JoinQuant 聚宽 get_price() 函数 frequency 参数报错怎么解决？

get_price()遇到的问题

为什么count_minutes两种赋值方法一个报错一个正常？
下面是代码：
def market_open(context):
log.info('函数运行时间(market_open):'+str(context.current_dt.time()))

start_date = datetime(2020, 12, 1, 9, 0, 0)
count_minutes = ((start_date - context.current_dt).days + 1) * 240
#count_minutes = 100 * 240
print(type(count_minutes))
frequency = str.format('%dm' % (count_minutes))
print(frequency)
df_p = get_price('000001.XSHE', start_date=start_date, end_date=context.current_dt, frequency=frequency,
fields=['high','close'], skip_paused=False, fq='pre')
print(df_p)

您好！导致这个报错的核心原因在于对 get_price 函数中 frequency 参数的含义产生了误解。

1. 核心错误分析

在 JoinQuant 的 API 中，frequency 参数代表的是 K线的频率（周期），例如 '1m' 代表1分钟线，'5m' 代表5分钟线，'1d' 代表日线。

在您的代码中，您试图计算 start_date 到 current_dt 之间的总分钟数，并将其赋值给 frequency（例如算出来是 24000，然后拼接成 '24000m'）。这相当于告诉系统：“请给我一根周期为 24000 分钟的 K 线”，这显然是不符合逻辑且超出系统支持范围的。

2. 为什么两种赋值方法表现不同？

• 方法一（动态计算，报错）：
  count_minutes = ((start_date - context.current_dt).days + 1) * 240
  在回测中，context.current_dt 通常是随着时间推移不断增加的。如果 context.current_dt 大于 start_date（例如当前是 2020-12-10），那么 start_date - context.current_dt 的 days 会是一个负数。这会导致 count_minutes 变成负数（例如 -2160），拼接出来的 frequency 就是 '-2160m'。API 无法解析负数的频率，因此直接报错。

• 方法二（固定数值，可能正常或报另一种错）：
  count_minutes = 100 * 240
  拼接出来的 frequency 是 '24000m'。虽然它是正数，但根据 JoinQuant 官方文档，非标准分钟 bar（如 Xm）通常要求 X 必须小于 240（即不能超过一个交易日的总分钟数）。如果系统没有严格拦截，可能会返回空数据或引发底层合成数据的错误。

3. 正确的写法

如果您想获取 start_date 到 context.current_dt 这段时间内的所有分钟线数据，您只需要指定 start_date 和 end_date，并将 frequency 固定设置为 '1m' 即可。系统会自动根据时间范围返回对应数量的数据。

修改后的正确代码如下：

from datetime import datetime

def market_open(context):
    log.info('函数运行时间(market_open):' + str(context.current_dt.time()))

    start_date = datetime(2020, 12, 1, 9, 0, 0)
    
    # 直接使用 '1m' 获取分钟线，或者 '1d' 获取日线
    # 不需要自己计算总分钟数传给 frequency
    frequency = '1m' 
    
    df_p = get_price(
        '000001.XSHE', 
        start_date=start_date, 
        end_date=context.current_dt, 
        frequency=frequency, 
        fields=['high','close'], 
        skip_paused=False, 
        fq='pre'
    )
    print(df_p)

总结：

• start_date 和 end_date 决定了获取数据的时间跨度。
• frequency 决定了在这个跨度内，每条数据（K线）的时间间隔（如 1分钟、1天）。不要将总数据量传给 frequency。