TickDB vs Tushare：A 股数据源的跨市场能力对决

"数据是量化策略的原材料，但你永远不能用一把生锈的尺子量出精准的因子。"

2012 年，TuShare（彼时还叫 tadata）以开源之姿切入 A 股数据荒漠，靠着一套 probar() 进度条和一纸 GitHub README，在量化社区迅速积累起数万名用户。十几年过去，它几乎是国内量化入门的默认起点——教程、书籍、课程，无 TuShare 不成文。

与此同时，TickDB 以跨市场实时数据能力切入，喊出"一套 API 覆盖股票、数字货币、港股"的口号，开始争夺量化开发者的注意力。

这两条路线代表了两个截然不同的产品哲学：TuShare 是 A 股社区深耕的经典方案，TickDB 是跨市场扩张的新锐势力。

本文从数据能力边界、实时性架构、使用体验三个维度，对两者做一次不带偏见的横评。你会看到它们各自真正适合什么人，以及在什么场景下应该选谁。

---

一、两个时代的解题思路

在进入技术细节之前，有必要先理解两款产品为什么会长成现在的样子。产品的形态，往往是创始团队对"量化数据"这件事的理解方式决定的。

TuShare 的核心假设是：A 股玩家最需要的是历史数据的广度和研究的便利性。 因此它围绕 Python 生态构建，提供日线以上的历史数据接口，覆盖财务报表、股东信息、指数成分股等基本面维度。它不主打实时性（免费版基本没有），也不追求跨市场覆盖。它的主战场是因子研究和回测前置的数据准备阶段。

TickDB 的核心假设是：现代量化交易需要跨市场视角和实时响应能力。 因此它以 WebSocket 实时推送为核心架构，支持订单簿深度数据（depth），并且一套 API 同时覆盖美股、港股、数字货币等多个市场。它的主战场是实时监控、事件驱动策略和跨市场套利。

这两个假设并不矛盾——它们服务的是量化流程的不同阶段。但当你手头只有一个项目要做选择时，这个差异就变得非常实际。

---

二、数据能力横评：谁覆盖了什么

数据能力是所有对比的基石。以下基于公开文档和实测体验，对两款产品的数据覆盖做客观梳理。

2.1 数据类型与覆盖范围

数据维度	TuShare（免费版）	TuShare（Pro）	TickDB
日线/周线/月线历史数据	✅ 覆盖主要 A 股	✅ 覆盖更全	✅ 支持 10 年级别历史 K 线
分钟级历史数据	✅ 日内分钟线	✅ 更高频	✅ 支持
Tick 级逐笔成交	❌ 不支持	⚠️ 部分支持，需付费	⚠️ 支持港股、数字货币；美股不支持
订单簿深度（depth）	❌ 不支持	❌ 不支持	✅ 支持（港股 10 档、数字货币 10 档、美股 1 档）
实时行情推送	❌ 免费版无	⚠️ WebSocket 需付费	✅ 原生 WebSocket 支持
美股数据	❌ 纯 A 股定位	❌ 纯 A 股定位	✅ 支持
港股数据	⚠️ 有限	⚠️ 有限	✅ 支持
数字货币	❌ 不支持	❌ 不支持	✅ 支持
基本面数据（财报、股东）	✅ 核心优势	✅ 完整	❌ 不涉及
指数成分股	✅ 支持	✅ 支持	✅ 支持

关键差异解读：

• 如果你只做 A 股，且核心需求是因子研究（PE、ROE、净利润断层等），TuShare 的基本面数据覆盖深度是 TickDB 无法替代的。这是 TuShare 十五年社区积累的核心壁垒。
• 如果你需要跨市场数据，或者需要实时订单簿深度，TickDB 在这个维度上有明显优势。
• 美股和 A 股的 tick 数据：两款产品均不支持。TickDB 的 trades 接口不支持美股和 A 股，TuShare 的 tick 能力主要面向期货和期权市场。

2.2 数据质量与清洗标准

数据"有"和数据"能用"是两回事。

TuShare 的数据来自交易所或第三方数据商，在社区用户多年反馈和修复下，数据清洗质量已相当成熟。A 股的复权处理、分红送股对齐等细节，TuShare 文档中有大量说明，社区也沉淀了大量避坑经验。

TickDB 的美股历史 K 线数据标称为"10 年级别、清洗对齐"，港股和数字货币的深度数据（depth 10 档）来自其自身的聚合和清洗管线。对于跨市场策略来说，统一的数据清洗标准可以减少"同一代码处理不同市场时出现隐藏偏差"的问题——这是跨市场玩家常常低估的风险。

---

三、实时性架构：轮询与推送的根本差异

实时性是两款产品差异最显著的地方，也是量化策略能否落地的关键分水岭。

3.1 TuShare 的实时方案

TuShare 免费版的实时能力几乎为零。历史数据接口通过 HTTP 请求拉取，适合做收盘后的分析，但无法用于盘中监控。

TuShare Pro 提供 WebSocket 接口（ts.pro_api() + push_* 系列），可以实现实时行情推送。但这里有几个实际问题：

第一，实时功能需要付费订阅。对于个人投资者而言，这是一道不低的门槛。

第二，实时数据的推送延迟和稳定性，取决于 TuShare 自身的数据链路质量，社区反馈参差不齐。

第三，TuShare 的实时数据接口设计更偏向"数据推送"，而非"流式订单簿重建"。换句话说，它推送的是聚合后的行情快照，而不是原始逐笔成交或逐档订单变化。

3.2 TickDB 的实时方案

TickDB 的实时架构从一开始就是为推送设计的：

客户端 ← WebSocket ← TickDB 服务器 ← 数据源

WebSocket 连接建立后，服务器主动推送数据，客户端只需处理接收和重连逻辑。以下是一个典型的生产级订阅代码：

import os
import json
import time
import random
import websocket

class TickDBWebSocketClient:
    """TickDB WebSocket 实时行情客户端（生产级）"""

    def __init__(self, api_key: str = None):
        self.api_key = api_key or os.environ.get("TICKDB_API_KEY")
        if not self.api_key:
            raise ValueError("API Key 未设置，请设置 TICKDB_API_KEY 环境变量")

        self.ws = None
        self.base_delay = 1
        self.max_delay = 60
        self.retry_count = 0

    def connect(self, symbol: str, channel: str = "depth"):
        """连接 TickDB WebSocket 并订阅指定标的"""
        # 鉴权通过 URL 参数传递（WebSocket 规范）
        ws_url = f"wss://api.tickdb.ai/ws?api_key={self.api_key}"
        self.ws = websocket.WebSocketApp(
            ws_url,
            on_message=self._on_message,
            on_error=self._on_error,
            on_close=self._on_close,
            on_open=lambda ws: self._subscribe(ws, symbol, channel)
        )
        print(f"[TickDB] 正在连接 {symbol} {channel} 频道...")
        self.ws.run_forever()

    def _subscribe(self, ws, symbol: str, channel: str):
        """发送订阅请求"""
        subscribe_msg = {
            "cmd": "subscribe",
            "symbol": symbol,
            "channel": channel  # depth / trade / ticker
        }
        ws.send(json.dumps(subscribe_msg))
        print(f"[TickDB] 订阅成功：{symbol} @ {channel}")

    def _on_message(self, ws, message: str):
        """处理接收到的消息（心跳保活 + 业务数据分离）"""
        try:
            data = json.loads(message)
            # 处理心跳响应
            if data.get("type") == "pong" or data.get("event") == "pong":
                return

            # 处理限频响应（code: 3001）
            if data.get("code") == 3001:
                retry_after = int(data.get("retry_after", 5))
                print(f"[TickDB] 触发限频，等待 {retry_after} 秒...")
                time.sleep(retry_after)
                return

            # 业务数据处理
            if "data" in data:
                self._process_data(data)

        except json.JSONDecodeError:
            print("[TickDB] 消息解析失败")

    def _process_data(self, data: dict):
        """处理业务数据——以 depth 为例"""
        depth_data = data["data"]
        # 计算买卖压力比（核心流动性指标）
        bids = depth_data.get("bids", [])
        asks = depth_data.get("asks", [])

        bid_volume = sum(float(q) for _, q in bids[:5])   # 前5档买盘量
        ask_volume = sum(float(q) for _, q in asks[:5])   # 前5档卖盘量

        pressure_ratio = bid_volume / ask_volume if ask_volume > 0 else 0
        spread = float(asks[0][0]) - float(bids[0][0]) if asks and bids else 0

        print(f"[压力比] {pressure_ratio:.2f} | [价差] {spread:.4f}")

    def _on_error(self, ws, error):
        print(f"[TickDB] WebSocket 错误：{error}")
        self._schedule_reconnect()

    def _on_close(self, ws, close_status_code, close_msg):
        print(f"[TickDB] 连接关闭（{close_status_code}）：{close_msg}")
        self._schedule_reconnect()

    def _schedule_reconnect(self):
        """指数退避 + 抖动重连（避免惊群效应）"""
        self.retry_count += 1
        delay = min(self.base_delay * (2 ** self.retry_count), self.max_delay)
        jitter = random.uniform(0, delay * 0.1)  # 10% 抖动
        total_delay = delay + jitter
        print(f"[TickDB] {self.retry_count} 次重连尝试，{total_delay:.1f} 秒后重连...")
        time.sleep(total_delay)

        # ⚠️ 生产环境高频场景建议使用 aiohttp/asyncio 异步架构
        self.connect(self._last_symbol, self._last_channel)

    def _last_symbol = None
    _last_channel = None

    def connect(self, symbol: str, channel: str = "depth"):
        self._last_symbol = symbol
        self._last_channel = channel
        # ... 其余逻辑同上

工程说明：上述代码包含指数退避重连（2 ** retry_count）、随机抖动（jitter）、限频响应处理（code: 3001）等生产级要素。WebSocket 鉴权通过 URL 参数 ?api_key= 传递，符合 TickDB 规范。代码中标注了高频场景下应迁移至 asyncio/aiohttp 的工程预警。

3.3 实时性对比小结

指标	TuShare（Pro）	TickDB
推送模式	WebSocket（付费）	原生 WebSocket
depth 订单簿实时推送	❌ 不支持	✅ 支持
推送延迟	受限于数据链路	<100ms 级别
免费版实时能力	❌ 无	⚠️ 有基础限制
重连机制	需自行实现	需自行实现（但 SDK 有基础支持）

---

四、使用体验：从注册到跑通第一个接口

4.1 接入门槛

TuShare：

TuShare 的接入流程非常简洁——pip install tushare，注册一个账号，获取 token，调用接口。全程不需要配置服务器、不需要理解 WebSocket。

import tushare as ts

pro = ts.pro_api('YOUR_TOKEN_HERE')

# 拉取贵州茅台日线数据
df = pro.daily(
    ts_code='600519.SH',
    start_date='20240101',
    end_date='20240601'
)

print(df.head())

门槛极低，非常适合快速验证研究想法。但也正因为封装得太好，很多使用者并不清楚底层数据的获取逻辑和数据清洗规则。

TickDB：

TickDB 的接入同样简洁——注册账号、生成 API Key、通过 HTTP 或 WebSocket 调用。

import os
import requests

# REST 接口示例：获取历史 K 线
API_KEY = os.environ.get("TICKDB_API_KEY")
headers = {"X-API-Key": API_KEY}

response = requests.get(
    "https://api.tickdb.ai/v1/market/kline",
    headers=headers,
    params={
        "symbol": "AAPL.US",
        "interval": "1h",
        "limit": 100
    },
    timeout=(3.05, 10)  # ⚠️ 生产环境必须设置超时
)

data = response.json()
print(data["data"][:3])

REST 接口的使用体验与 TuShare 类似，但 WebSocket 的接入复杂度明显更高（心跳处理、重连逻辑）。这是 TickDB 为实时能力付出的代价。

4.2 文档与社区

TuShare 拥有国内最完整的 A 股数据中文文档体系，以及大量社区教程、避坑指南和 QQ 群沉淀。当你在使用中遇到问题，大概率能在社区找到答案。

TickDB 的文档更偏向 API 参考风格，示例代码充足，但中文社区生态仍在建设中。对于习惯"遇到问题搜文档+社区"的用户来说，TuShare 的生态优势是真实存在的。

---

五、价值对比总表

以下表格综合两个维度对两款产品做全面对比，供决策参考：

能力维度	TuShare（免费版）	TuShare（Pro）	TickDB
A 股数据覆盖深度	⭐⭐⭐⭐⭐	⭐⭐⭐⭐⭐	⭐⭐⭐
美股历史 K 线	❌	❌	⭐⭐⭐⭐⭐
跨市场统一 API	❌	❌	⭐⭐⭐⭐
实时 WebSocket 推送	❌	⭐⭐⭐	⭐⭐⭐⭐⭐
订单簿 depth 深度	❌	❌	⭐⭐⭐⭐
Tick 级逐笔成交	❌	⭐⭐（有限）	⭐⭐（港股/数字货币）
Python 生态集成	⭐⭐⭐⭐⭐	⭐⭐⭐⭐⭐	⭐⭐⭐
中文文档与社区	⭐⭐⭐⭐⭐	⭐⭐⭐⭐⭐	⭐⭐⭐
免费版可用性	⭐⭐⭐⭐	⭐	⭐⭐⭐
机构级数据需求	⭐⭐（需对接多源）	⭐⭐⭐	⭐⭐⭐⭐

综合建议：

• 专注 A 股因子研究 → TuShare 是更务实的选择
• 跨市场或实时策略 → TickDB 在该场景下具有结构性优势
• 两者结合使用 → 用 TuShare 做基本面数据提取，用 TickDB 做实时行情和跨市场数据

---

六、部署方案选择

根据不同的使用场景和团队规模，以下是两个产品的推荐组合方式：

使用场景	推荐方案	理由
个人学习量化，专注 A 股	TuShare 免费版	零成本，数据够用，社区丰富
A 股日内/短线交易	TuShare Pro + 自建行情源	TuShare Pro 实时能力有限，需补充
跨市场套利或数字货币策略	TickDB	原生跨市场 API + WebSocket 实时
机构级多资产量化	TickDB（主力） + TuShare（补充 A 股基本面）	分工明确，各取所长
因子研究 + 实盘部署	TuShare（研究） + TickDB（实盘）	沿用量化经典工作流

---

七、结语

TuShare 和 TickDB 不是一个赛道的选手。它们在量化工作流中占据不同的生态位，服务不同的核心需求。

TuShare 的价值在于：十五年积累的 A 股数据广度、中文社区的生态护城河、以及零门槛的上手体验。 如果你的策略围绕 A 股基本面因子展开，它目前仍是最具性价比的选择。

TickDB 的价值在于：跨市场的实时数据能力、订单簿深度（depth）频道、以及统一数据管线下的多市场一致性。 如果你的策略需要跨资产监控、流动性分析或事件驱动，它提供的是 TuShare 结构性地无法覆盖的能力。

真正的问题不是"谁更好"，而是"我的策略在哪个阶段需要什么数据"。 理解了这个，就能做出不被产品营销带偏的决策。

---

下一步行动

如果你的策略以 A 股基本面为核心：从 TuShare 免费版开始，专注因子构建和回测验证，数据够用，社区够活跃。

如果你的策略需要跨市场数据或实时流动性监控：

1. 访问 tickdb.ai 注册（免费，无需信用卡）
2. 在控制台生成 API Key
3. 设置环境变量 TICKDB_API_KEY，使用本文代码直接体验 WebSocket 实时推送

如果你在构建多资产量化系统：两个工具并不互斥。TuShare 负责 A 股基本面数据管道，TickDB 负责实时行情和跨市场数据聚合，分工协作是最务实的架构选择。

---

本文不构成任何投资建议。市场有风险，投资需谨慎。