前言
不少量化小伙伴咨询如何通过原生 QMT 工具获取股票基础数据，比如全市场股票列表、个股对应的申万一级 / 二级 / 三级行业分类，以及股票所属概念标签。这类数据变动频率低，是量化策略搭建（如行业轮动、概念题材筛选）的基础素材。
本文将分享完整的 Python 实现代码，无需额外对接第三方数据源，直接调用 QMT 原生接口即可获取目标数据。数据默认导出为 CSV 文件，方便后续快速读取；有技术基础的同学也可拓展至数据库存储，提升数据管理效率。
一、环境准备
依赖库安装
核心依赖xtquant（QMT 官方 Python 库）和pandas（数据处理），安装命令如下：
pip install xtquant pandas -i https://pypi.tuna.tsinghua.edu.cn/simple
注意事项
二、完整代码实现
1. 核心工具函数：下载行业板块基础数据
该函数用于获取 QMT 内置的板块分类数据，替代原生xtdata.download_sector_data()，解决部分场景下接口卡死的问题：
from xtquant import xtdata
import pandas as pd
def down_load_sector():
# 下载行业板块数据（替代xtdata.download_sector_data()，避免卡死）
client = xtdata.get_client()
client.down_all_sector_data()
2. 获取沪深 A 股股票池（代码 + 名称）
返回全部沪深 A 股的股票代码和对应名称（不含北交所股票），导出为沪深A股股票池.csv：
def get_stock_pool():
# 获取股票池，返回全部A股的代码和对应的股票名称（不含北交所）
stocks = xtdata.get_stock_list_in_sector("沪深A股")
info_list = xtdata.get_instrument_detail_list(stocks)
ret = []
for stock in stocks:
name = info_list[stock]['InstrumentName ']
ret.append({"stock": stock, "name": name})
df = pd.DataFrame(ret)
df = df.sort_values(by="stock")
df.to_csv("沪深A股股票池.csv", index=False)
return df
3. 获取股票对应申万二级行业
通过筛选 QMT 板块分类中的 “SW2” 前缀数据，匹配个股与申万二级行业的对应关系，导出为沪深A股申万二级行业.csv：
def get_sw2_industry():
# 获取股票对应的申万二级行业
down_load_sector() # 调用基础数据下载函数
sector_list = xtdata.get_sector_list()
sw2_list = [s for s in sector_list if s[:3].lower() == 'sw2' and '加权' not in s] # 筛选申万二级行业
stocks = xtdata.get_stock_list_in_sector("沪深A股")
ret = []
for sw2 in sw2_list:
s_list = xtdata.get_stock_list_in_sector(sw2)
for stock in stocks:
if stock in s_list:
ret.append({'stock': stock, "industry_sw2": sw2[3:]})
df = pd.DataFrame(ret)
df = df.sort_values(by="stock")
df.to_csv("沪深A股申万二级行业.csv", index=False)
return df
4. 获取股票对应申万三级行业
逻辑与申万二级行业获取一致，筛选 “SW3” 前缀板块数据，导出为沪深A股申万三级行业.csv：
def get_sw3_industry():
# 获取股票对应的申万三级行业
down_load_sector() # 调用基础数据下载函数
sector_list = xtdata.get_sector_list()
sw3_list = [s for s in sector_list if s[:3].lower() == 'sw3' and '加权' not in s] # 筛选申万三级行业
stocks = xtdata.get_stock_list_in_sector("沪深A股")
ret = []
for sw3 in sw3_list:
s_list = xtdata.get_stock_list_in_sector(sw3)
for stock in stocks:
if stock in s_list:
ret.append({'stock': stock, 'industry_sw3': sw3[3:]})
df = pd.DataFrame(ret)
df = df.sort_values(by="stock")
df.to_csv("沪深A股申万三级行业.csv", index=False)
return df
5. 获取股票对应概念标签
筛选 QMT 板块分类中 “GN” 前缀的概念板块，匹配个股与概念的对应关系，导出为沪深A股所属概念.csv（注：原文文件后缀为.cv，已修正为.csv）：
def get_gainian():
# 获取股票对应的概念
down_load_sector() # 调用基础数据下载函数
sector_list = xtdata.get_sector_list()
gn_list = [s for s in sector_list if s[:2].lower() == 'gn'] # 筛选所有概念板块
stocks = xtdata.get_stock_list_in_sector("沪深A股")
ret = []
for gn in gn_list:
s_list = xtdata.get_stock_list_in_sector(gn)
for stock in stocks:
if stock in s_list:
ret.append({'stock': stock, 'gainian': gn[2:]})
df = pd.DataFrame(ret)
df = df.sort_values(by="stock")
df.to_csv("沪深A股所属概念.csv", index=False) # 修正原文.cv后缀为.csv
return df
6. 函数调用示例
如需执行全部数据获取操作，添加如下调用代码：
if __name__ == "__main__":
# 依次执行数据获取
get_stock_pool()
get_sw2_industry()
get_sw3_industry()
get_gainian()
print("所有数据已导出为CSV文件，可在当前目录查看！")
三、数据使用说明
1. 文件输出位置
CSV 文件将保存在代码运行目录下，共 4 个文件：
- 沪深 A 股股票池.csv（股票代码 + 名称）
- 沪深 A 股申万二级行业.csv（股票代码 + 申万二级行业）
- 沪深 A 股申万三级行业.csv（股票代码 + 申万三级行业）
- 沪深 A 股所属概念.csv（股票代码 + 概念标签）
2. 数据读取示例
后续策略中可直接用pandas读取 CSV 文件，无需重复调用接口：
import pandas as pd
# 读取申万三级行业数据
sw3_df = pd.read_csv("沪深A股申万三级行业.csv")
# 读取概念数据
gn_df = pd.read_csv("沪深A股所属概念.csv")
# 合并行业和概念数据（按股票代码关联）
stock_data = pd.merge(sw3_df, gn_df, on="stock", how="left")
print(stock_data.head())
3. 进阶拓展：数据库存储建议
对于高频使用场景，建议将数据存入数据库（如 MySQL、SQLite），示例代码框架如下：
import sqlite3
# 连接SQLite数据库（无则自动创建）
conn = sqlite3.connect("stock_basic_data.db")
# 将DataFrame写入数据库表
df.to_sql("sw3_industry", conn, if_exists="replace", index=False)
conn.close()
四、常见问题排查
6 亿股民都在用的同花顺，居然能对接 QMT 量化！一键选股 + 自动交易，太香了（上） 量化教程+软件
结语
以上就是通过 QMT 原生接口获取股票基础数据的完整教程，代码可直接复用，适合量化新手快速搭建数据基础。如果需要获取申万一级行业数据，可参考文中二级 / 三级行业的筛选逻辑，修改sw2/sw3为sw1即可。
欢迎在评论区交流使用过程中遇到的问题，后续将分享更多 QMT 量化实操技巧！
#QMT #量化交易 #Python #股票数据获取 #申万行业 #概念题材
