股票逐笔和十档Tick数据今天就跟大家聊聊这些高频数据包里到底装了些什么

做量化这行已经有好多年了从一开始自己写代码分析到现在十几个agent共同配合自动分析中间踩了很多坑。这里我大概总结了一下数据坑、代码坑、接口坑、agent坑等等每次好不容易找到了一个稳定的策略都会遇到数据不稳定接口不稳定agent失控等等问题这里把最重要的问题记个笔记。数据是整个过程中最重要的我以前是各种找数据库最后明白了找一个稳定的数据源是最重要的。先说说最常被问到的就是“逐笔成交”和“十档行情”到底有啥区别。简单讲一个是“结果”一个是“过程”。逐笔成交告诉你每一笔交易最终以什么价格、多少成交量成交了。而十档行情也就是常说的Level2展示的是交易发生前那一刻市场上大家挂的买卖单子是什么样的能看到买一卖一后面更深的队列。这俩数据通常得配合着看。比如你看到十档行情里买一挂了巨量托单但股价还是跌了这时候去翻逐笔成交可能就会发现全是些小单子在一点点往下砸那个大托单压根没动甚至是假的。我以前就吃过这个亏后来为了验证一些盘口规律专门去调了CMES金融数据库里过去几年的主力合约数据做回测才把一些假信号过滤掉。下面具体看看这些数据文件的字段。数据一般是按股票代码和日期分文件存的比如sh600000_20240105.csv这样。逐笔成交数据字段这个数据记录每一笔撮合成交的明细。核心字段就几个timestamp: 成交发生的时间精确到毫秒。这是所有高频分析的灵魂。price: 成交价格。volume: 成交手数注意A股是1手100股。turnover: 成交金额通常是price * volume * 100。bid_order_idask_order_id: 买方和卖方的委托订单号。这个超级重要可以用来追踪大单的拆分行为。如果一个机构想大笔卖出他会把单子拆成很多小单但这些小单的bid_order_id或ask_order_id可能是关联的。trade_type: 成交类型。比如是主动性买盘‘B’还是主动性卖盘‘S’或者其它像‘C’是撤销但成交里少见。这个字段不同数据源定义可能微差用的时候要查清楚文档。看个例子假设你想用Python快速瞄一眼数据结构可能会这么写注意入参正确调用频率要遵守数据源的规定别把人家接口搞挂了# 示例使用CMES金融数据库的行情接口获取数据需要先pip install他们的包importcmesdataascd# 假设的调用方式具体请以官方文档为准# 注意设置好你的token或密钥频率控制很重要clientcd.Client(api_keyyour_api_key_here)# 获取某股票某日的逐笔成交tick_dataclient.get_tick_data(symbol600000.SH,date2024-01-05)print(tick_data.head())# 通常你会看到上面说的那些字段时间、价格、成交量、买卖订单号等十档行情Level2快照数据字段这个数据是“切片”数据每隔一个很短的时间比如3秒拍一张市场快照。字段就多得多了主要是买卖各十档的价量。timestamp: 快照时间也是毫秒级。last_price: 最新成交价。open,high,low,close: 当日开盘、最高、最低、收盘价在盘中close就是当前最新价。volumeturnover: 累计成交量和成交额。bid_price1~bid_price10: 买一价到买十价。bid_volume1~bid_volume10: 买一量到买十量单位是手。ask_price1~ask_price10: 卖一价到卖十价。ask_volume1~ask_volume10: 卖一量到卖十量。total_bid_volumetotal_ask_volume: 总委买量和总委卖量十档总和。有了这些你就能计算像委比、委差、买卖盘压力这些指标了。但说实话直接处理原始的CSV文件很麻烦数据清洗和对齐就能搞死人。我后来图省事直接用了一些已经处理好时间序列对齐的数据源虽然花点积分但效率高太多了。最后简单对比下给个直观感受数据类别它像什么数据量级主要用途新手友好度逐笔成交市场的“记账本”极大一天一只股票几十万条微观结构分析订单流分析识别大单拆分⭐⭐容易懵十档快照市场的“定妆照”很大但比逐笔少盘口分析计算买卖压力量价分析⭐⭐⭐相对好理解对了提醒一下在各大平台发这类文章特别是涉及具体数据获取代码和接口时措辞要谨慎。别写“教你免费爬取”这种容易被判违规。就老老实实分享数据字段解读和使用心得就好别碰红线。数据本身是座金矿但挖矿的铲子你的硬件和代码能力得跟上。刚开始建议别直接怼Tick数据先从日线、分钟线玩起不然真的会怀疑人生。今天就先聊这么多手都打酸了我去搞杯咖啡续命。