Tick数据实战：Tick数据的结构与含义、如何获取Tick数据、Tick数据的清洗与预处理
各位同学，咱们今天聊点真家伙——Tick数据。
很多做量化的人，做了三五年，还在用日线、小时线。说实话，那都是“二手数据”。真正的一手情报，藏在Tick里。我当年刚入行时，带我的老大哥跟我说过一句话，我一直记到现在：“谁掌握了Tick，谁就掌握了市场的脉搏。”
今天这一章，我就把Tick数据的底裤给你扒干净。
一、Tick数据的结构与含义
先问个问题：你知道一根K线是怎么来的吗？
嗯，很多人会说：开盘价、收盘价、最高价、最低价。那这些价格又是从哪来的？
答案是——从每一笔真实的成交中来的。每一笔成交，就是一个Tick。
Tick数据，说白了就是交易所推送的每一笔逐笔成交记录。它是最微观、最原始的市场数据。
核心要点：Tick数据记录的是“发生了什么”，而不是“汇总后长什么样”。
一个标准的Tick数据，通常包含以下字段：
| 字段名 | 含义 | 示例 |
|---|---|---|
| Time | 成交时间（精确到毫秒甚至微秒） | 2024-01-15 09:30:00.123 |
| Price | 成交价格 | 15.68 |
| Volume | 成交量（股/手） | 1000 |
| Side | 成交方向（主动买/主动卖） | Buy / Sell |
| Symbol | 合约代码 | 600519.SH |
这里我要特别强调一下Side（成交方向）这个字段。很多人以为它不重要，其实它才是Tick数据的灵魂。
为什么？因为通过Side，你可以判断出这笔成交是“买方主动吃单”还是“卖方主动砸盘”。这直接反映了当前市场的资金意图。
我的经验：我在做高频因子挖掘时，发现“主动买成交量占比”这个指标，比单纯的价格涨跌信号要早1-3个Tick。说白了，资金动作永远走在价格前面。
二、如何获取Tick数据
好，现在你知道Tick数据长什么样了。下一个问题：去哪搞？
我直接给你列几个靠谱的渠道：
- 交易所官方数据源：上交所L1/L2行情、深交所行情、中金所行情。最权威，但贵。
- 第三方数据服务商：万得、聚宽、米筐、Tushare等。性价比高，适合个人和中小机构。
- 券商API接口：部分券商提供CTP、XTP等接口，可以直接拉取Tick数据。
- 自行采集：通过爬虫或行情网关抓取。技术门槛高，但最灵活。
我个人建议，刚开始做研究的朋友，先用聚宽或Tushare的免费接口试试水。别一上来就花大价钱买全市场Tick，万一你发现这条路走不通呢？
下面给一段Python代码，演示如何通过Tushare获取某只股票的Tick数据：
import tushare as ts
# 设置token（需要去tushare官网注册）
pro = ts.pro_api('your_token_here')
# 获取2024年1月15日贵州茅台的Tick数据
df = pro.tick_data(
ts_code='600519.SH',
trade_date='20240115',
start_time='093000',
end_time='150000'
)
print(df.head())
注意：免费接口通常有频率限制，比如每分钟只能请求200次。如果你要批量拉取大量数据，建议升级付费版或自己搭建数据仓库。
三、Tick数据的清洗与预处理
拿到原始Tick数据后，千万别直接拿去用。我踩过这个坑，而且踩得很惨。
有一次，我写了一个策略，回测表现特别好。结果实盘一跑，亏得亲妈都不认识。排查了两天，最后发现——原始Tick数据里有大量“脏数据”。
常见的脏数据包括：
- 重复数据：同一笔成交被推送了两次
- 缺失数据：某些时间段的Tick丢失了
- 异常价格：比如价格突然跳到0或者999999
- 时间戳错乱：后一笔成交的时间戳比前一笔还早
- 成交量异常：单笔成交量超过该股票当日流通盘的1%
所以，清洗这一步，必须做，而且要做扎实。
我一般按以下流程处理：
- 去重：按时间戳+价格+成交量+方向去重
- 排序：按时间戳升序排列
- 剔除异常值：价格超出当日涨跌停范围的，直接删掉
- 补全缺失：如果某秒内没有Tick，可以插入一个空Tick（价格不变，成交量为0）
- 校验连续性：检查时间戳是否连续，不连续的要标记出来
下面是我常用的清洗代码片段：
def clean_tick_data(df):
# 1. 去重
df = df.drop_duplicates(subset=['time', 'price', 'volume', 'side'])
# 2. 排序
df = df.sort_values('time').reset_index(drop=True)
# 3. 剔除异常价格（假设涨跌停为±10%）
df = df[(df['price'] > 0) & (df['price'] < 99999)]
# 4. 剔除成交量异常（单笔超过总股本0.1%视为异常）
total_shares = 100000000 # 示例值，实际需从行情获取
df = df[df['volume'] < total_shares * 0.001]
return df
避坑指南：我曾经在清洗时犯过一个低级错误——把“价格不变但成交量很大”的Tick当成异常给删了。后来才发现，那是大资金在某个价位上对倒。所以，清洗规则要结合业务场景来定，不能一刀切。
清洗完之后，我建议你再做一步：生成Tick级别的衍生特征。比如：
- 累计主动买成交量
- 累计主动卖成交量
- 买卖力量比（Buy/Sell Ratio）
- 价格波动率（基于连续Tick的价格变化）
- 大单识别（单笔成交量超过某个阈值）
这些特征，才是你后续建模和策略开发的“原材料”。
好了，关于Tick数据的结构、获取和清洗，今天就聊到这儿。记住一句话：数据质量决定策略上限。Tick数据虽然麻烦，但值得你花时间去打磨。
公众号:蓝海资料掘金营，微信deep3321