1. Tick数据概述

大家好，我是你们的量化金融讲师。今天咱们聊聊Tick数据——这个在量化回测里最底层、最原始的数据形态。

说实话，我刚入行那会儿，对Tick数据也是一知半解。总觉得用日线做回测就够了，干嘛要折腾这么细的数据？直到有一次，我做一个高频策略的回测，用日线数据跑出来收益曲线漂亮得不行，结果实盘一跑，直接亏到怀疑人生。后来才发现，问题就出在数据粒度上。

嗯，咱们今天就把Tick数据彻底讲透。

什么是Tick数据？

Tick数据，说白了就是每一笔成交的原始记录。交易所每撮合一次交易，就会生成一条Tick数据。它记录的是最微观的市场行为。

一条典型的Tick数据长这样：

时间戳: 2024-01-15 09:30:00.123456
代码: 600519.SH
最新价: 1688.50
成交量: 100
成交额: 168850
买卖方向: 买

你想想看，这跟咱们平时看到的K线图完全不是一个东西。K线是把一段时间内的Tick数据聚合起来，而Tick数据本身是离散的、逐笔的。

Tick数据在量化回测中的重要性

我个人习惯把量化策略分成三类：

• 低频策略：持仓几天到几个月，用日线就够了
• 中频策略：持仓几小时到几天，分钟线勉强够用
• 高频策略：持仓几秒到几分钟，必须用Tick数据

为什么高频策略必须用Tick？我举个例子你就明白了。

假设你写了一个策略，在价格突破某个阈值时买入。用日线数据回测，你看到的是：

开盘价: 100
最高价: 105
最低价: 98
收盘价: 102

你设定突破103买入。日线告诉你，今天最高到了105，所以你的买入指令应该被执行了。但问题是——你知道它是在什么时间突破的吗？是在开盘后第1秒，还是收盘前最后一秒？

这差别可大了去了。如果是开盘第1秒突破，你后面还有将近4个小时可以持仓。如果是收盘前最后一秒突破，你买入后马上就收盘了，根本没法操作。

Tick数据能帮你精确到毫秒级别。你可以知道：

• 每一笔成交的具体时间
• 买卖双方的博弈过程
• 订单簿的微观变化
• 市场冲击成本的真实影响

Tick数据与分钟/日线数据的区别

咱们用一张表来对比，一目了然：

维度	Tick数据	分钟线	日线
数据粒度	逐笔成交	1分钟聚合	1天聚合
数据量	极大（每天数百万条）	中等（每天约240条）	极小（每天1条）
时间精度	毫秒/微秒级	秒级	天级
信息含量	完整保留市场微观结构	丢失大部分微观信息	仅保留4个价格点
存储成本	极高	中等	极低
回测精度	最接近实盘	有一定偏差	偏差较大

说白了，分钟线和日线都是对Tick数据的「降采样」。降采样会丢失信息，这是不可避免的。你想想看，把几百万条Tick数据压缩成1条日线，中间丢失了多少市场博弈的细节？

我举个例子：

# 假设这是某股票1分钟内的所有Tick数据
ticks = [
    {"time": "09:30:00.000", "price": 100.00, "volume": 100},
    {"time": "09:30:00.050", "price": 100.02, "volume": 200},
    {"time": "09:30:00.100", "price": 100.01, "volume": 150},
    {"time": "09:30:00.150", "price": 100.03, "volume": 300},
    # ... 还有几百条
]

# 聚合成的1分钟K线
minute_bar = {
    "open": 100.00,
    "high": 100.03,
    "low": 100.00,
    "close": 100.03,
    "volume": 750
}

你看，分钟线只保留了4个价格和总成交量。但Tick数据里，你能看到价格是如何一步步从100.00涨到100.03的，中间有没有回调，买卖力量如何变化——这些信息在分钟线里全丢了。

最后，咱们用一张图来总结Tick数据的核心地位：

嗯，这张图很直观。Tick数据在最底层，是所有数据的源头。往上走，数据越来越粗，信息越来越少，但存储成本也越来越低。这就是一个典型的「精度 vs 成本」的权衡。

我个人建议，如果你刚开始做量化，可以先从日线入手。但如果你想做真正精细的回测，尤其是高频策略，那Tick数据是你绕不开的一关。下一章咱们就聊聊Tick数据的存储格式和压缩方案。