第二章：市场选择与数据源——主流交易所介绍与API接入

做跨市场套利，第一步不是写策略，而是选对市场、拿对数据。这个道理我是在一次惨痛教训后才真正理解的——当时我花了两周搭建的套利模型，上线后发现两边数据时间戳差了整整3秒，结果可想而知。

今天我们就来聊聊，怎么选交易所、怎么接数据、怎么把数据洗干净对齐。这些都是基本功，但恰恰是这些基本功决定了你的套利系统能不能跑起来。

2.1 主流交易所：谁是你的菜？

目前全球交易量最大的三家交易所，分别是Binance、OKX和Coinbase。我个人的习惯是，做套利至少选两家，最好三家都接上。

交易所	特点	适合场景	API限制
Binance	流动性最好，交易对最全	主流币种套利、高频策略	1200次/分钟（WebSocket无限制）
OKX	深度不错，永续合约丰富	期现套利、跨品种套利	600次/分钟
Coinbase	合规性强，数据质量高	机构级策略、美股相关套利	300次/分钟

2.2 API接入：从零开始拿数据

接入API其实不复杂，但有几个坑你得提前知道。我曾经因为没处理好API限频，被Binance封了IP整整24小时……嗯，那天的回测数据全废了。

2.2.1 REST API vs WebSocket

说白了，REST API就像你去问路，问一次答一次；WebSocket就像你开了个对讲机，对方一直跟你说话。

• REST API：适合获取历史数据、下单操作。请求-响应模式，简单可靠。
• WebSocket：适合实时行情订阅。数据推送模式，延迟低，但连接维护麻烦点。

我个人习惯是：历史数据用REST，实时行情用WebSocket。两者配合使用，效率最高。

2.2.2 代码示例：Binance实时行情订阅

下面这个例子，是我在项目中实际用过的简化版。它订阅BTC/USDT的实时成交数据，然后打印出来。

import asyncio
import websockets
import json

async def subscribe_binance_trade():
    uri = "wss://stream.binance.com:9443/ws/btcusdt@trade"
    async with websockets.connect(uri) as ws:
        print("已连接到Binance WebSocket")
        while True:
            data = await ws.recv()
            trade = json.loads(data)
            print(f"价格: {trade['p']}, 数量: {trade['q']}, 时间: {trade['T']}")

asyncio.run(subscribe_binance_trade())

2.3 数据清洗：脏数据是套利的头号杀手

你拿到的原始数据，基本不能直接用。为什么？因为交易所的数据里夹杂着各种异常——空值、重复、乱序、甚至错误的价格。

我记得有一次，OKX返回了一个价格为0的成交记录，我的策略直接触发了买入信号……还好是模拟盘。

2.3.1 常见脏数据类型

• 空值/缺失值：某个时间点的数据没返回
• 重复数据：同一条成交记录推送了两次
• 时间戳乱序：后发生的数据先到达
• 异常价格：明显偏离市场价（比如0、999999）

2.3.2 清洗流程

我一般按这个顺序处理：

1. 去重：用交易ID或时间戳+价格组合去重
2. 去空：删除价格或数量为空的记录
3. 过滤异常：价格超出3倍标准差就剔除
4. 排序：按时间戳升序排列

import pandas as pd

def clean_trade_data(df):
    # 去重
    df = df.drop_duplicates(subset=['trade_id'])
    # 去空
    df = df.dropna(subset=['price', 'quantity'])
    # 过滤异常价格
    mean_price = df['price'].mean()
    std_price = df['price'].std()
    df = df[(df['price'] > mean_price - 3*std_price) & 
            (df['price'] < mean_price + 3*std_price)]
    # 排序
    df = df.sort_values('timestamp')
    return df

2.4 数据对齐：套利的核心难点

数据对齐，说白了就是把不同交易所的数据放到同一个时间轴上。你想想看，Binance和OKX的服务器时间可能差了几十毫秒，如果不对齐，你看到的价差可能是假的。

2.4.1 时间戳对齐

我常用的方法是：

• 先获取各交易所的服务器时间，计算本地与服务器的时差
• 将所有数据的时间戳统一转为UTC
• 按固定的时间窗口（比如1秒、100毫秒）进行重采样

2.4.2 重采样示例

def resample_trades(df, freq='1S'):
    # 将时间戳设为索引
    df['timestamp'] = pd.to_datetime(df['timestamp'], unit='ms')
    df = df.set_index('timestamp')
    # 重采样：每秒取最后一笔成交价
    resampled = df['price'].resample(freq).last()
    return resampled

2.5 本章知识体系总览

下面这张图，是我自己画的数据流框架。它展示了从交易所到策略引擎的完整链路。

这张图你看懂了吗？从上到下，数据从交易所流出，经过接入、清洗、对齐三层处理，最终变成可供策略使用的干净数据。每一步都不能省，省了就是给自己挖坑。

---

公众号:蓝海资料掘金营，微信deep3321