var (TICKFLOW_API_KEY). The declared requirements are what you'd expect for a Python SDK-based market-data skill.

Instruction Scope

SKILL.md instructions stay on task: install uv, create a python workspace, add tickflow[all] as a dependency, run uv sync/run, and set TICKFLOW_API_KEY. There are no instructions to read unrelated files, harvest other credentials, or exfiltrate data to unexpected endpoints.

Install Mechanism

There is no registry install spec in the package metadata, but SKILL.md instructs installing 'uv' by piping a script from https://astral.sh/uv/install.sh (curl | sh / irm | iex). This is a download-and-execute pattern and is higher risk than using a vetted package manager; dependencies (tickflow[all]) will be pulled via the Python tool (uv) from package repositories (PyPI).

Credentials

Only TICKFLOW_API_KEY is requested and is justified by the documented 'complete service' usage. The skill also documents a free mode that does not require the key. No unrelated secrets or multiple credentials are requested.

Persistence & Privilege

always:false, no required config paths, no instructions to modify other skills or global agent settings. The skill is instruction-only and does not request elevated or persistent platform privileges.

Assessment

This skill appears coherent for using the TickFlow Python SDK. Before installing: 1) Inspect the install script at https://astral.sh/uv/install.sh before running it (avoid blind curl | sh). Prefer installing 'uv' from your OS/package manager or review the script contents. 2) Run dependency installs in an isolated environment (virtualenv/container) to limit scope. 3) Only set TICKFLOW_API_KEY if you trust the TickFlow service; store the key in a secure secrets manager or your shell profile with appropriate file permissions. 4) Consider pinning package versions and reviewing the tickflow package on PyPI/GitHub for legitimacy. If you want lower risk, you can skip the 'uv' installer and use an alternate Python environment (pip/venv) to install tickflow.

TickFlow Skill

通过 TickFlow Python SDK 获取 A 股、港股、美股、期货等市场的实时行情、K 线数据。支持多市场、多周期，适用于量化交易、数据分析等场景。

环境配置

1. 安装 uv（如果未安装）

检查 uv 是否已安装：

uv --version

如果未安装，运行官方安装脚本：

# macOS/Linux
curl -LsSf https://astral.sh/uv/install.sh | sh

# Windows (PowerShell)
powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"

2. 配置 TickFlow 工作环境

在当前 skills 项目下创建 python 文件夹并初始化：

# 创建 python 工作目录
mkdir -p python
cd python

# 创建 pyproject.toml 文件
cat > pyproject.toml << 'EOF'
[project]
name = "tickflow-workspace"
version = "0.1.0"
description = "TickFlow workspace for market data analysis"
requires-python = ">=3.10"
dependencies = [
    "tickflow[all]>=0.1.17",
]
EOF

# 使用 uv 同步依赖
uv sync

完成后，python 文件夹将作为你的 TickFlow 工作目录。

3. 配置 API Key

访问 tickflow.org 获取 API Key，然后配置环境变量：

# macOS/Linux
export TICKFLOW_API_KEY="your-api-key"

# Windows (PowerShell)
$env:TICKFLOW_API_KEY="your-api-key"

建议将环境变量添加到 shell 配置文件（如 ~/.zshrc 或 ~/.bashrc）中：

echo 'export TICKFLOW_API_KEY="your-api-key"' >> ~/.zshrc
source ~/.zshrc

标的代码格式

所有查询使用统一格式：代码.市场后缀（例如：600000.SH）

常用市场后缀

后缀	市场	说明
SH	上海证券交易所	沪市 A 股、ETF、债券等
SZ	深圳证券交易所	深市 A 股、创业板、ETF 等
BJ	北京证券交易所	北交所股票
SHF	上海期货交易所	上期所期货
DCE	大连商品交易所	大商所期货
ZCE	郑州商品交易所	郑商所期货
CFX	中国金融期货交易所	中金所股指/国债期货
INE	上海国际能源交易中心	原油等期货
GFE	广州期货交易所	广期所期货
US	美股	美国证券市场
HK	港股	香港联交所

标的代码示例

• A 股：600000.SH（浦发银行）、000001.SZ（平安银行）、920662.BJ（北交所股票）
• 美股：AAPL.US（苹果）、TSLA.US（特斯拉）、MSFT.US（微软）
• 港股：00700.HK（腾讯控股）、09988.HK（阿里巴巴）
• ETF：510300.SH（沪深300ETF）、159915.SZ（创业板ETF）
• 指数：000001.SH（上证指数）、399006.SZ（创业板指数）
• 期货：au2604.SHF（黄金期货）、i2605.DCE（铁矿石期货）

目前支持状态

• A 股（SH / SZ / BJ）：已支持。可查实时行情、日 K、分钟 K、日内分时、财务数据、标的池（如 CN_Equity_A）等。
• 国内期货（SHF / DCE / ZCE / CFX / INE / GFE）：支持主力合约查询。按合约代码 + 后缀查询（如 au2604.SHF）。
• 美股（US）：已支持。实时行情、全量历史日 K 线（支持前复权/后复权）、除权因子、标的池（US_Equity）。
• 港股（HK）：已支持。实时行情、全量历史日 K 线（支持前复权/后复权）、除权因子、标的池（HK_Equity）。

快速开始

免费服务（适合历史数据分析）

无需 API Key，直接使用：

from tickflow import TickFlow

tf = TickFlow.free()

# 获取历史日 K 线
df = tf.klines.get("600000.SH", period="1d", count=100, as_dataframe=True)
print(df.tail())

# 查询标的信息
instruments = tf.instruments.batch(symbols=["600000.SH", "000001.SZ"])
for inst in instruments:
    print(f"{inst['symbol']}: {inst['name']}")

免费服务特点：

• ✅ 历史日 K 线（1d、1w、1M、1Q、1Y）
• ✅ 标的信息、交易所、标的池查询
• ❌ 不支持实时行情
• ❌ 不支持分钟级 K 线（1m、5m、15m、30m、60m）

完整服务（实时行情 + 全部功能）

使用已配置的 API Key：

from tickflow import TickFlow

# 自动读取环境变量 TICKFLOW_API_KEY
tf = TickFlow()

# 获取实时行情（支持多市场）
quotes = tf.quotes.get(symbols=["600000.SH", "AAPL.US", "00700.HK"])
for q in quotes:
    print(f"{q['symbol']}: {q['last_price']}")

运行 Python 脚本

在当前 skills 项目的 python 文件夹下，使用 uv run python 运行：

cd python  # 进入当前项目的 python 文件夹
uv sync    # 确保依赖已安装
uv run python your_script.py

使用示例

1. 获取实时行情

创建 examples/quotes_example.py：

from tickflow import TickFlow

tf = TickFlow()

# 按标的代码查询（支持 A 股、港股、美股混合查询）
quotes = tf.quotes.get(symbols=["600000.SH", "000001.SZ", "AAPL.US", "00700.HK"])
for q in quotes:
    print(f"{q['symbol']}: {q['last_price']}")

# 按标的池查询
quotes_df = tf.quotes.get(universes=["CN_Equity_A"], as_dataframe=True)  # 全部 A 股
print(quotes_df.head())

# 获取美股/港股行情
us_quotes = tf.quotes.get(universes=["US_Equity"], as_dataframe=True)
hk_quotes = tf.quotes.get(universes=["HK_Equity"], as_dataframe=True)

运行：uv run python examples/quotes_example.py

2. 获取历史 K 线

创建 examples/klines_example.py：

from tickflow import TickFlow

tf = TickFlow()

# 单只股票日 K 线（最近 100 天）
df = tf.klines.get("600000.SH", period="1d", count=100, as_dataframe=True)
print(df.tail())

# 批量获取多只股票的 K 线
symbols = ["600000.SH", "000001.SZ", "600519.SH"]
dfs = tf.klines.batch(symbols, period="1d", count=100, as_dataframe=True, show_progress=True)
print(dfs["600000.SH"].tail())

运行：uv run python examples/klines_example.py

3. 获取日内分时数据

创建 examples/intraday_example.py：

from tickflow import TickFlow

tf = TickFlow()

# 获取当日 1 分钟 K 线
df = tf.klines.intraday("600000.SH", as_dataframe=True)
print(f"今日已有 {len(df)} 根分钟 K 线")
print(df.tail())

# 获取当日 5 分钟 K 线
df_5m = tf.klines.intraday("600000.SH", period="5m", as_dataframe=True)
print(df_5m.tail())

# 批量获取
symbols = ["600000.SH", "000001.SZ"]
dfs = tf.klines.intraday_batch(symbols, as_dataframe=True, show_progress=True)

运行：uv run python examples/intraday_example.py

4. 查询标的信息

创建 examples/instruments_example.py：

from tickflow import TickFlow

tf = TickFlow()

# 查询单个或多个标的信息
instruments = tf.instruments.batch(symbols=["600000.SH", "000001.SZ"])
for inst in instruments:
    print(f"{inst['symbol']}: {inst['name']}")

运行：uv run python examples/instruments_example.py

5. 获取财务数据

创建 examples/financials_example.py：

from tickflow import TickFlow

tf = TickFlow()

# 利润表
income_df = tf.financials.income(["000001.SZ", "600519.SH"], as_dataframe=True)
print("=== 利润表（最近5期） ===")
print(income_df.tail())

# 资产负债表
balance_df = tf.financials.balance_sheet(["000001.SZ"], as_dataframe=True)
print("\n=== 资产负债表（最近3期） ===")
print(balance_df.tail(3))

# 现金流量表
cashflow_df = tf.financials.cash_flow(["000001.SZ"], as_dataframe=True)
print("\n=== 现金流量表（最近3期） ===")
print(cashflow_df.tail(3))

# 核心财务指标
metrics_df = tf.financials.metrics(["000001.SZ"], as_dataframe=True)
print("\n=== 核心财务指标（最近3期） ===")
print(metrics_df.tail(3))

运行：uv run python examples/financials_example.py

6. 仅获取最新一期财务数据

from tickflow import TickFlow

tf = TickFlow()

# 获取多只股票的最新财务数据
symbols = ["600519.SH", "000001.SZ", "600000.SH"]
latest = tf.financials.income(symbols, latest=True)

for symbol, records in latest.items():
    if records:
        record = records[0]
        revenue = record.get('revenue', 0) / 1e8  # 转换为亿元
        net_income = record.get('net_income', 0) / 1e8
        print(f"{symbol} 最新一期:")
        print(f"  营收: {revenue:.2f} 亿元")
        print(f"  净利润: {net_income:.2f} 亿元")
        print(f"  报告期: {record.get('period_end')}")

常用 K 线周期

类型	周期代码	说明
日内	1m	1 分钟 K 线
日内	5m	5 分钟 K 线
日内	15m	15 分钟 K 线
日内	30m	30 分钟 K 线
日内	60m	60 分钟 K 线
日线及以上	1d	日 K 线
日线及以上	1w	周 K 线
日线及以上	1M	月 K 线
日线及以上	1Q	季 K 线
日线及以上	1Y	年 K 线

注意事项

• 必须在当前 skills 项目的 python 文件夹下使用 uv run python 运行脚本
• 首次使用需要运行 uv sync 安装依赖
• SDK 支持 Python 3.9+，推荐使用 Python 3.10 或更高版本
• 免费服务仅提供历史日 K 线，不含实时行情和分钟 K 线
• 支持 A 股、港股、美股、国内期货等多市场，标的代码可混合查询
• 美股/港股支持前复权、后复权 K 线和除权因子
• 单次单标的最多获取 10000 根 K 线
• 批量接口（batch、intraday_batch）适合大量标的数据获取
• API Key 通过环境变量 TICKFLOW_API_KEY 配置
• 使用 as_dataframe=True 参数可直接返回 pandas DataFrame

实用场景示例

下载历史数据进行回测

from tickflow import TickFlow

tf = TickFlow.free()  # 免费服务足够

# 获取近 1000 天的日 K 线
df = tf.klines.get("600000.SH", period="1d", count=1000, as_dataframe=True)

# 保存为 CSV
df.to_csv("600000_SH_daily.csv", index=False)
print(f"已保存 {len(df)} 条数据")

实时监控股票价格

import time
from tickflow import TickFlow

tf = TickFlow()

symbols = ["600000.SH", "000001.SZ", "AAPL.US", "00700.HK"]

while True:
    quotes = tf.quotes.get(symbols=symbols)
    for q in quotes:
        change_pct = q['ext']['change_pct'] * 100
        print(f"{q['ext']['name']} ({q['symbol']}): {q['last_price']} ({change_pct:+.2f}%)")
    print("-" * 60)
    time.sleep(5)

批量下载多只股票数据

from tickflow import TickFlow

tf = TickFlow()

# 批量下载 K 线数据（支持多市场混合）
symbols = ["600000.SH", "000001.SZ", "AAPL.US", "00700.HK"]
dfs = tf.klines.batch(symbols, period="1d", count=1000, as_dataframe=True, show_progress=True)

# 逐个保存
for symbol, df in dfs.items():
    filename = f"{symbol.replace('.', '_')}_daily.csv"
    df.to_csv(filename, index=False)
    print(f"已保存 {symbol}: {len(df)} 条数据 -> {filename}")

筛选优质股票（基于财务指标）

from tickflow import TickFlow

tf = TickFlow()

# 获取 A 股标的池
symbols  = tf.universes.get("CN_Equity_A")['symbols'][:200]

# 获取最新财务指标
metrics = tf.financials.metrics(symbols, latest=True, as_dataframe=True)

# 筛选条件：ROE > 15%、净利率 > 10%、负债率 < 60%
high_quality = metrics[
    (metrics['roe'] > 15) & 
    (metrics['net_margin'] > 10) & 
    (metrics['debt_to_asset_ratio'] < 60)
]

print(f"筛选出 {len(high_quality)} 只优质股票")
print(high_quality[['symbol', 'roe', 'net_margin', 'debt_to_asset_ratio', 'eps_diluted']].head(10))

分析财务数据趋势

from tickflow import TickFlow

tf = TickFlow()

# 获取某只股票的历史财务数据
symbol = "600519.SH"
income_df = tf.financials.income([symbol], as_dataframe=True)

# 按报告期排序
income_df = income_df.sort_values('period_end')

# 计算营收和净利润同比增长率
income_df['revenue_growth'] = income_df['revenue'].pct_change(4) * 100  # 同比（4个季度）
income_df['net_income_growth'] = income_df['net_income'].pct_change(4) * 100

# 显示最近8个季度的数据
print(f"{symbol} 营收与净利润趋势（最近8个季度）：")
result = income_df[['period_end', 'revenue', 'revenue_growth', 'net_income', 'net_income_growth']].tail(8)
result['revenue'] = result['revenue'] / 1e8  # 转换为亿元
result['net_income'] = result['net_income'] / 1e8
print(result)

同行业股票财务对比

from tickflow import TickFlow

tf = TickFlow()

# 对比同行业多只股票的财务指标
symbols = ["600519.SH", "000858.SZ", "600809.SH"]  # 白酒股
latest_metrics = tf.financials.metrics(symbols, latest=True)

print("=== 白酒股财务指标对比 ===")
for symbol, records in latest_metrics.items():
    if records:
        r = records[0]
        print(f"\n{symbol}:")
        print(f"  ROE: {r.get('roe', 0):.2f}%")
        print(f"  净利率: {r.get('net_margin', 0):.2f}%")
        print(f"  EPS: {r.get('eps_diluted', 0):.2f}")
        print(f"  负债率: {r.get('debt_to_asset_ratio', 0):.2f}%")
        print(f"  报告期: {r.get('period_end')}")

计算技术指标

from tickflow import TickFlow

tf = TickFlow()

# 获取 K 线数据
df = tf.klines.get("600000.SH", period="1d", count=100, as_dataframe=True)

# 计算移动平均线
df["ma5"] = df["close"].rolling(5).mean()
df["ma20"] = df["close"].rolling(20).mean()

# 计算 MACD
exp1 = df["close"].ewm(span=12, adjust=False).mean()
exp2 = df["close"].ewm(span=26, adjust=False).mean()
df["macd"] = exp1 - exp2
df["signal"] = df["macd"].ewm(span=9, adjust=False).mean()

# 显示最新数据
print(df[["trade_date", "close", "ma5", "ma20", "macd", "signal"]].tail(10))

综合分析（行情 + K线 + 财务）

from tickflow import TickFlow

tf = TickFlow()

symbol = "600519.SH"

# 1. 获取实时行情
quote = tf.quotes.get(symbols=[symbol])[0]
print(f"=== {quote['ext']['name']} ({symbol}) ===")
print(f"最新价: {quote['last_price']:.2f}")
print(f"涨跌幅: {quote['ext']['change_pct']*100:+.2f}%")

# 2. 获取 K 线并计算技术指标
df = tf.klines.get(symbol, period="1d", count=60, as_dataframe=True)
df["ma20"] = df["close"].rolling(20).mean()
latest_close = df.iloc[-1]['close']
latest_ma20 = df.iloc[-1]['ma20']
print(f"\n20日均线: {latest_ma20:.2f}")
print(f"位置: {'站上' if latest_close > latest_ma20 else '跌破'} MA20")

# 3. 获取最新财务指标
metrics = tf.financials.metrics([symbol], latest=True)
if metrics[symbol]:
    m = metrics[symbol][0]
    print(f"\n=== 最新财务指标 ===")
    print(f"ROE: {m.get('roe', 0):.2f}%")
    print(f"净利率: {m.get('net_margin', 0):.2f}%")
    print(f"EPS: {m.get('eps_diluted', 0):.2f}")
    print(f"报告期: {m.get('period_end')}")

构建自选股监控系统

import time
from tickflow import TickFlow

tf = TickFlow()

# 自选股列表（支持 A 股、港股、美股混合）
watchlist = ["600519.SH", "000858.SZ", "AAPL.US", "00700.HK"]

# 获取财务指标（一次性加载）
latest_metrics = tf.financials.metrics(watchlist, latest=True)

print("=== 自选股监控系统 ===\n")

# 实时监控循环
while True:
    quotes = tf.quotes.get(symbols=watchlist)
    
    for q in quotes:
        symbol = q['symbol']
        name = q['ext']['name']
        price = q['last_price']
        change = q['ext']['change_pct'] * 100
        
        # 显示财务指标
        roe = 0
        if symbol in latest_metrics and latest_metrics[symbol]:
            roe = latest_metrics[symbol][0].get('roe', 0)
        
        status = "📈" if change > 0 else "📉"
        print(f"{status} {name:6s} {price:8.2f} ({change:+6.2f}%) | ROE: {roe:5.2f}%")
    
    print("-" * 70)
    time.sleep(10)  # 每10秒刷新

运行示例（在当前项目的 python 文件夹下）：

cd python
uv sync  # 确保依赖已安装
uv run python examples/your_script.py