1. 高频数据基础：Tick数据与Bar数据的区别、Level2行情介绍、常见商品期货交易所数据格式
做量化交易这些年，我接触过不少新手。大家一上来就问我：“老师，高频数据到底长什么样？”
说实话，这个问题问得特别好。因为如果你连数据长啥样都不清楚，后面的特征工程、策略回测，全都是空中楼阁。
今天我们就来聊聊高频数据的两个核心概念：Tick数据和Bar数据。顺便把Level2行情和交易所数据格式也讲清楚。
1.1 Tick数据：最原始的交易记录
Tick数据，说白了就是交易所每产生一笔交易，就记录一条数据。它是市场最微观的切片。
我刚开始做高频策略时，总觉得Tick数据太“碎”了。后来才发现，很多赚钱的策略，恰恰就藏在这些碎片里。
Tick数据的核心字段：
- 交易时间：精确到毫秒甚至微秒
- 最新成交价：当前这笔交易的成交价格
- 成交量：这笔交易的手数/张数
- 成交额：成交价 × 成交量
- 买卖方向：主动买还是主动卖（重要！）
举个例子，螺纹钢期货在某毫秒内成交了一笔，价格3800元，成交量10手。这就是一条Tick数据。
嗯，这里要注意：不同交易所对Tick数据的定义略有差异。比如上期所会额外记录“申买价一”和“申卖价一”，而大商所可能只记录成交信息。
我的经验：处理Tick数据时，一定要关注时间戳的精度。有些数据源给的是秒级，有些是毫秒级。我曾经因为时间戳精度不够，导致回测结果和实盘差了十万八千里。
1.2 Bar数据：Tick数据的“压缩包”
Bar数据，就是按时间窗口把Tick数据“打包”起来。最常见的是一分钟Bar、五分钟Bar。
你想想看，如果每天几百万条Tick数据全拿来分析，电脑都得崩溃。所以Bar数据就是高频数据的“降维打击”。
一个标准的Bar数据包含五个要素：
- 开盘价（Open）：这个时间窗口的第一笔成交价
- 最高价（High）：窗口内的最高成交价
- 最低价（Low）：窗口内的最低成交价
- 收盘价（Close）：窗口内的最后一笔成交价
- 成交量（Volume）：窗口内的总成交量
我习惯把Bar数据叫做“OHLCV”，业内都这么叫。做技术分析的人，天天跟这五个字母打交道。
避坑指南：我曾经在回测时直接用交易所的分钟Bar数据，结果发现策略表现特别好。后来一查，原来交易所的Bar数据是“复权”过的，包含了夜盘和日盘的拼接。嗯，从那以后，我都是自己从Tick数据合成Bar，虽然慢一点，但心里踏实。
1.3 Tick vs Bar：到底用哪个？
这个问题我经常被问到。我的回答是：看你的策略类型。
| 维度 | Tick数据 | Bar数据 |
|---|---|---|
| 数据量 | 巨大（每天几百万条） | 较小（每天几千条） |
| 信息粒度 | 每笔交易都记录 | 只保留统计摘要 |
| 适用策略 | 高频做市、订单簿策略 | 趋势跟踪、均值回归 |
| 存储成本 | 高 | 低 |
| 回测速度 | 慢 | 快 |
我个人建议：如果你做的是秒级以内的策略，必须用Tick数据。如果是分钟级以上的策略，用Bar数据就够了。
1.4 Level2行情：比Tick更“深”一层
Level2行情，很多人叫它“深度行情”。它比普通Tick数据多了一个东西——订单簿。
普通Tick只告诉你成交了什么，Level2还告诉你“挂单”的情况。
Level2的核心数据包括：
- 十档行情：买一到买十、卖一到卖十的挂单价格和数量
- 逐笔成交：每笔成交的详细信息（比Tick更细）
- 委托队列：每个价位的挂单明细（有些交易所提供）
我记得第一次拿到Level2数据时，整个人都懵了。数据量比Tick大了好几倍，而且结构复杂。但后来发现，很多高频策略的核心信号，比如“大单吃货”、“托盘撤单”，都是从Level2数据里挖出来的。
Level2行情 vs 普通Tick：
- 普通Tick：只告诉你“发生了什么”
- Level2：还告诉你“正在发生什么”和“可能发生什么”
1.5 常见商品期货交易所数据格式
国内三大商品期货交易所，数据格式各有各的脾气。我一个个说。
1.5.1 上海期货交易所（SHFE）
上期所的数据格式比较“规矩”。Tick数据通常包含：
- 合约代码、时间、最新价、成交量、持仓量
- 申买价一、申卖价一、申买量一、申卖量一
- 结算价、涨跌停板等
我习惯把上期所的数据叫做“五档行情”，因为它默认只提供买卖各五档的挂单信息。
1.5.2 大连商品交易所（DCE）
大商所的数据格式稍微“灵活”一些。它的Tick数据会额外包含：
- 开高低收（有些数据源会直接提供）
- 成交量、持仓量变化
- 买卖方向标识（主动买/主动卖）
嗯，这里有个坑：大商所的Tick数据中，成交量的单位是“手”，但有些数据源会给你“张”。一定要确认清楚。
1.5.3 郑州商品交易所（ZCE）
郑商所的数据格式，我个人觉得是最“复杂”的。它的Tick数据包含：
- 标准字段（时间、价格、成交量）
- 额外的“行情快照”信息
- 部分合约会有“期权行情”字段
我曾经在郑商所的数据上栽过跟头。它的时间戳有时会“跳秒”，导致数据对齐出问题。后来我加了一个校验逻辑，才解决这个问题。
1.6 数据格式对比一览
| 交易所 | Tick字段数 | Level2支持 | 时间精度 | 特殊字段 |
|---|---|---|---|---|
| 上期所 | 约15-20个 | 五档 | 毫秒 | 结算价、涨跌停 |
| 大商所 | 约12-18个 | 五档 | 毫秒 | 买卖方向标识 |
| 郑商所 | 约18-25个 | 十档 | 毫秒 | 期权行情、快照 |
1.7 知识体系结构图
下面这张图，是我梳理的高频数据基础的知识体系。你可以把它当作本章的“地图”。
1.8 实战建议：如何选择数据源？
最后，我给大家几个实战建议：
- 做研究用Bar数据：速度快，内存占用小，适合策略验证
- 做高频策略用Tick数据：信息完整，但要做好数据清洗
- 做订单簿策略用Level2：数据量大，建议用C++或Rust处理
- 注意数据对齐：不同交易所的时间戳格式不同，一定要统一
我的小技巧：刚开始接触高频数据时，先拿一个月的Tick数据练手。不要贪多，把数据清洗、存储、回测的流程跑通，再慢慢扩展。我曾经一口气下载了三年的数据，结果光清洗就花了两周，得不偿失。
好了，高频数据的基础就聊到这里。记住：数据是量化交易的“原材料”，原材料不好，再好的策略也白搭。