第2章 Level 1 vs Level 2 vs Level 3 数据

Level 1 vs Level 2 vs Level 3 数据：三种数据深度的区别

做高频交易，第一关就是搞懂数据。我见过不少新手，一上来就盯着 Level 2 数据看，结果被海量信息淹没了。其实，三种数据各有各的用处，选对了才能事半功倍。

先说说 Level 1 数据

Level 1 数据，说白了就是「最优报价」。它只告诉你当前市场上最好的买价和卖价，以及对应的成交量。比如你看到「买一 10.00 元，1000 股；卖一 10.01 元，500 股」，这就是 Level 1 的全部内容。

我个人习惯把 Level 1 叫做「快照数据」。它就像你站在交易所门口，瞥了一眼大屏幕上的最新价格。信息量少，但更新快，适合做简单的趋势判断。

  Level 1 数据包含：
  最新成交价（Last Price）
买一价与买一量（Bid Price & Size）
卖一价与卖一量（Ask Price & Size）
当日最高价、最低价
累计成交量

我在项目中遇到过一个问题：用 Level 1 数据做高频策略，结果频繁被「假突破」骗进去。为什么？因为你看不到更深层的挂单，不知道那个大单是真是假。

Level 2 数据：看到更多层

Level 2 数据就丰富多了。它展示的是「市场深度」，也就是多个价位的挂单情况。通常能看到 5 档、10 档甚至 50 档的买卖盘口。

举个例子，Level 1 只告诉你买一在 10.00 元，但 Level 2 会告诉你：

卖五 10.05 2000
卖四 10.04 1500
卖三 10.03 1000
卖二 10.02 800
卖一 10.01 500
---
买一 10.00 1000
买二 9.99 1200
买三 9.98 800
买四 9.97 600
买五 9.96 400

看到区别了吗？Level 2 让你看到了「冰山的一角」。你可以判断支撑位和压力位在哪里，大资金在哪个价位埋伏。

我的经验：Level 2 数据最适合做「订单簿不平衡」策略。比如买盘明显厚于卖盘，价格大概率要往上走。但要注意，有些大单是「虚挂」的，随时可能撤单。

Level 3 数据：全量数据

Level 3 数据，也叫「全量深度数据」。它不只是展示多个价位，而是展示每个价位上的所有订单。包括每个订单的 ID、时间戳、挂单量、是买单还是卖单。

说白了，Level 3 让你看到「谁在挂单，挂了多久，什么时候撤单」。这是做市商和机构玩家才有的数据，普通散户基本接触不到。

数据层级	可见信息	典型用途	数据量
Level 1	最优买卖价	简单趋势跟踪	极小
Level 2	多档挂单	订单簿分析	中等
Level 3	全量订单	做市、套利	极大

注意：Level 3 数据不是所有交易所都提供的。而且数据量巨大，每秒可能产生几万条消息。我曾经因为没处理好 Level 3 数据的解析，导致系统内存溢出，直接崩了。

Tick 级数据的价值

Tick 级数据，就是每笔成交的原始记录。它包含：成交时间、成交价格、成交量、成交方向（买方主动还是卖方主动）。

你想想看，普通 K 线数据把 1 分钟内的所有成交压缩成了 4 个数字（开、高、低、收）。但 Tick 数据保留了每一笔的细节。这就像看电影，K 线是 1 秒 1 帧的幻灯片，Tick 数据是 60 帧的流畅视频。

我个人习惯用 Tick 数据做两件事：

计算真实成交量——K 线里的成交量是累计的，但 Tick 数据能告诉你大单是在哪个价位成交的
识别主力意图——连续的小单买入 + 一个大单卖出，可能是主力在出货

# 一个简单的 Tick 数据解析示例
tick_data = {
    'timestamp': '2024-01-15 09:30:01.123',
    'price': 10.05,
    'volume': 500,
    'side': 'buy',  # 主动买入
    'trade_id': '123456789'
}

# 计算累计成交量
if tick_data['side'] == 'buy':
    buy_volume += tick_data['volume']
else:
    sell_volume += tick_data['volume']

  Tick 数据的核心价值：它让你看到「市场微观结构」的变化。比如，同样的价格波动，是 1 笔大单造成的，还是 100 笔小单累积的？这两种情况背后的含义完全不同。

数据订阅与解析

搞定了数据层级，接下来就是怎么拿到这些数据。嗯，这里坑很多，我一个个说。

订阅方式

主流交易所通常提供两种订阅方式：

WebSocket——实时推送，适合高频交易。连接建立后，数据会主动推送到你这边
REST API——轮询获取，适合低频策略。每次请求获取当前快照

我建议做高频交易一定要用 WebSocket。REST API 的延迟太高，而且频繁请求容易被封 IP。

解析要点

数据到了之后，解析是个技术活。不同的交易所格式不同，有的是 JSON，有的是二进制，有的是自定义协议。

# 一个典型的 WebSocket 订阅代码
import websocket
import json

def on_message(ws, message):
    data = json.loads(message)
    # 解析 Level 2 数据
    if data['type'] == 'depth':
        bids = data['bids']  # 买单列表
        asks = data['asks']  # 卖单列表
        # 更新本地订单簿
        update_orderbook(bids, asks)

def on_error(ws, error):
    print(f"连接出错: {error}")

def on_close(ws, close_status_code, close_msg):
    print("连接关闭，准备重连...")

def on_open(ws):
    # 订阅 BTC/USDT 的 Level 2 数据
    subscribe_msg = {
        "op": "subscribe",
        "args": ["depth.BTC-USDT"]
    }
    ws.send(json.dumps(subscribe_msg))

ws = websocket.WebSocketApp(
    "wss://example.com/ws",
    on_open=on_open,
    on_message=on_message,
    on_error=on_error,
    on_close=on_close
)
ws.run_forever()

避坑指南：我曾经因为没处理好 WebSocket 的重连逻辑，导致策略在半夜断线后一直没恢复，第二天亏了不少。记住：一定要实现自动重连，而且重连后要重新订阅数据。

数据存储

Tick 级数据量巨大，存储是个问题。我一般用两种方式：

内存数据库（如 Redis）——存最近几天的数据，用于实时策略
时序数据库（如 InfluxDB）——存历史数据，用于回测和分析

千万别把 Tick 数据存到关系型数据库里。我试过，一张表几亿条记录，查询一次要等几分钟，根本没法用。

最后说一句，数据订阅和解析看起来简单，但实际做起来细节很多。比如时间戳的处理——交易所给的是 UTC 时间还是本地时间？毫秒还是微秒精度？这些不搞清楚，回测和实盘对不上，策略就废了。

📚 课程目录

Level 1 vs Level 2 vs Level 3 数据：三种数据深度的区别

先说说 Level 1 数据

Level 2 数据：看到更多层

Level 3 数据：全量数据

Tick 级数据的价值

数据订阅与解析

订阅方式

解析要点

数据存储