第二章 逐笔成交与Tick数据：数据结构的底层逻辑

做量化交易这些年，我越来越觉得——数据是交易的血液。而逐笔成交和Tick数据，就是最原始的血液样本。

很多人喜欢看K线，觉得那才是交易。但说实话，K线是加工过的信息。它把几万笔交易压缩成了四个价格。你想想看，中间丢失了多少细节？

我个人习惯，每天开盘前先看15分钟的逐笔成交。不是为了找交易机会，而是为了感受市场的「呼吸节奏」。这比任何指标都真实。

2.1 逐笔成交数据的结构

逐笔成交数据，说白了就是每一笔真实成交的记录。交易所撮合一次，就产生一条数据。

它的核心字段其实不多，但每个字段都藏着信息量：

字段名	含义	我的理解
时间戳	精确到毫秒或微秒	这是最容易被忽视的维度。毫秒级的差异，往往意味着不同的交易意图
成交价	该笔交易的撮合价格	注意：不是报价，是真实成交价
成交量	该笔交易的股数/手数	大单还是小单？这里能看出资金性质
成交额	成交价 × 成交量	有些交易所直接给，有些需要自己算
买卖方向	主动买还是主动卖	这是订单流分析的核心中的核心
成交编号	交易所生成的唯一ID	用来去重和排序，比时间戳更可靠

我在项目中遇到过一个问题：某只股票突然放量拉升，逐笔成交显示全是主动买。但后来复盘发现，那些「主动买」其实是量化资金在对倒。怎么发现的？看成交编号的连续性——正常交易会有间隔，对倒的成交编号是连续的。

2.2 Tick数据的采集与清洗

Tick数据，很多人把它和逐笔成交混为一谈。其实不一样。

Tick数据是快照，它记录的是某个时间点上，市场状态的完整切片。包括最新价、买卖盘口、成交量、持仓量等。而逐笔成交是事件流，每成交一笔就产生一条。

嗯，这里要注意：不同交易所对Tick的定义不同。有的交易所1秒拍一张快照，有的500毫秒。你如果做高频策略，这个差异会直接影响你的回测精度。

2.2.1 数据采集的坑

我曾经自己搭过一套数据采集系统，踩过的坑可以写本书了。这里挑几个重点说：

• 时间同步问题：交易所的时钟和你的服务器时钟可能有偏差。我建议用NTP协议同步，偏差控制在1毫秒以内。
• 数据丢失：网络抖动会导致丢包。我习惯在采集端做本地缓存，每5秒批量上传一次。即使网络断了，数据也不会丢。
• 重复数据：有些数据源会推送重复的Tick。一定要用成交编号或时间戳+价格+成交量的组合做去重。

2.2.2 数据清洗流程

数据清洗这件事，80%的时间花在20%的脏数据上。我的清洗流程是这样的：

1. 格式校验：检查字段类型、长度、范围。比如价格不能为负，成交量不能为0。
2. 时间排序：按时间戳升序排列。注意处理同一毫秒内的多条数据。
3. 去重处理：基于成交编号或关键字段组合去重。
4. 异常值过滤：价格超过当日涨跌停板、成交量超过正常范围等，标记出来人工复核。
5. 缺失值填充：对于Tick数据，如果某秒没有快照，我一般用前向填充（forward fill）。

给你看一段我常用的清洗代码片段：

def clean_tick_data(df):
    """
    清洗Tick数据
    """
    # 1. 格式校验
    df = df[(df['price'] > 0) & (df['volume'] >= 0)]
    
    # 2. 时间排序
    df = df.sort_values('timestamp')
    
    # 3. 去重
    df = df.drop_duplicates(subset=['trade_id'])
    
    # 4. 异常值过滤
    df = df[df['price'] <= df['upper_limit']]
    df = df[df['price'] >= df['lower_limit']]
    
    # 5. 缺失值填充（前向填充）
    df = df.fillna(method='ffill')
    
    return df

2.3 逐笔成交与Tick的关系

这两者的关系，我用一张图来说明：

你看这张图就明白了。逐笔成交是流水账，Tick数据是快照。两者结合使用，才能还原市场的全貌。

我个人习惯的做法是：用Tick数据做策略回测，用逐笔成交做实时交易信号。为什么？因为Tick数据量小，回测快；逐笔成交细节多，适合捕捉瞬时机会。

2.4 实战中的注意事项

最后说几个实战中容易忽略的点：

• 数据源的选择：不同数据商的逐笔成交数据，在时间精度和字段完整性上差异很大。我建议至少对比两家数据源，交叉验证。
• 存储策略：逐笔成交数据量巨大。一只活跃股票一天可能产生几十万条。我习惯用列式存储（如Parquet），压缩比高，查询快。
• 实时处理 vs 离线处理：实时处理用流式计算框架（如Flink），离线分析用批处理（如Spark）。不要混用。

好了，这一章的内容就到这里。数据结构的底层逻辑搞清楚了，后面讲买卖压力计算的时候，你才能理解每个数字背后的含义。