第2章行情数据基础

一、Tick数据、分钟线、日线：它们到底是什么？

做量化交易，第一关就是搞懂行情数据。

我刚开始接触期货时，也被这些概念绕晕过。Tick、分钟线、日线，听起来好像就是时间长短不一样？

其实没那么简单。它们的数据结构、用途、存储方式，差别很大。

1. Tick数据：最原始的脉搏

Tick数据，说白了就是交易所每笔成交的原始记录。每一笔交易，都会生成一条Tick。

举个例子，螺纹钢主力合约在09:30:15.123秒成交了一手，价格是3850元，这就是一条Tick。

Tick数据的核心特征：

时间精度高：精确到毫秒甚至微秒
数据量大：一天几百万条是常事
包含完整信息：成交价、成交量、买卖盘口等

我在项目中遇到过一个问题：某家数据商提供的Tick时间戳，居然只精确到秒。同一秒内几十笔交易，时间戳一模一样。这导致回测时订单排序全乱了。嗯，这里要注意——Tick数据的灵魂就是时间精度，精度不够，后面全白搭。

2. 分钟线：压缩后的快照

分钟线，就是把Tick数据按分钟聚合。比如1分钟K线，包含这一分钟内的开盘价、最高价、最低价、收盘价、成交量。

你想想看，一天240根1分钟K线，比几百万条Tick好处理多了。大部分策略，用分钟线就够了。

我个人习惯：

做日内策略，用1分钟或5分钟线。做波段，用15分钟或60分钟线。Tick数据我只用来做高频策略，或者回测时验证分钟线的准确性。

3. 日线：最经典的行情数据

日线，就是一天一根K线。开盘价、最高价、最低价、收盘价、成交量、持仓量。

日线数据量最小，但信息密度最高。很多长周期策略，比如趋势跟踪、套利，都用日线。

我曾经犯过一个低级错误：用日线数据做回测，结果发现某天的最高价比最低价还低。查了半天，原来是数据源把日期搞混了，把两天的数据拼在了一起。所以，数据清洗永远是第一步。

二、数据精度：差之毫厘，谬以千里

数据精度，是量化交易的生命线。精度不够，策略再牛也白搭。

1. 价格精度

期货品种不同，最小变动价位也不同。螺纹钢是1元/吨，黄金是0.02元/克，股指期货是0.2点。

品种	最小变动价位	报价精度
螺纹钢	1元/吨	整数
黄金	0.02元/克	两位小数
沪深300股指	0.2点	一位小数

我建议，存储价格时统一用整数。比如螺纹钢3850元，就存3850。黄金385.50元，就存38550。这样避免浮点数精度问题，计算也快。

2. 时间精度

时间戳是行情数据的灵魂。Tick数据必须精确到毫秒，分钟线精确到秒，日线精确到天。

避坑指南：

我曾经用Python的datetime直接存时间戳，结果发现不同数据源的时间格式不一样。有的用"2024-01-15 09:30:00"，有的用"20240115093000"。后来我统一用Unix时间戳（毫秒级），再也不用担心格式问题了。

三、时间戳处理：统一标准，避免混乱

时间戳处理，是数据采集中最容易出问题的地方。我总结了几个要点：

1. 统一时区

国内期货用北京时间（UTC+8）。但有些数据源可能用UTC时间。一定要统一。

2. 处理夜盘

期货有夜盘，晚上21:00到次日凌晨。日线怎么算？

我习惯把夜盘和日盘合并成一天。比如今晚21:00到明日下午15:00，算作同一个交易日。这样日线才完整。

3. 时间戳对齐

分钟线的时间戳，应该用该分钟的结束时间还是开始时间？

我个人习惯用结束时间。比如09:31:00这根1分钟K线，包含09:30:00到09:30:59的数据。这样逻辑清晰，不容易混淆。

四、知识体系总览

下面这张图，是我梳理的行情数据知识体系。你可以把它当作本章的思维导图。

五、实战：如何选择合适的数据精度？

说了这么多理论，来点实际的。我一般这样选择：

高频策略：必须用Tick数据，毫秒级精度。存储用列式存储（比如Parquet），压缩率高，查询快。
日内策略：1分钟或5分钟线足够。时间戳精确到秒。
中长线策略：日线就够了。时间戳精确到天。

一个小技巧：

如果你不确定该用哪种精度，先存Tick。因为Tick可以向下聚合成分时线、日线。反过来就不行。我一般把Tick数据存一年，分钟线存五年，日线存十年。这样既节省空间，又保证数据完整。

六、代码示例：Tick数据转分钟线

最后，给一个简单的Python代码。把Tick数据聚合成1分钟K线。

import pandas as pd
import numpy as np

def tick_to_minute(tick_df):
    """
    将Tick数据聚合成1分钟K线
    tick_df: DataFrame，包含时间戳、价格、成交量
    """
    # 确保时间戳是datetime类型
    tick_df['time'] = pd.to_datetime(tick_df['time'])
    
    # 设置时间索引
    tick_df.set_index('time', inplace=True)
    
    # 按分钟聚合
    minute_df = tick_df.resample('1min').agg({
        'price': 'ohlc',  # 开盘、最高、最低、收盘
        'volume': 'sum'
    })
    
    # 展平多级列索引
    minute_df.columns = ['open', 'high', 'low', 'close', 'volume']
    
    return minute_df

这段代码我用了很多年。注意resample的用法，它会把时间戳自动对齐到整分钟。比如09:30:15.123会被归到09:31:00这根K线。嗯，这里要确认一下你的业务逻辑是否一致。

好了，关于Tick数据、分钟线、日线的定义、区别、精度和时间戳处理，就讲到这里。这些是行情数据的基础，也是后续所有策略的基石。搞懂了这些，后面的路就好走了。