1. 行情数据基础：定义、来源与频率

做量化交易，第一道坎就是行情数据。

我见过太多人，策略写得花里胡哨，结果数据源一塌糊涂。回测跑得飞起，实盘直接崩盘。说白了，行情数据就是量化交易的「地基」。地基不稳，楼盖得再高也得塌。

1.1 行情数据到底是个啥？

行情数据，就是市场交易行为的数字化记录。它记录了「什么标的、在什么时间、以什么价格、成交了多少」这些核心信息。

我个人习惯把行情数据分成两类：

• 快照数据：某一时刻的市场状态。比如当前买一价、卖一价、最新成交价。
• 流水数据：连续的交易事件。比如每一笔成交的逐笔明细。

嗯，这里要注意。快照数据是「切片」，流水数据是「录像」。两者用途完全不同。

1.2 数据源类型：交易所 vs 第三方

数据从哪来？这是个好问题。我刚开始做量化时，图省事直接用了某免费数据源。结果回测收益年化50%，实盘亏得亲妈都不认识。后来一查，数据延迟了整整3秒。

目前主流的数据源就两种：

数据源类型	优点	缺点	典型场景
交易所直连	延迟最低（微秒级）、数据最完整、无中间环节	成本高（硬件/带宽/席位费）、接入复杂	高频交易、做市商
第三方数据商	接入简单、成本低、提供清洗后的数据	延迟较高（毫秒到秒级）、可能有数据缺失	中低频策略、回测研究

你想想看，做高频交易的人，为什么愿意花几百万买交易所直连？因为那几微秒的差距，可能就是盈利和亏损的分界线。

1.3 数据频率：Tick、1分钟、日线

数据频率决定了你能看到多细的市场纹理。我把它比作拍照：

• 日线：相当于每天拍一张全景照。能看到大趋势，但细节全丢了。
• 1分钟线：相当于每1分钟拍一张。能看到日内波动。
• Tick数据：相当于每秒拍60张的高速连拍。每一笔成交都记录在案。

这三种频率的数据，各有各的用途：

Tick数据

Tick数据是最高频的数据，记录每一笔成交的详细信息。包括：成交时间、成交价格、成交量、成交方向（买/卖）。

我曾经在做一个期货高频策略时，发现用1分钟线回测效果很好，但实盘就是不行。后来换成Tick数据一查，发现策略在毫秒级别的价格反转中频繁亏损。这就是频率不够细带来的问题。

# Tick数据示例（CSV格式）
timestamp,symbol,price,volume,side
2024-01-15 09:30:00.123456,600519.SH,168.50,100,BUY
2024-01-15 09:30:00.234567,600519.SH,168.51,200,SELL
2024-01-15 09:30:00.345678,600519.SH,168.50,150,BUY

1分钟线

1分钟线是聚合数据。把1分钟内的所有Tick数据，按时间聚合成一笔K线。包含：开盘价、最高价、最低价、收盘价、成交量。

我个人习惯用1分钟线做日内策略的初步筛选。它比日线细，又比Tick数据好处理。数据量适中，回测速度也快。

日线

日线是最常用的数据。每天一根K线，包含：开盘价、最高价、最低价、收盘价、成交量。

日线适合做中长线策略。比如趋势跟踪、均值回归这些。数据量小，处理起来也快。我一般用日线做策略的「大方向判断」，然后用更细的数据做入场时机选择。

1.4 三种频率的对比

维度	Tick数据	1分钟线	日线
数据量（单只股票/天）	数万条	240条	1条
存储成本	极高	中等	极低
适用策略	高频、做市	日内、统计套利	趋势、价值投资
数据校验难度	极高（需逐笔校验）	中等	低

1.5 知识体系结构图

下面这张图，是我自己总结的行情数据基础结构。你看一眼就能明白这三者的关系：

这张图展示了行情数据的完整链路：从数据源出发，经过不同频率的聚合，最终形成快照或流水数据，服务于具体的交易场景。

好了，行情数据的基础就这些。说白了就是三件事：数据从哪来、数据多细、数据长啥样。搞清楚了这些，后面的数据校验和错误恢复才有意义。