3. 数据模型设计：时间戳、价格、成交量与标识符

做量化系统，数据模型是地基。地基没打好，后面全是坑。

我个人习惯，在设计 Tick 数据模型时，会先问自己三个问题：这数据怎么来？怎么存？怎么查？想清楚这三点，字段定义自然就出来了。

3.1 时间戳：精度与对齐

时间戳是 Tick 数据的灵魂。没有准确的时间，价格和成交量就是一堆废数字。

精度选择

交易所给的时间戳，通常是微秒级甚至纳秒级。但你真的需要存纳秒吗？

我在项目中遇到过，某家期货交易所的行情源，时间戳精度是微秒，但实际跳动频率只有毫秒级。存纳秒纯属浪费空间。我的建议是：

• 股票/期货：微秒级足够。大部分交易所的撮合频率到不了纳秒。
• 数字货币：毫秒级即可。币圈的 Tick 数据，时间戳太细反而容易产生大量重复数据。
• 回测场景：统一对齐到毫秒。不然回测时时间轴对不上，你会疯掉。

时区处理

嗯，这里要注意。所有时间戳，一律存 UTC。展示时再转本地时间。

我曾经接手过一个老系统，时间戳混着存，有的用北京时间，有的用纽约时间。查个跨市场套利的数据，光时区转换就写了 50 行代码。后来我全部统一成 UTC，世界清净了。

// 推荐的时间戳字段设计
{
  "exchange_ts": 1700000000123456,  // 交易所原始时间戳（微秒）
  "local_ts":     1700000000123456,  // 网关接收时间戳（微秒）
  "seq_no":       1024               // 交易所序列号（用于去重）
}

3.2 价格：整数化存储

价格字段，很多人直接用浮点数。这是个大坑。

浮点数在计算机里是近似值。0.1 + 0.2 不等于 0.3，这个梗大家都知道。Tick 数据里，价格差一个最小变动价位，可能就是几千块的盈亏。

我的做法：

• 整数化：价格乘以最小变动价位的倒数，存成整数。比如 A 股最小变动 0.01 元，那 12.34 元就存成 1234。
• 精度字段：额外存一个 price_scale，记录小数位数。这样恢复时不会出错。
• 避免 double：能用 int64 就别用 double。存储空间省一半，查询速度还快。

3.3 成交量：注意溢出

成交量看起来简单，就是个数字嘛。但你真的见过一天成交几百万手的品种吗？

我记得有一次，某商品期货因为交割日临近，成交量突然放大。我们的系统用的是 int32 存成交量，结果直接溢出了。回测出来的策略曲线，看着像心电图——全是负值。

避坑指南：

• 用 int64：别省那 4 个字节。int64 能存到 9.22e18，够你用到退休。
• 区分累计量与单笔量：Tick 数据里，有的交易所给的是累计成交量，有的是单笔成交量。字段名要写清楚。
• 成交量单位：是手还是股？是张还是枚？存的时候统一成最小单位，展示时再换算。

// 成交量字段设计示例
{
  "volume":      12345678,    // 累计成交量（股/手/张）
  "turnover":    9876543210,  // 成交金额（分）
  "volume_type": "cumulative" // cumulative 或 single
}

3.4 标识符：唯一且稳定

标识符是数据的身份证。设计不好，数据关联起来就是一场噩梦。

我推荐的结构：

字段	示例	说明
symbol	600519.SH	交易所代码 + 市场后缀
exchange	SSE	交易所枚举值
instrument_id	600519	纯代码，不带后缀
data_source	ctp	数据来源标识

为什么这么设计？

你想想看，同一个股票，在不同数据源里可能叫法不一样。有的叫 600519.SH，有的叫 SH600519。如果你只存一个 symbol，后面做数据合并时，光做映射表就能累死你。

3.5 完整数据模型

把上面这些串起来，一个典型的 Tick 数据行大概长这样：

{
  "symbol":       "600519.SH",
  "exchange":     "SSE",
  "exchange_ts":  1700000000123456,
  "local_ts":     1700000000123456,
  "seq_no":       1024,
  "price":        123400,      // 整数化，实际价格 12.34 元
  "price_scale":  4,           // 4位小数
  "volume":       12345678,
  "turnover":     9876543210,
  "bid_price_1":  123300,
  "bid_volume_1": 1000,
  "ask_price_1":  123500,
  "ask_volume_1": 2000,
  // ... 更多买卖盘口
}

这个模型，我在三个不同的量化系统里用过。从单机回测到分布式实盘，都没出过问题。说白了，数据模型这东西，越简单越可靠。

3.6 核心逻辑图

下面这张图，是我做数据模型设计时的思考框架。每次设计新系统，我都会对着这张图过一遍：

这张图里，四个维度是并列关系。时间戳保证时序，价格保证精度，成交量保证完整性，标识符保证可关联。缺一个，数据模型就不完整。