第4章市场数据模型

市场数据模型：Tick数据、Order Book数据、K线数据

做量化交易，尤其是高频策略，第一道坎就是数据。

我见过太多人，策略逻辑写得天花乱坠，结果一跑回测就崩。为什么？数据模型没搞对。说白了，你连市场长什么样都没搞清楚，怎么赚钱？

今天咱们就把这块硬骨头啃下来。我会把Tick、Order Book、K线这三种核心数据模型，掰开揉碎了讲清楚。

1. Tick数据：市场的原子单位

Tick数据是什么？就是每一笔成交的原始记录。它是最细粒度的数据，没有之一。

我个人习惯把Tick数据叫做「市场的呼吸」。每一笔成交，都是市场的一次呼吸。高频策略吃的就是这口「气」。

1.1 Tick数据字段定义

一个标准的Tick数据，至少包含以下字段：

字段名	类型	说明
symbol	string	合约代码，比如 "BTCUSDT"
timestamp	int64	成交时间戳，精确到毫秒或微秒
price	float64	成交价格
volume	float64	成交量（币的数量）
side	int8	成交方向：1=主动买，-1=主动卖，0=未知
trade_id	int64	交易所唯一成交ID

注意： 时间戳的精度问题，我踩过坑。有些交易所给的是秒级，有些是毫秒级。回测时如果不统一，你的策略会「穿越时空」——用未来的数据预测过去，这很致命。

1.2 Tick数据标准化

不同交易所，字段名不一样，格式也不一样。比如币安叫 "t"，OKX叫 "instId"。怎么办？标准化。

# 这是我常用的Tick标准化函数
def normalize_tick(raw_tick, exchange):
    """
    将不同交易所的Tick数据统一为标准格式
    """
    if exchange == 'binance':
        return {
            'symbol': raw_tick['s'],
            'timestamp': int(raw_tick['T']),
            'price': float(raw_tick['p']),
            'volume': float(raw_tick['q']),
            'side': 1 if raw_tick['m'] else -1,
            'trade_id': int(raw_tick['t'])
        }
    elif exchange == 'okx':
        return {
            'symbol': raw_tick['instId'],
            'timestamp': int(raw_tick['ts']),
            'price': float(raw_tick['px']),
            'volume': float(raw_tick['sz']),
            'side': 1 if raw_tick['side'] == 'buy' else -1,
            'trade_id': int(raw_tick['tradeId'])
        }
    # 其他交易所类似处理

你看，标准化之后，你的策略代码就不用关心底层数据源了。这是基本功。

2. Order Book数据：市场的深度与博弈

Order Book，也就是订单簿。它告诉你：现在有多少人在买，多少人在卖，价格挂在哪。

我当年做做市商策略时，Order Book就是我的「眼睛」。没有它，你根本不知道市场的真实流动性在哪。

2.1 Order Book数据结构

一个完整的Order Book快照，包含以下部分：

bids：买单列表，按价格从高到低排序
asks：卖单列表，按价格从低到高排序
timestamp：快照时间
sequence：序列号，用于检测数据是否连续

每个订单条目包含：价格、数量、订单数量（可选）。

# Order Book快照示例
order_book_snapshot = {
    'symbol': 'BTCUSDT',
    'timestamp': 1625000000000,
    'bids': [
        [35000.0, 1.5],   # 价格35000，数量1.5个BTC
        [34999.5, 2.0],
        [34999.0, 0.8]
    ],
    'asks': [
        [35001.0, 1.2],
        [35001.5, 3.0],
        [35002.0, 0.5]
    ],
    'sequence': 123456789
}

2.2 增量更新 vs 全量快照

这里有个关键点：Order Book是实时变化的。每次有人下单、撤单，订单簿都会变。

交易所通常提供两种数据：

全量快照：每隔一段时间（比如100ms）给你整个订单簿
增量更新：每次变化时，只告诉你变了什么

我的建议： 高频策略一定要用增量更新。全量快照太慢了，等你拿到数据，市场早变了。我曾经用全量快照做回测，结果策略在实盘时完全跟不上节奏。

2.3 Order Book的深度指标

从Order Book里，我们可以算出很多有用的指标：

指标	计算方式	用途
买卖价差	ask[0].price - bid[0].price	衡量市场流动性
深度加权价格	按数量加权平均	判断真实成交价格
订单不平衡度	(bid_vol - ask_vol) / (bid_vol + ask_vol)	预测短期价格方向
价格冲击成本	吃掉N层订单需要的成本	评估大单执行成本

3. K线数据：时间维度的压缩

K线，也叫OHLCV。它是把一段时间内的交易数据，压缩成四个价格：开盘、最高、最低、收盘，外加成交量。

说实话，K线是给中低频策略用的。高频策略很少直接用K线，因为信息损失太大了。但做回测时，K线可以用来做快速验证。

3.1 K线字段定义

字段	说明
open	开盘价
high	最高价
low	最低价
close	收盘价
volume	成交量
timestamp	K线开始时间

3.2 从Tick合成K线

有时候你只有Tick数据，但需要K线做分析。那就自己合成。

def ticks_to_kline(ticks, interval_ms=60000):
    """
    将Tick数据合成为K线
    interval_ms: K线周期，默认1分钟
    """
    klines = []
    current_kline = None
    
    for tick in ticks:
        # 计算当前Tick属于哪个K线周期
        kline_time = (tick['timestamp'] // interval_ms) * interval_ms
        
        if current_kline is None or current_kline['timestamp'] != kline_time:
            # 新K线开始
            if current_kline is not None:
                klines.append(current_kline)
            current_kline = {
                'timestamp': kline_time,
                'open': tick['price'],
                'high': tick['price'],
                'low': tick['price'],
                'close': tick['price'],
                'volume': tick['volume']
            }
        else:
            # 更新当前K线
            current_kline['high'] = max(current_kline['high'], tick['price'])
            current_kline['low'] = min(current_kline['low'], tick['price'])
            current_kline['close'] = tick['price']
            current_kline['volume'] += tick['volume']
    
    return klines

    核心要点： 合成K线时，开盘价是周期内第一笔成交价，收盘价是最后一笔。最高最低就是周期内的极值。这个逻辑很简单，但很多人写错。

4. 数据标准化：统一战场

数据标准化，说白了就是让所有数据「说同一种语言」。

我做过一个项目，同时接入5个交易所的数据。每个交易所的字段名、时间格式、价格精度都不一样。如果不标准化，你的策略代码会变成一团乱麻。

4.1 标准化的几个维度

时间标准化：统一为UTC时间戳，精确到毫秒
价格标准化：统一为float64，注意精度问题
数量标准化：统一为float64，注意小数位数
方向标准化：买卖方向用+1/-1表示
缺失值处理：用NaN或-1填充，不要用0

4.2 数据质量检查

数据标准化之后，一定要做质量检查。我吃过这个亏——数据里有重复的Tick，导致回测结果虚高。

def check_data_quality(ticks):
    """
    检查Tick数据质量
    """
    issues = []
    
    # 检查时间戳是否递增
    for i in range(1, len(ticks)):
        if ticks[i]['timestamp'] <= ticks[i-1]['timestamp']:
            issues.append(f"时间戳异常: index {i}")
    
    # 检查价格是否合理
    for tick in ticks:
        if tick['price'] <= 0:
            issues.append(f"价格异常: {tick}")
    
    # 检查是否有重复trade_id
    trade_ids = [t['trade_id'] for t in ticks]
    if len(trade_ids) != len(set(trade_ids)):
        issues.append("存在重复的trade_id")
    
    return issues

5. 知识体系总览

下面这张图，是我自己总结的市场数据模型知识体系。你看一眼，就能明白今天讲的所有内容是怎么串起来的。

这张图把今天的内容都串起来了。你看，Tick是源头，Order Book是深度，K线是压缩。而标准化，是贯穿始终的「通用语言」。

一个小建议： 刚开始做回测系统时，别贪多。先把Tick数据模型做扎实。Tick搞定了，Order Book和K线都是衍生品。我当年就是先啃下Tick，后面就顺了。

好了，市场数据模型这块，咱们就聊到这。记住一句话：数据模型是回测系统的地基。地基不稳，楼盖得再高也得塌。

📚 课程目录

市场数据模型：Tick数据、Order Book数据、K线数据

1. Tick数据：市场的原子单位

1.1 Tick数据字段定义

1.2 Tick数据标准化

2. Order Book数据：市场的深度与博弈

2.1 Order Book数据结构

2.2 增量更新 vs 全量快照

2.3 Order Book的深度指标

3. K线数据：时间维度的压缩

3.1 K线字段定义

3.2 从Tick合成K线

4. 数据标准化：统一战场

4.1 标准化的几个维度

4.2 数据质量检查

5. 知识体系总览