第一章：做市数据概览——直盘货币对介绍、Tick数据与Bar数据、数据源选择与评估
大家好，我是老李。在外汇市场摸爬滚打了十几年，从最初的交易员做到现在的量化做市团队负责人。今天咱们开始这门《直盘做市数据清洗与建模实战》的第一课。
说实话，很多人一上来就急着写策略、跑回测。但我得泼盆冷水——数据这关过不了，后面全是白搭。我见过太多团队，模型跑得飞起，一上实盘就崩，最后查出来是数据源的问题。嗯，咱们先把地基打牢。
1.1 直盘货币对：做市商的主战场
先说说什么是直盘。简单讲，就是跟美元直接挂钩的货币对。比如EUR/USD、GBP/USD、USD/JPY这些。为什么叫「直盘」？因为报价里直接包含了美元，不需要通过交叉汇率换算。
我个人习惯把直盘分成三类：
- 欧系直盘：EUR/USD、GBP/USD、USD/CHF。流动性最好，点差最窄。
- 商品货币直盘：AUD/USD、NZD/USD、USD/CAD。受大宗商品价格影响大。
- 亚洲直盘：USD/JPY。这个比较特殊，受日本央行干预频繁。
做市商最喜欢做哪个？我个人经验是EUR/USD。为什么？流动性深啊！你想想看，一天24小时，除了周末，几乎每秒钟都有成交。点差常年维持在0.1-0.3个pip。这种品种，做市商才能赚到稳定的买卖价差。
核心观点：直盘货币对是外汇做市的基本盘。如果你连EUR/USD的数据都搞不定，就别碰那些冷门交叉盘了。
1.2 Tick数据 vs Bar数据：两个世界的语言
好，接下来聊数据。做市商眼里，数据分两种：Tick数据和Bar数据。这俩的区别，说白了就是一个是「显微镜」，一个是「望远镜」。
1.2.1 Tick数据：每一笔成交的呼吸
Tick数据记录的是每一笔成交的细节。包括：
- 时间戳（精确到毫秒甚至微秒）
- 买入价（Bid）
- 卖出价（Ask）
- 成交量（Volume）
- 有时候还有买卖方向标识
举个例子，一条典型的EUR/USD Tick数据长这样：
2024-01-15 09:30:01.123, 1.09501, 1.09503, 2
2024-01-15 09:30:01.456, 1.09502, 1.09504, 5
2024-01-15 09:30:01.789, 1.09500, 1.09502, 1看到没？一秒内就发生了三笔交易。做市商必须处理这种级别的数据。我当年刚入行时，用Excel打开一天的Tick数据，直接卡死。后来才明白，一天的数据量轻松上百万条。
避坑指南：我曾经犯过一个错误——直接用Tick数据做回测，没做任何清洗。结果发现回测收益高得离谱，一查才知道，数据里有大量「跳空」和「重复报价」。嗯，从那以后我养成了先清洗再建模的习惯。
1.2.2 Bar数据：把时间切成块
Bar数据就是把Tick数据按时间窗口聚合。常见的Bar类型有：
- 时间Bar：比如1分钟、5分钟、1小时。最简单，但信息损失大。
- 成交量Bar：每成交一定手数生成一根Bar。比如1000手一根。
- Tick Bar：每发生N笔交易生成一根。比如1000笔Tick一根。
- 波动率Bar：价格波动达到一定幅度生成一根。比如10个pip。
做市商更常用哪种？我个人偏好成交量Bar和Tick Bar。为什么？因为时间Bar在流动性差的时候，一根Bar里可能只有几笔交易，信息量太少。而成交量Bar能保证每根Bar都有足够的市场参与度。
来看一个1分钟Bar的示例：
2024-01-15 09:30:00, 1.09500, 1.09505, 1.09498, 1.09503, 234
2024-01-15 09:31:00, 1.09503, 1.09508, 1.09501, 1.09506, 189每根Bar包含：开盘价、最高价、最低价、收盘价、成交量。这就是经典的OHLC数据。
我的建议：如果你是做高频做市策略，必须用Tick数据。如果是做日内趋势或波段，用成交量Bar就够了。别一上来就追求「最高精度」，数据量太大反而拖慢开发速度。
1.3 数据源选择与评估：选错了，全白干
数据源这块，水很深。我见过有人用免费数据做回测，结果策略表现完美，一实盘就亏。为什么？数据质量不行。
目前主流的数据源有这几类：
| 数据源类型 | 代表 | 优点 | 缺点 |
|---|---|---|---|
| 交易所直连 | EBS、Reuters | 最权威，延迟最低 | 贵，门槛高，年费几十万起 |
| 经纪商API | FXCM、OANDA、IB | 相对便宜，容易获取 | 数据可能被「加工」过 |
| 数据供应商 | Dukascopy、TrueFX | 历史数据完整，Tick级别 | 需要付费，质量参差不齐 |
| 免费数据 | Investing.com、Yahoo Finance | 不要钱 | 延迟高，有缺失，不适合做市 |
怎么评估一个数据源好不好？我一般看三个指标：
- 完整性：有没有数据空洞？比如某个小时完全没有报价。
- 准确性：Bid/Ask价差是否合理？有没有负价差？
- 时效性：数据延迟多少？做市策略对延迟极其敏感。
我曾经用过一个号称「Tick级」的数据源，结果一检查，发现它把每秒的报价做了「平滑处理」。说白了，就是插值伪造了一些Tick。这种数据做回测，结果根本不可信。
我的经验：如果预算有限，至少选一个靠谱的经纪商API。比如OANDA的API，数据质量在业内口碑不错。别用免费数据做做市策略，那是给自己挖坑。
1.4 本章知识体系：一张图看懂
下面我用一张SVG图，把本章的核心逻辑串起来。你一看就明白：
这张图把本章的核心逻辑串起来了。你看，从直盘货币对出发，分Tick和Bar两条路，最后都落到数据源评估上。做市商的数据工作，本质上就是在这三个维度上做权衡。
1.5 小结
好，第一章就聊到这儿。总结一下：
- 直盘货币对是做市商的基本盘，EUR/USD是首选。
- Tick数据是显微镜，Bar数据是望远镜。做高频用Tick，做趋势用Bar。
- 数据源选择上，别贪便宜。免费数据害死人。
下一章，咱们开始动手——怎么用Python获取Tick数据，以及第一步的数据清洗该怎么做。到时候我会把踩过的坑都告诉你。