在量化交易领域，行情数据是策略的“燃料”——其获取效率、完整性与管理方式，直接决定了策略回测的准确性和实盘交易的稳定性。作为国内广受青睐的本地化量化交易平台，迅投MiniQMT的核心优势之一，便是其高度可控的数据存储机制。本文将从目录结构、周期逻辑、文件格式到实战技巧，全方位拆解MiniQMT的数据存储体系，帮你彻底搞懂“数据去哪找、怎么用”。

一、核心数据目录：找到你的“数据仓库”

MiniQMT的所有本地数据都集中在安装目录下的userdata_mini文件夹中，而**userdata_mini\datadir**是最关键 subdirectory（子目录）——这里存储了所有下载的历史行情数据，堪称策略的“数据粮仓”。

打开datadir，你会看到清晰的三级树状结构，每一级对应不同的分类逻辑：

1. 第一层：市场代码（区分交易所/品种）

以交易所或品种缩写命名，例如：

• SH：上海证券交易所（股票/指数）；
• SZ：深圳证券交易所（股票/指数）；
• SZO：深圳证券交易所期权；
• 其他如期货、债券等市场会有对应的代码（如CFF代表中国金融期货交易所）。

2. 第二层：周期代码（定义K线粒度）

每个市场目录下的子文件夹，用数字命名，代表不同的时间周期。这些数字的本质是周期对应的秒数，直接关联数据的“精细程度”：

• 0：Tick级分笔数据（最细粒度，记录每一笔成交的细节）；
• 60：1分钟K线（60秒=1分钟）；
• 300：5分钟K线（300秒=5分钟）；
• 86400：日线（86400秒=1天）；
• 其他如900（15分钟）、1800（30分钟）等，逻辑一致。

3. 第三层：数据文件（具体标的存储）

每个周期文件夹下，是以证券代码.DAT命名的文件（例如000001.SZ.DAT对应深发展A的1分钟K线数据）。这些文件是MiniQMT的核心数据载体，存储了该标的在对应周期下的完整行情历史。

二、关键周期文件夹：从“秒”到“日”的逻辑

不同周期的数据，适用场景差异极大。理解86400（日线）、60（1分钟）、0（Tick）这三个高频周期的含义，是高效使用数据的基础：

1. 86400：日线数据（中长期策略的“基石”）

• 含义：86400秒=1天，对应每日的交易汇总数据；
• 内容：每个交易日的开盘价、最高价、最低价、收盘价、成交量、成交额、换手率等；
• 用途：适合中长期策略回测（如趋势跟踪、价值投资），数据量小、易处理，是验证策略“大方向”的首选。

2. 60：1分钟K线（日内/短线策略的“核心”）

• 含义：60秒=1分钟，将每分钟内的成交数据聚合为一根K线；
• 内容：每根K线包含该分钟的开盘价、最高价、最低价、收盘价、成交量等；
• 用途：捕捉短期价格波动，是日内交易、波段策略的核心数据源（比日线更细致，比Tick更规整）。

3. 0：Tick数据（高频/精确分析的“利器”）

• 含义：无周期间隔，记录每一笔成交的实时细节；
• 内容：包括成交时间（精确到毫秒）、成交价格、成交量、买卖盘挂单情况（五档行情）等；
• 用途：仅适用于高频策略（如套利、做市），或需要精确还原市场微观结构的分析（如订单簿动态研究）。

三、数据文件格式：为什么你不能直接打开？

datadir下的.DAT文件是MiniQMT的专用二进制格式，具备两个核心特性：

• 加密/压缩：为了节省存储空间 保护数据安全，文件经过加密处理，无法用文本编辑器（如记事本）直接查看（会显示乱码）；
• API依赖：必须通过MiniQMT的官方API（xtdata模块）读取，常用函数包括：

四、实战技巧：让数据管理更高效

掌握了基础结构，再用以下技巧提升数据使用体验：

1. 数据补充：避免重复，保证连续

调用download_history_data或download_history_data2函数时，系统会自动执行**“增量补充”——新下载的数据会合并到现有.DAT文件中，不会覆盖或重复存储，确保本地数据的连续性**（比如昨天没下完的1分钟线，今天会继续补全）。

2. 存储空间：应对Tick数据的“膨胀”

Tick数据是“数据杀手”——全市场全时段的Tick数据，一天可能占用数十GB空间。解决方法：

• 灵活迁移存储路径：默认datadir在系统盘（如C:\），可通过符号链接（Symbolic Link）将其指向大容量硬盘（如D:\quant\data），避免撑满系统盘；
• 选择性下载：如果不是高频策略，建议只下载60（1分钟）或86400（日线）数据，大幅节省空间。

3. 回测加速：转换数据格式

原生.DAT文件适合MiniQMT内部调用，但如果要结合Pandas做复杂分析，可转换为通用高效格式：

• Feather：读写速度极快（比CSV快10-100倍），但不支持压缩，适合临时缓存（比如反复回测某组数据时，转成Feather能大幅提升加载速度）；
• Parquet：列式存储 高压缩，文件体积比.DAT小50%以上，适合长期归档（比如保存过去一年的1分钟线，用Parquet能省大量空间）。

结语：数据管理是量化的“基本功”

MiniQMT的数据存储设计，本质是**“结构化 可控”**——既保证了数据的有序性，又给用户留下了灵活管理的空间。对于量化交易者而言，理解这套机制，不仅能解决“数据在哪”的问题，更能从源头上优化策略的效率。

如果这篇文章帮你理清了MiniQMT的数据逻辑，不妨点个赞 关注——后续我会分享更多AI量化相关的技术干货（比如如何用xtdata Pandas做数据清洗，如何用Tick数据构建订单簿策略），一起把量化之路走得更稳！

现可线上免费开通QMT/PTrade量化交易权限，低门槛准入，新用户专享专属佣金优惠！