第1章高频数据概述

1. 高频数据概述：Tick级数据、快照数据、逐笔成交数据的区别与获取渠道

做高频做市，第一关就是搞懂数据。说实话，我见过太多人一上来就对着行情接口猛怼，结果数据格式都分不清，回测跑出来全是未来函数。今天咱们就把这三种核心数据掰开揉碎讲清楚。

普通日线数据，一天就一根K线。但高频数据呢？一秒钟可能来几十笔甚至上百笔。你想想看，如果拿处理日线那套逻辑来搞高频，基本就是开着卡车去跑F1赛道——不是不行，是根本跑不起来。

我个人习惯把高频数据分成三个层次：Tick级数据、快照数据、逐笔成交数据。这三兄弟长得像，但脾气完全不同。

核心区别一句话总结：

Tick数据，说白了就是交易所每次行情有变动时，推送给你的那一条记录。它包含当前的最新价、成交量、持仓量、买卖盘口前几档等信息。

我在项目中遇到过一个问题：很多新手以为Tick数据就是"每笔成交"。其实不是。Tick是行情快照，它反映的是某个时间点的市场状态，而不是单笔交易。

避坑指南：我曾经在回测时直接用Tick数据模拟成交，结果发现滑点算得离谱。后来才意识到，Tick数据里的价格是"最新成交价"，不代表你能在那个价格成交。做市商尤其要注意这个。

获取Tick数据，国内常见的渠道有：

快照数据，就是每隔固定时间（比如500毫秒或1秒）记录一次当前的市场状态。它和Tick数据最大的区别在于：Tick是事件驱动，快照是时间驱动。

你想想看，如果市场一秒钟变了100次，Tick数据就会推送100条。但快照数据呢？不管市场怎么变，它只按固定频率拍照。这就导致一个问题：快照数据会丢失中间的信息。

我记得有一次做策略回测，用快照数据模拟高频交易，结果收益曲线漂亮得不像话。后来一查，原来是快照错过了好几次大波动，把亏损的细节给"平滑"掉了。嗯，这里要注意——快照数据做高频回测，一定要做时间对齐和插值处理。

对比维度	Tick数据	快照数据	逐笔成交数据
触发方式	事件驱动	时间驱动	事件驱动
数据频率	不固定，随行情变化	固定（如500ms）	每笔成交触发
包含信息	最新价、量、盘口	完整盘口快照	成交价、量、方向
数据量	中等	较小	最大
获取难度	中等	容易	较难

逐笔成交数据，就是每一笔真实成交的详细记录。它包含：成交时间、成交价格、成交量、买方/卖方标识（有些市场提供）、成交编号等。

为什么说它最细？因为Tick数据可能包含多笔成交的汇总，而逐笔数据是一笔一笔拆开给你看的。做高频做市，逐笔数据是黄金级别的数据源。

注意：国内期货市场的逐笔成交数据，目前只有部分交易所提供，而且通常需要额外付费。中金所的逐笔数据相对完整，但大商所和郑商所的数据字段会少一些。获取前一定要确认清楚。

我个人习惯用逐笔数据来做订单流分析。比如，通过逐笔成交的买卖方向，可以判断大单是主动买还是主动卖，这对做市策略的报价调整非常有帮助。

搞清楚了区别，接下来就是怎么拿到这些数据。我整理了一下常见的获取渠道：

我的建议：如果是做回测研究，先用第三方数据商的历史数据，省去自己清洗的麻烦。如果是实盘，必须用CTP或交易所直连，延迟和准确性是第一位的。

下面这张图，我把三种数据的关系和适用场景画了出来，方便你理解：

搞清楚了数据长什么样，接下来就是清洗。但清洗之前，你得先知道什么是脏数据。我总结了几种常见的高频数据脏数据：

特别提醒：千万不要直接拿原始数据跑策略。我曾经见过一个团队，回测收益高得吓人，结果发现是数据里混入了"未来数据"——某条Tick的时间戳比实际时间晚了，导致策略"提前"知道了后面的行情。这种坑，踩一次就够你受的。

好了，三种高频数据的区别和获取渠道就讲到这里。记住一句话：数据质量决定策略上限。下一节咱们会深入讲如何清洗这些数据，特别是Tick数据的时间对齐和去重处理。