一、高频数据基础：Tick数据与Bar数据、Level2行情、数据频率选择
做高频量化，第一关就是数据。我见过太多人策略写得漂亮，结果数据源没选对，回测曲线漂亮得像假的一样——嗯，上线就亏。
今天咱们就把高频数据的底裤扒干净。说白了，就三件事：Tick和Bar到底怎么用？Level2行情到底值不值得买？数据频率选多少合适？
1.1 Tick数据：最原始的脉搏
Tick数据，就是交易所每笔成交的原始记录。每一笔交易，都记下了时间、价格、成交量、买卖方向。
举个例子，上交所的Tick长这样：
时间戳: 2024-01-15 09:30:01.123
价格: 15.28
成交量: 1200
买卖方向: 主动买
我个人习惯把Tick数据叫做「裸数据」。为什么？因为它最真实，没有任何加工。你想想看，所有的高频策略，最终都要落到Tick级别才能执行。
核心要点：Tick数据是高频交易的「原子单位」。任何Bar数据都是从Tick聚合来的。
我在项目中遇到过一个问题：某家数据商提供的Tick数据，时间戳精度只有毫秒。结果做订单流分析时，同一毫秒内的多笔交易顺序全乱了。后来我换了一家微秒级精度的数据源，问题才解决。
避坑指南：我曾经以为所有Tick数据都一样。直到有一次回测一个高频反转策略，用A家的Tick数据年化收益30%，用B家的直接亏10%。一查，原来是A家把同一毫秒内的交易按价格排序了，而B家按收到顺序排的。数据清洗的细节，能直接决定策略生死。
1.2 Bar数据：从Tick到K线的聚合艺术
Bar数据，就是把Tick按时间窗口聚合。最常见的当然是1分钟Bar、5分钟Bar。但做高频的人，更关心的是秒级Bar，比如1秒Bar、500毫秒Bar。
一个标准的Bar包含四个价格：Open、High、Low、Close，外加成交量。
聚合逻辑其实很简单：
def ticks_to_bar(ticks, bar_interval_ms=1000):
"""
将Tick数据聚合成指定毫秒间隔的Bar
"""
bar_start = ticks[0]['time']
bar_end = bar_start + bar_interval_ms
bar_data = []
current_bar_ticks = []
for tick in ticks:
if tick['time'] < bar_end:
current_bar_ticks.append(tick)
else:
# 生成Bar
bar = {
'time': bar_start,
'open': current_bar_ticks[0]['price'],
'high': max(t['price'] for t in current_bar_ticks),
'low': min(t['price'] for t in current_bar_ticks),
'close': current_bar_ticks[-1]['price'],
'volume': sum(t['volume'] for t in current_bar_ticks)
}
bar_data.append(bar)
# 重置
bar_start = bar_end
bar_end += bar_interval_ms
current_bar_ticks = [tick]
return bar_data
你可能会问：为什么不用现成的Bar数据，非要自己从Tick聚合？
原因很简单：不同数据商的Bar聚合规则不一样。有的用自然时间，有的用交易时间；有的包含盘前数据，有的不包含。自己做聚合，才能保证数据一致性。
我的经验：做高频策略，我建议至少保留Tick数据。Bar数据可以随时生成，但Tick数据丢了就再也找不回来了。存储成本虽然高一点，但值得。
1.3 Level2行情：比Tick更深的细节
Level2行情，说白了就是「增强版Tick」。普通Tick只告诉你成交了，Level2还告诉你：
- 十档买卖盘口：买一到买十，卖一到卖十，每个价位的挂单量
- 逐笔成交：每一笔成交的详细情况，包括成交编号
- 委托队列：前50笔挂单的明细
- 资金流向：大单、中单、小单的划分
我刚开始做高频时，觉得Level2就是噱头。直到有一次，我用普通Tick数据做订单簿重建，发现重建出来的深度跟实际差了好几个价位。后来买了Level2数据，才发现原来中间有那么多撤单和改单。
| 数据类型 | 包含信息 | 数据量/天（单只股票） | 典型用途 |
|---|---|---|---|
| 普通Tick | 成交价、量、方向 | 约500KB | 价格发现、动量策略 |
| Level2 | 十档盘口、逐笔成交、委托队列 | 约5-10MB | 订单簿分析、微观结构策略 |
| 全量快照 | 全部档位盘口、全部委托 | 约50-100MB | 做市商策略、套利策略 |
一句话总结：普通Tick是「结果」，Level2是「过程」。做高频微观结构，必须上Level2。
1.4 数据频率选择：不是越快越好
这个问题我经常被问到：「做高频是不是频率越高越好？」
答案是否定的。频率选择取决于三件事：
- 策略逻辑：做市商需要毫秒级，趋势跟踪可能秒级就够了
- 交易成本：频率越高，手续费和滑点占比越大
- 数据质量：高频数据噪声大，需要更复杂的滤波
我个人习惯把频率分成三个档次：
- 毫秒级（1-100ms）：做市商、套利、订单簿预测。需要Level2数据，对延迟极度敏感
- 秒级（100ms-10s）：高频动量、反转策略。Tick或1秒Bar即可，对延迟要求适中
- 分钟级（1min+）：日内趋势、统计套利。普通Bar数据就够，对延迟不敏感
我曾经踩过的坑：刚开始做高频时，我一股脑买了毫秒级数据，结果策略跑下来还不如分钟级。后来分析发现，我的策略逻辑本身就需要至少3秒的持仓时间，毫秒级数据带来的噪声反而让信号质量下降了。频率不是越高越好，匹配策略逻辑才是关键。
1.5 知识体系总览
下面这张图，是我自己梳理的高频数据知识体系。每次带新人，我都会先让他们看这张图：
这张图把整个知识体系串起来了。从上往下看：数据源决定了你能拿到什么，数据类型决定了你能做什么分析，频率选择决定了策略的适用场景。
我的建议：刚开始做高频，别急着上Level2。先用普通Tick数据把策略逻辑跑通，确认有盈利信号后，再升级到Level2做精细化优化。这样成本最低，效率最高。