第2章 Tick数据获取

2、Tick数据获取：从交易所获取Tick数据、从数据供应商获取Tick数据、本地Tick数据文件格式

做量化交易的朋友都知道，Tick数据是最高频的市场数据。每一笔成交、每一次报价变动，都被记录在Tick里。我刚开始接触Tick数据时，觉得这东西不就是一堆时间戳和价格嘛，有什么难的？后来真上手了才发现，坑多着呢。

今天咱们就聊聊Tick数据怎么来。说白了，就三条路：直接从交易所拿、从数据供应商买、或者用本地文件。每条路都有自己的脾气，咱们一条条说。

2.1 从交易所获取Tick数据

交易所是Tick数据的源头。国内常见的交易所包括上交所、深交所、中金所、大商所等。每个交易所都有自己的数据接口规范。

直接接入交易所的API，听起来很酷对吧？但实际操作起来，嗯，有点麻烦。

⚠️ 注意： 交易所API通常只对会员单位开放。个人投资者想直接接入？基本没戏。你得通过期货公司或券商来间接获取。

交易所提供的Tick数据接口，一般有两种方式：

行情推送接口：实时推送，延迟低，适合做高频交易。我记得有次帮客户调试中金所的CTP接口，那延迟要求是微秒级的，稍微慢一点就被甩开了。
历史数据下载：每天收盘后，交易所会提供当天的Tick数据文件。格式嘛，各家不一样。

举个例子，中金所的CTP（综合交易平台）接口，获取Tick数据的核心代码大概长这样：

# 伪代码示例 - CTP行情订阅
from ctp import MdApi

class TickHandler(MdApi):
    def OnRtnDepthMarketData(self, data):
        # 收到Tick数据回调
        tick = {
            'symbol': data.InstrumentID,
            'time': data.UpdateTime,
            'last_price': data.LastPrice,
            'volume': data.Volume,
            'bid_price': data.BidPrice1,
            'ask_price': data.AskPrice1
        }
        self.save_tick(tick)

api = TickHandler()
api.RegisterFront("tcp://180.168.146.187:10010")
api.Init()

你看，代码本身不复杂。但真正麻烦的是网络环境、防火墙、以及交易所的认证机制。我曾经在部署CTP接口时，被交易所的IP白名单折腾了整整两天——后来发现是公司网络出口IP变了。

2.2 从数据供应商获取Tick数据

如果你不是交易所会员，或者不想自己折腾底层接口，找数据供应商是最省心的办法。

国内常见的数据供应商有：

供应商	数据覆盖	接口方式	价格
Wind	股票、期货、期权	API / Excel插件	较贵
聚宽	股票、期货	Python SDK	中等
Tushare	股票、基金、期货	HTTP API	免费/付费
RiceQuant	股票、期货	Python SDK	中等

我个人习惯用Tushare做快速原型验证。免费版就能拿到日线数据，付费版才有Tick级别的数据。你想想看，如果只是做策略回测，日线数据够用了。但要做高频策略，Tick数据是必须的。

用Tushare获取Tick数据的示例：

import tushare as ts

# 设置token
ts.set_token('your_token_here')
pro = ts.pro_api()

# 获取某只股票的Tick数据
df = pro.tick(
    ts_code='000001.SZ',
    trade_date='20240115',
    start_time='093000',
    end_time='150000'
)
print(df.head())

💡 小技巧： 数据供应商的Tick数据通常已经做了初步清洗。但别太相信他们——我遇到过供应商数据里出现负价格的情况，明显是字段错位了。所以拿到数据后，一定要自己做一遍校验。

2.3 本地Tick数据文件格式

不管数据从哪来，最终都要存到本地。Tick数据量巨大，一天的数据可能就有几个GB。所以文件格式的选择很重要。

常见的本地存储格式有：

CSV：简单直观，但体积大、读写慢。适合小规模数据。
Parquet：列式存储，压缩率高，读写快。我强烈推荐这个。
HDF5：适合科学计算，但生态不如Parquet。
Feather：R和Python之间的桥梁，速度极快。

我自己在项目中，90%的情况都用Parquet。为什么？因为它的压缩比太香了。同样一份Tick数据，CSV要500MB，Parquet只要80MB。而且读取速度还快好几倍。

一个典型的Tick数据文件结构：

# Tick数据字段示例
{
    'symbol': 'IF2401',        # 合约代码
    'datetime': '2024-01-15 09:30:00.123',  # 精确到毫秒
    'last_price': 3850.2,      # 最新成交价
    'volume': 1234,            # 累计成交量
    'turnover': 47500000.0,    # 累计成交额
    'bid_price1': 3850.0,      # 买一价
    'bid_volume1': 10,         # 买一量
    'ask_price1': 3850.4,      # 卖一价
    'ask_volume1': 5,          # 卖一量
    'open_interest': 85000     # 持仓量（期货特有）
}

📌 重点： Tick数据的时间精度非常关键。交易所的时间戳通常是毫秒级，但有些供应商会截断到秒。如果你要做高频分析，时间精度不够的话，排序和去重都会出问题。

用Python读写Parquet格式的Tick数据：

import pandas as pd

# 读取Parquet文件
df = pd.read_parquet('tick_data.parquet')

# 写入Parquet文件
df.to_parquet('tick_data.parquet', compression='snappy')

# 查看数据概况
print(f"数据量: {len(df)} 条")
print(f"时间范围: {df['datetime'].min()} ~ {df['datetime'].max()}")

嗯，这里要注意一点：Parquet虽然好，但它不是万能的。如果你需要频繁地追加数据，Parquet就不太合适了。这时候可以考虑用Feather或者直接分文件存储。

2.4 知识体系总览

说了这么多，咱们用一张图来总结一下Tick数据获取的整体脉络：

这张图把Tick数据获取的三大路径串起来了。你从交易所拿原始数据，或者从供应商买现成的，最终都要落到本地存储。而本地存储的格式选择，直接决定了后续去重和排序的效率。

我个人建议：先用Tushare或聚宽快速拿到数据做验证，等策略跑通了，再考虑直接接入交易所API来降低延迟。别一上来就搞CTP，那玩意儿调试起来真能让人崩溃。

💡 避坑指南： 我曾经从某供应商买过一份期货Tick数据，拿到手发现时间戳全是乱的——有些是本地时间，有些是交易所时间，混在一起。后来我花了整整一周才把时间对齐。所以，拿到数据后第一件事：检查时间戳的时区和精度。

好了，Tick数据怎么来，咱们就聊到这儿。下一节咱们会深入讨论数据去重的具体算法——那才是真正考验功底的地方。

公众号:蓝海资料掘金营，微信deep3321

📚 课程目录

2、Tick数据获取：从交易所获取Tick数据、从数据供应商获取Tick数据、本地Tick数据文件格式

2.1 从交易所获取Tick数据

2.2 从数据供应商获取Tick数据

2.3 本地Tick数据文件格式

2.4 知识体系总览